Mathemat，给你的礼物 - J. Bendat, A. Pearsol, "应用随机数据分析" (http://dsp-book.narod.ru/bendat.djv).作者给出了使用反转法检查随机过程的静止性的描述和例子。我还没有深入研究这个方法本身的细节和严谨性，但从表面上看，它是可信的。我认为你需要在这个方向上挖掘。
bstone: Mathemat，给你的礼物 - J. Bendat, A. Pearsol, "应用随机数据分析" (http://dsp-book.narod.ru/bendat.djv).作者给出了使用反转法检查随机过程的静止性的描述和例子。我还没有深入研究这个方法本身的细节和严谨性，但从表面上看，它是可信的。我认为你需要在这个方向上挖掘。
bstone: Mathemat，给你的礼物 - J. Bendat, A. Pearsol, "应用随机数据分析" (http://dsp-book.narod.ru/bendat.djv).作者给出了使用反转法检查随机过程的静止性的描述和例子。我还没有深入研究这个方法本身的细节和严谨性，但从表面上看，它是可信的。我认为你需要在这个方向上挖掘。
数学，给你的讲义 - J. Bendat, A. Pearsol, "应用随机数据分析" (http://dsp-book.narod.ru/bendat.djv).作者给出了使用反转法检查随机过程的静止性的描述和例子。我还没有深入研究这个方法本身的细节和严谨性，但从表面上看，它是可信的。我认为你需要在这个方向上挖掘。
芳草萋萋
:-)好吧，出于嫉妒，我也给你看看卡尔曼滤波器。它是基于ACF的分析。窗口期为上周7200分钟。输入的只是一系列的价格，没有优化。谢谢你的链接。
方法如下。ACF分析--我在模型中取出ACF参数，并将其放入卡尔曼滤波器，它给出了预测和当前估计。我写了一个程序，我可以在Matcadet中实时处理传入的价格并管理MT，如果有必要我可以分享。
我想了解为什么这些线路比 "智能 "MA更好？
这就是我想知道的......。
例如，这里：http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - 这项工作被用来证明某些类型的价格序列的小波变换的结果的静止性。事实上，这正是你所需要的。
到中子
也许你可以向我简要解释一下过滤器对你和Prival 的预测是什么？提前感谢。你真的做了AF吗？
很高兴能提供帮助。你是否碰巧有一个详细的算法来实现它？:о)
我不知道Prival中的过滤器预测了什么，但我的过滤器什么也没预测：-(
我不明白什么是AF...看看你自己，我在有SWF的平滑VR上运行Predict函数，在较低的SWF下得到较不平滑的VR，但按平滑质量来说，它并不比有较小平均窗口的相同LPF好，而且在大水平线上它明显比后者弱（见avishka）。也就是说，预测器在工作中被平滑序列所排斥，并在地平线接近初始BP时 "崩溃"，但LPF则相反，被初始BP所排斥，并逐渐远离它而变得更加平滑......这个结果是意料之中的，事实上，即使事先将其抹平，也无法从BP中获得多少信息--你无法欺骗自然！"。虽然在论坛上有一张基于NS的LPF工作演示的图片，但没有观察到PF，（几乎）有很好的平滑质量!如果不是胡说八道，我们就有事情要做了。
P.S. 我没有预测功能的算法。
但是，如果你不增加预测范围，而让人在获得的结果上进行预测，即在一条细黑线上进行预测，会发生什么？
所以你的建议是让预测者碾压他自己的预测结果？毕竟，细黑线，是预测者的平均数（粗蓝线），范围不断扩大......
请解释一下。
但是，如果你不增加预测范围，而是让预测器超过结果，即细黑线，会发生什么？
所以你是说应该让预测者知道他自己预测的结果？毕竟，细黑线，是预测的平均数（粗蓝线），其范围不断扩大......
正是如此。为什么不呢？当然，我意识到，这些行动的结果，也许进行了几次，最终不可能产生一系列的价格--没有奇迹的存在。但看看这个算法是如何运作的，很有意思。:-)它确实对过去的数据起作用，但它并不展望未来？
Mathemat，给你的礼物 - J. Bendat, A. Pearsol, "应用随机数据分析" (http://dsp-book.narod.ru/bendat.djv).作者给出了使用反转法检查随机过程的静止性的描述和例子。我还没有深入研究这个方法本身的细节和严谨性，但从表面上看，它是可信的。我认为你需要在这个方向上挖掘。
例如，这里：http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - 这项工作被用来证明某些类型的价格序列的小波变换的结果的静止性。事实上，这正是你所需要的。
非常感谢!
Mathemat，给你的礼物 - J. Bendat, A. Pearsol, "应用随机数据分析" (http://dsp-book.narod.ru/bendat.djv).作者给出了使用反转法检查随机过程的静止性的描述和例子。我还没有深入研究这个方法本身的细节和严谨性，但从表面上看，它是可信的。我认为你需要在这个方向上挖掘。
例如，这里：http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - 这项工作被用来证明某些类型的价格序列的小波变换的结果的静止性。事实上，这正是你所需要的。
谢谢你有价值的网站，这个网站很好http://dsp-book.narod.ru/KM.djvu
数学，给你的讲义 - J. Bendat, A. Pearsol, "应用随机数据分析" (http://dsp-book.narod.ru/bendat.djv).作者给出了使用反转法检查随机过程的静止性的描述和例子。我还没有深入研究这个方法本身的细节和严谨性，但从表面上看，它是可信的。我认为你需要在这个方向上挖掘。
例如，这里：http://edu.secna.ru/main/review/2001/n3/MONA2001/Morozova.pdf - 这项工作被用来证明某些类型的价格序列的小波变换的结果的静止性。事实上，这正是你所需要的。
感谢有价值的网站，这个网站在所有http://dsp-book.narod.ru/KM.djvu。
哇，原来一切都在那里 还需要应用......。
当然，我明白，这些行动的结果，也许进行了几次，最终不能给出一个数字的价格 - 奇迹不会发生. 但看看这个算法是如何运作的，很有意思。:-)它对过去的数据起作用，它不看未来。
是的，它只对过去的数据起作用。
有趣的是，使用Predict函数可以得到类似的预测结果，而不需要狡辩--只需在每个点的左邻右舍将平滑的BP LPF（以便不看 "未来"）分解成常规的泰勒序列（RT），然后外推到所需的步长。你可能会发现这很有趣，grasn--与其挖掘Matcad中内置的函数的算法，不如拿PT来玩玩，修剪一下，看看它导致了什么......
在图中，红点是价格系列，红线是移动平均线，蓝线是RT，黑线是Predict。预测范围是相同的，等于5个样本。我们可以看到，预测指标的行为几乎是相同的，它们在增加水平线到VLFF值时的行为可以在附件的动画中看到。不幸的是，这两种仪器在接近预测的极限时都会 "崩溃"，而这个极限总是与所使用的muving的PP相吻合。似乎有两种互为因果的映射--通过整合进行平滑，以及通过这种或那种方式的外推，从中恢复原始数据。但是，我们原则上不能预期（预测）价格类型的BP的行为，因为在平滑序列中没有（或很少有）用于此目的的必要信息。顺便说一下，这些预测器完美地引领了生成序列，让我们希望有创造领先指标的潜在可能性，但在噪声成分的振幅超过有用信号之前是可能的。