傅立叶的帮助 - 页 9 12345678910111213141516...19 新评论 Slobodov Gleb 2006.12.22 12:33 #81 ANG3110 писал (а): 如果我们为傅里叶分解做一个骨架，这并不是一个坏结果。特别是，我们可以很容易地向前推断回归，并绘制相对于它的傅里叶图。有可能将铣刀拟合为一个支撑点，并在一个单独的窗口中绘制谐波的总和，就像铣刀线性延续一样。你可以把它建立在一个平滑变化的平均值上，如T3，向后移动半个周期，以准确地适应数据，用抛物线推算末端，调整为最小有效值，并绘制相对于这个推算的傅里叶图。但无论如何，如果我们建立不同周期的傅里叶外推法的几个变体，并在最小有效值方面对每个变体进行优化，就很有可能出现重复的周期。如果几个变体的读法有重合之处，就可以认为它们是可能的。如果有进一步的提前或滞后，这将产生一个修正的差异信号，可用于自动调谐或重新计算。这让人联想到无线电接收器中的FATF探测器，它是最有效的，对干扰的免疫。 实际上，在不提前考虑时间的情况下，输出傅里叶数列并不是什么大问题，这样就可以使终点接近数列。 有趣的是，未来报价的傅里叶的输出。你已经贴出了你的指标绘制未来时间的傅里叶序列的截图，这与现实很吻合。它是根据什么原则运作的？ ANG3110 2006.12.22 13:11 #82 shobvas писал (а): 好吧，实际上，在不超前的情况下输出傅里叶数列并不是什么大问题，这样一来，终点就接近数列了。 输出未来报价的傅里叶是很有意思的。你已经贴出了你的指标绘制未来时间的傅里叶序列的截图，这与现实很吻合。它是根据什么原则运作的？ 分解是相对于LinearRegressin进行的。像收音机一样，为了获得最佳的可听性，最好是调到最小的噪音和最大的信号，也就是说，调谐是以最小的有效值进行的。为了方便改变周期--应用直线或回归通道脚本。终端数据被捕获并传输到指标。因此，通过移动这些线，我们立即改变了周期，并重新计算了整个画面。评论显示的是有效值，调整是根据最小有效值加上眼睛的小偏移来进行的，以使高点和低点尽可能地重合。我们还通过函数GetAsyncKeyState(int nVirtKey)增加了改变谐波数的能力，然后通过按键盘上适当的箭头，我们可以快速增加或减少谐波数。同样是通过脚本来完成的，它把这一切都画了出来。我以前已经写过一点关于设置和变体的文章。对于不同的时期和不同的可信度，谐波的数量是不同的。 但如果最小谐波为12至24小时，最小周期为2-3天或更长时间，则可能会获得或多或少的满意结果。这是针对每天的预测。对于全球预测，技术是相同的，但周期当然更长。根据不同的规模，长期的月度和年度预测与真实的数据非常吻合，特别是在一些频率上，它们以非常高的概率周期性地重复。为了得到这些频率的统计数据--做了一个巧妙的频谱分析器，也可以拖动整个时间范围。 Slobodov Gleb 2006.12.23 21:54 #83 ANG3110 писал (а): 那里的分解是相对于LinearRegressin进行的。尾巴就像收音机一样，为了获得最佳的可听性，最好是调出最小的噪音和最大的信号，即按照最小有效值进行调音。为了方便改变周期--应用直线或回归通道脚本。终端数据被捕获并传输到指标。因此，通过移动这些线，我们立即改变了周期，并重新计算了整个画面。评论显示的是有效值，调整是根据最小有效值加上眼睛的小偏移来进行的，以使高点和低点尽可能地重合。我们还通过函数GetAsyncKeyState(int nVirtKey)增加了改变谐波数的能力，然后通过按键盘上适当的箭头，我们可以快速增加或减少谐波数。同样是通过脚本来完成的，它把这一切都画了出来。我以前已经写过一点关于设置和变体的文章。对于不同的时期和不同的可信度，谐波的数量是不同的。 但如果最小谐波为12至24小时，最小周期为2-3天或更长时间，则可能获得或多或少的满意结果。这是针对每天的预测。对于全球预测，技术是相同的，但周期当然更长。根据不同的尺度，长的时间尺度，数月和数年将产生非常好的真实数据的拟合，特别是一些频率，它们以非常高的概率周期性重复。为了得到这些频率的统计数据--做了一个巧妙的频谱分析器，也可以拖动整个时间范围。 我真的不明白这个... 傅里叶数列是由价格的差异和回归线的值建立的，对吗？ 关于尾部的情况不是很清楚，虽然....。对最小有效值的调整是什么？ 提前感谢您的回答 =) ANG3110 2006.12.24 10:12 #84 shobvas писал (а): 我真的不明白... 