文章 "创建非滞后数字滤波器" - 页 2

 

我发现,要创建一个与世界秩序不矛盾的非延时(真实)滤波器,唯一的方法就是单独平滑。

三张图片可以解释我们在谈论什么。报价 - 以 M5 条为单位,3 次 288(三天)。

看到了吗? 每个单独的图表(蓝色和红色)都相对价格滞后,但只有在价格变动与其变动不一致时才会 "滞后一半"。

另一种算法则能更完美地实现这一点:

如果我们从红色和蓝色曲线中提取均线,就会得到一个有趣的通道(均线滞后 100 条,即每条均线滞后 201 条):

为清晰起见,平滑图表向左移动了 z=100 条。

所以。如果学会在第二张图表的红色曲线和蓝色曲线之间及时跳转,使结果片断化--从红色曲线的非滞后片断和蓝色曲线的非滞后片断中跳转,结果就完全不会滞后。而且还进行了一定的平滑处理。不过,如果我们正式引入一个标准,例如等于初差模量之和的比值,那么滤波器就可能根本不是滤波器,而是具有更大的波动性:-)

 

在数值上,我们可以尝试用下面的方法来 "欺骗 "世界设备:我们可以设置一个额外的(非常强的)条件:平滑曲线的 "长度"(初差模量之和)在每个时间单位内是固定的,或者设置为原始曲线长度的一部分。然后,我们将非凸性和其他幻想降到最低。重点是,在滤波算法输出端限制曲线长度的附加条件非常强,这导致事实上存在重绘,但不是在 "最后几条 "上,而是在整个区间内均匀 重绘,而且非常小,不超过差值。

 

这种设计是过滤器吗?或者不是?(在第一个条形图上,红色曲线与原始曲线重合,不要看那里)。

平滑 - 强。滞后性很强。在台阶上可以看到。但在真实报价上,真正的超大滞后并不像这样。

 

类似上述的分割平滑可以从一个美丽的想法中获得:在图形上滚动一个轮子。气球。

从图片中可以清楚地看到一切:

再次...如果你学会在不同的延迟曲线之间跳转(沿着时间之箭逐段跳转)......:-)

 

您可以尝试通过将权重与价格导数挂钩来计算加权平均值。通过步进函数或指数函数进行强非线性计算。结果会有一个较大的平均窗口,在步长上可以看到滞后期等于窗口的一半,但从视觉上看,滞后期只出现在波动较小的区域,过滤器会一次性 "过滤 "所有的波动。滞后可以忽略不计。

事实上,"滞后 "在这里根本无法定义,它在过滤器的每个点上都是不同的。甚至都不知道该与什么进行比较。

 
MAIS:
灰色虚线不是 Heaviside。阶跃应该是垂直的。如果是因为离散化是在腹轴上进行的,而它是用一条线画出来的,那就太糟糕了。我的意思是要看更高的平滑值。这样,滞后期就会大于显示的 3 个条形图。一般来说,如果滞后很小,我通常会根据需要多次重复练习:我将滤波器应用到滤波结果中,经过一千次重复后,一切都清晰可见,在明显的微小平滑算法中包含了滞后条的多少百分比也就一目了然了。

首先,所有三条线都重合且等于零。然后,在 6 月 10 日 1:00 出现一个 +1 的缺口(所有三条线都重合,滤波器毫无延迟地捕捉到了这个缺口)。然后,动量在 14 个周期内如期下降到零,虚线 继续保持 +1 的位置。滤波器将这一动量变动视为噪音(这是应该的,因为我们应该有 +1 的动量),并试图将其平滑化。

我不明白你写的是哪三格。

Документация по MQL5: Стандартные константы, перечисления и структуры / Константы индикаторов / Стили рисования
Документация по MQL5: Стандартные константы, перечисления и структуры / Константы индикаторов / Стили рисования
  • www.mql5.com
Стандартные константы, перечисления и структуры / Константы индикаторов / Стили рисования - Документация по MQL5
 

顺便提一下,关于在单独平滑曲线(和单独分段时滞曲线)之间 "学习跳跃 "的问题:

其实你并不需要跳转:在算法的上层结构额外构建之后,"单独平滑 "曲线会变得不同,具有不同的物理意义,但请看它们的平均值--红线和蓝线之间的粉色线:

更多特写(时间轴上的条形图更少),滞后时间缩短了 2 倍,而且是在不同的赛道上:

问题:粉色曲线是过滤器吗?是的,滞后吗?是的,非常滞后。在垫脚石上,它会显示出来。在报价单上--一目了然--你可以把它说成是非滞后的。

 
Lizar:

我不知道你说的是哪三根柱子。

沿着时间轴,大约有三个采样点的红色尾部在下降。
 

我建议你在过滤之前先进行一些有意义的数据处理。你可以在这里找到很多东西。举个微不足道的例子。

输入数据 - 两条曲线 - 欧元 ED 和英镑 PD。


让我们选择一种新的报价货币,而不是美元。N.与美元的比值:

我们会得到什么?哦,很多东西。

这是 D 对 N

这是 E 对 N,P 对 N:


因此,三角形中的三种货币关系都被简化为几乎相同的形式。对形式的研究是另一首歌的内容,在这里我只是展示通过简单的替换可以达到什么效果。

因此,EN 和 PN 几乎是单一相关的。而 DN 的形状不同,EN 和 DN 在此区间的相关性约为 0.9979。而不是 0.99999999999....。像 EN 和 PN 一样。

通过分析和调整一切,使所有三条曲线的形状完全吻合,相关性正好等于 1,并以所有三条曲线的波动性最小为条件,我们可以做一些奇妙的事情。

简单地说,就是 "明目张胆 "地修正图形的形状,不是算术上的,而是逻辑上的,通过比较它们。事先知道它们都非常接近。

一般来说,我可以任意设定一个形式,然后设定一个新的报价货币,这样,所有货币与新报价货币的关系形式就会尽可能地与这个任意设定的形式....,同时保留货币之间的所有关系。同时保留货币之间的所有关系及其关系...但这些形式之间会有细微的差别。这就是分析的主题。

 
MAIS:
您写的这篇文章很有新意。有些图片让我想起了自己的研究。我稍后会仔细看看。