傅里叶数列是由价格的差异和回归线的值构建的，对吗？ 关于尾巴的问题不是很清楚，虽然....。对最小有效值的调整是什么？ 提前感谢您的回答 =) 是的，首先我们计算LR[i]的坐标。然后，数组dc[i]=Close[i]-LR[i]；从数组dc[i]建立傅里叶fx[i]。并加上LR[i]坐标。 fx[i]=fx[i]+LR[i]或fx[i]+=LR[i]；如果我们外推，我们计算i=0之前和之后的LR[i]和fx[i]（你可以自己捡起来）。 尾部 "是指从i=T到i=0之间已知的内容；由于我们可以用脚本来转移、缩小或拉伸估计周期（T），所以每次转移时我们都会自动重新计算 "尾部 "的有效值。 即sq=0.0; for (int n=0; n<T; n++) sq+=(Close[i0+n]-fx[n])*(Close[i0+n]-fx[n]); sq=MathSqrt(sq/T); 并设置为最小有效值(sq)。 在我的截图中，"尾巴 "显示为黄色和绿色，而推断则显示为红色和蓝色。 一般来说，一开始所有这些建设都需要大量的时间和精神努力，如果你觉得自己还没有准备好，那就等你成熟后再做。否则，你可能会对这一切感到厌倦，而且对结果不满意。 Slobodov Gleb 2006.12.24 10:47 #85 ANG3110 писал (а): 是的，首先我们计算LR[i]的坐标。然后，数组dc[i]=Close[i]-LR[i]；从数组dc[i]建立傅里叶fx[i]。并加上LR[i]坐标。 fx[i]=fx[i]+LR[i]或fx[i]+=LR[i]；如果我们外推，我们计算i=0之前和之后的LR[i]和fx[i]（你可以自己捡起来）。 尾部 "是指从i=T到i=0之间已知的内容；由于我们可以用脚本来转移、缩小或拉伸估计周期（T），所以每次转移时我们都会自动重新计算 "尾部 "的有效值。 即sq=0.0; for (int n=0; n<T; n++) sq+=(Close[i0+n]-fx[n])*(Close[i0+n]-fx[n]); sq=MathSqrt(sq/T); 并设置为最小有效值(sq)。 在我的截图中，"尾巴 "显示为黄色和绿色，而推断则显示为红色和蓝色。 总的来说，一开始所有这些建设都需要大量的时间，如果你觉得自己还没有准备好，那就等到你足够成熟的时候。 否则你可能会对这一切感到厌倦，而且你得到的结果也不会令人满意。 那么，最小有效值是由T设定的，我的理解对吗？ 或者在傅里叶分解中的谐波频率的数量是由最小有效值调整的？ 然而，最有趣的事情，即傅里叶函数的外推是如何进行的，你还是没有告诉=) ANG3110 2006.12.24 11:32 #86 shobvas писал (а): 所以最小有效值被设定为T，我说的对吗？ 或者在傅里叶分解中的谐波频率的数量是由最小有效值调整的？ 然而，最有趣的是如何进行傅里叶函数的外推=) 作为计算线性回归的结果，我们将得到公式LR[i]=b+a*i。 作为傅里叶计算的结果，我们将得到谐波数N，系数ak[k],bk[k]，其中k对应于谐波数（k=0. ..N）；以及傅里叶计算公式sum=0.0; for(k=0; k<=N; k++) sum+=ak[k]*MathCos（w*k*i）+bk[k]*MathSin（w*k*i）; fx[i]=sum。 现在，如果我们想推断，比如说，提前半个时期，我们计算一下 数据从T到-T/2；for(int i=T; i>=-T/2; i--)，但由于数组必须只包含正数索引，我们把从-1到-T/2的东西放到第二个数组中，或者有一个技巧，通过把所有元素向后移+T/2来绕过分成两个数组，这个移位在绘图时被考虑。其余的描述只有在我们已经有了这种结构的经验时才有意义。 在脚本中，我们在向前绘制时完全没有问题。 在指标中，我们应该使用SetIndexShift( )。 Slobodov Gleb 2006.12.24 12:23 #87 也就是说，你在i<0处通过公式计算出fx[i]。 sum=0.0; for(k=0; k<=N; k++) sum+=ak[k]*MathCos（w*k*i）+bk[k]*MathSin（w*k*i）; fx[i]=sum。 像这样吗？ 而你建立的是什么时期的傅里叶函数？[T,0]? ANG3110 2006.12.24 12:51 #88 shobvas писал (а): 也就是说，你在i<0处通过公式计算出fx[i]。 sum=0.0; for(k=0; k<=N; k++) sum+=ak[k]*MathCos（w*k*i）+bk[k]*MathSin（w*k*i）; fx[i]=sum。 像这样吗？ 而你建立的是什么时期的傅里叶函数？[T,0]? SetIndexShift(0,T/2)。 for (i=T; i>=-T/2; i--) { sum=0.0。 for(int k=0; k<=N; k++) sum+=ak[k]*MathCos（w*k*i）+bk[k]*MathSin（w*k*i）。 fx[i+T/2]=sum+b+a*i。 } Slobodov Gleb 2006.12.24 17:37 #89 系数ak、bk究竟是如何计算的？ 积分是在哪个区间进行的？ 从T到0还是什么？ ANG3110 2006.12.24 18:05 #90 shobvas писал (а): 系数ak、bk究竟是如何计算的？ 积分是在哪个区间进行的？ 从T到0还是什么？ for (int k=0; k<=N; k++) { sum_cos=0.0。 sum_sin=0.0。 for (int i=0; i<T; i++) { sum_cos+=（Close[i]-b-a*i）*MathCos(w*k*i)。 sum_sin+=（Close[i]-b-a*i）*MathSin（w*k*i）。 } ak[k]=sum_cos*2/T。 bk[k]=sum_sin*2/T。 } ak[0]=ak[0]/2。 12345678910111213141516...19 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
如果我们为傅里叶分解做一个骨架，这并不是一个坏结果。特别是，我们可以很容易地向前推断回归，并绘制相对于它的傅里叶图。有可能将铣刀拟合为一个支撑点，并在一个单独的窗口中绘制谐波的总和，就像铣刀线性延续一样。你可以把它建立在一个平滑变化的平均值上，如T3，向后移动半个周期，以准确地适应数据，用抛物线推算末端，调整为最小有效值，并绘制相对于这个推算的傅里叶图。但无论如何，如果我们建立不同周期的傅里叶外推法的几个变体，并在最小有效值方面对每个变体进行优化，就很有可能出现重复的周期。如果几个变体的读法有重合之处，就可以认为它们是可能的。如果有进一步的提前或滞后，这将产生一个修正的差异信号，可用于自动调谐或重新计算。这让人联想到无线电接收器中的FATF探测器，它是最有效的，对干扰的免疫。
好吧，实际上，在不超前的情况下输出傅里叶数列并不是什么大问题，这样一来，终点就接近数列了。 输出未来报价的傅里叶是很有意思的。你已经贴出了你的指标绘制未来时间的傅里叶序列的截图，这与现实很吻合。它是根据什么原则运作的？
但如果最小谐波为12至24小时，最小周期为2-3天或更长时间，则可能会获得或多或少的满意结果。这是针对每天的预测。对于全球预测，技术是相同的，但周期当然更长。根据不同的规模，长期的月度和年度预测与真实的数据非常吻合，特别是在一些频率上，它们以非常高的概率周期性地重复。为了得到这些频率的统计数据--做了一个巧妙的频谱分析器，也可以拖动整个时间范围。
那里的分解是相对于LinearRegressin进行的。尾巴就像收音机一样，为了获得最佳的可听性，最好是调出最小的噪音和最大的信号，即按照最小有效值进行调音。为了方便改变周期--应用直线或回归通道脚本。终端数据被捕获并传输到指标。因此，通过移动这些线，我们立即改变了周期，并重新计算了整个画面。评论显示的是有效值，调整是根据最小有效值加上眼睛的小偏移来进行的，以使高点和低点尽可能地重合。我们还通过函数GetAsyncKeyState(int nVirtKey)增加了改变谐波数的能力，然后通过按键盘上适当的箭头，我们可以快速增加或减少谐波数。同样是通过脚本来完成的，它把这一切都画了出来。我以前已经写过一点关于设置和变体的文章。对于不同的时期和不同的可信度，谐波的数量是不同的。
但如果最小谐波为12至24小时，最小周期为2-3天或更长时间，则可能获得或多或少的满意结果。这是针对每天的预测。对于全球预测，技术是相同的，但周期当然更长。根据不同的尺度，长的时间尺度，数月和数年将产生非常好的真实数据的拟合，特别是一些频率，它们以非常高的概率周期性重复。为了得到这些频率的统计数据--做了一个巧妙的频谱分析器，也可以拖动整个时间范围。
我真的不明白这个...
傅里叶数列是由价格的差异和回归线的值建立的，对吗？
关于尾部的情况不是很清楚，虽然....。对最小有效值的调整是什么？
提前感谢您的回答 =)
我真的不明白...
傅里叶数列是由价格的差异和回归线的值构建的，对吗？
关于尾巴的问题不是很清楚，虽然....。对最小有效值的调整是什么？
提前感谢您的回答 =)
是的，首先我们计算LR[i]的坐标。然后，数组dc[i]=Close[i]-LR[i]；从数组dc[i]建立傅里叶fx[i]。并加上LR[i]坐标。 fx[i]=fx[i]+LR[i]或fx[i]+=LR[i]；如果我们外推，我们计算i=0之前和之后的LR[i]和fx[i]（你可以自己捡起来）。
尾部 "是指从i=T到i=0之间已知的内容；由于我们可以用脚本来转移、缩小或拉伸估计周期（T），所以每次转移时我们都会自动重新计算 "尾部 "的有效值。
即sq=0.0; for (int n=0; n<T; n++) sq+=(Close[i0+n]-fx[n])*(Close[i0+n]-fx[n]); sq=MathSqrt(sq/T); 并设置为最小有效值(sq)。
在我的截图中，"尾巴 "显示为黄色和绿色，而推断则显示为红色和蓝色。
一般来说，一开始所有这些建设都需要大量的时间和精神努力，如果你觉得自己还没有准备好，那就等你成熟后再做。否则，你可能会对这一切感到厌倦，而且对结果不满意。
是的，首先我们计算LR[i]的坐标。然后，数组dc[i]=Close[i]-LR[i]；从数组dc[i]建立傅里叶fx[i]。并加上LR[i]坐标。 fx[i]=fx[i]+LR[i]或fx[i]+=LR[i]；如果我们外推，我们计算i=0之前和之后的LR[i]和fx[i]（你可以自己捡起来）。
尾部 "是指从i=T到i=0之间已知的内容；由于我们可以用脚本来转移、缩小或拉伸估计周期（T），所以每次转移时我们都会自动重新计算 "尾部 "的有效值。
即sq=0.0; for (int n=0; n<T; n++) sq+=(Close[i0+n]-fx[n])*(Close[i0+n]-fx[n]); sq=MathSqrt(sq/T); 并设置为最小有效值(sq)。
在我的截图中，"尾巴 "显示为黄色和绿色，而推断则显示为红色和蓝色。
总的来说，一开始所有这些建设都需要大量的时间，如果你觉得自己还没有准备好，那就等到你足够成熟的时候。 否则你可能会对这一切感到厌倦，而且你得到的结果也不会令人满意。
或者在傅里叶分解中的谐波频率的数量是由最小有效值调整的？
然而，最有趣的事情，即傅里叶函数的外推是如何进行的，你还是没有告诉=)
所以最小有效值被设定为T，我说的对吗？
或者在傅里叶分解中的谐波频率的数量是由最小有效值调整的？
然而，最有趣的是如何进行傅里叶函数的外推=)
作为傅里叶计算的结果，我们将得到谐波数N，系数ak[k],bk[k]，其中k对应于谐波数（k=0. ..N）；以及傅里叶计算公式sum=0.0; for(k=0; k<=N; k++) sum+=ak[k]*MathCos（w*k*i）+bk[k]*MathSin（w*k*i）; fx[i]=sum。
现在，如果我们想推断，比如说，提前半个时期，我们计算一下
数据从T到-T/2；for(int i=T; i>=-T/2; i--)，但由于数组必须只包含正数索引，我们把从-1到-T/2的东西放到第二个数组中，或者有一个技巧，通过把所有元素向后移+T/2来绕过分成两个数组，这个移位在绘图时被考虑。其余的描述只有在我们已经有了这种结构的经验时才有意义。 在脚本中，我们在向前绘制时完全没有问题。 在指标中，我们应该使用SetIndexShift( )。
也就是说，你在i<0处通过公式计算出fx[i]。
sum=0.0; for(k=0; k<=N; k++) sum+=ak[k]*MathCos（w*k*i）+bk[k]*MathSin（w*k*i）; fx[i]=sum。
像这样吗？
而你建立的是什么时期的傅里叶函数？[T,0]?
也就是说，你在i<0处通过公式计算出fx[i]。
sum=0.0; for(k=0; k<=N; k++) sum+=ak[k]*MathCos（w*k*i）+bk[k]*MathSin（w*k*i）; fx[i]=sum。
像这样吗？
而你建立的是什么时期的傅里叶函数？[T,0]?
for (i=T; i>=-T/2; i--)
{
sum=0.0。
for(int k=0; k<=N; k++) sum+=ak[k]*MathCos（w*k*i）+bk[k]*MathSin（w*k*i）。
fx[i+T/2]=sum+b+a*i。
}
系数ak、bk究竟是如何计算的？
积分是在哪个区间进行的？ 从T到0还是什么？
系数ak、bk究竟是如何计算的？
积分是在哪个区间进行的？ 从T到0还是什么？
for (int k=0; k<=N; k++)
{
sum_cos=0.0。
sum_sin=0.0。
for (int i=0; i<T; i++)
{
sum_cos+=（Close[i]-b-a*i）*MathCos(w*k*i)。
sum_sin+=（Close[i]-b-a*i）*MathSin（w*k*i）。
}
ak[k]=sum_cos*2/T。
bk[k]=sum_sin*2/T。
}
ak[0]=ak[0]/2。