用傅里叶变换预测未来 - 页 22

 
neoclassic писал(а)>>
根据我的观察,正确预测的概率与训练窗口的最后一根柱子成正比(你开始预测的时间越长,概率越高,预测越有价值)。

新古典主义,你打出统计数字并在这里公布结果。然后我们将讨论它。

这又是什么意思呢。

"预测正确的概率与最后一栏成正比(开始预测的时间越远,概率越高)"?

 
neoclassic писал(а)>>

我对Fourier Transform Pronosis产生了兴趣,我刚刚发现了一个优秀的Extrapolator指标 - https://www.mql5.com/ru/code/8608。

我对它进行了一些改进,得到了以下工具。

我应该运行该指标,将脚本应用于图表,并移动/修改通道以获得充分的预测。

如果你想得到一个好的预测,你应该找到这个指标有更多权重的基础频率,然后通过改变输入数据的范围,你应该尝试得到一个理想的情况...

我已经在其中一个主题中描述了这个问题

我已经在其中一个主题中描述了这个问题...

我还想提出一个关于启动这个主题的指标的问题......

我重新制作了它,并与原始数据进行了测试,然后在原始数据中输入了一个简单的正弦函数,结果发现了一个有趣的事情......请看图片......

正如你所看到的,该函数允许你在相移时获得曲线的延续......红线是正弦函数的曲线,黄线是正弦函数的曲线。

预测部分有一个小的偏移,这是专门用来区分预测部分的,正确选择输入起点和输出部分,我们将得到完美的预测部分......这里我们显示了两个不同的频率......。

在这里显示的插图中,我们已经可以看到不仅是代词方向的分歧,而且还有相对于主信号的转移......

...然后可能会出现一个问题--如果在理想曲线的情况下观察到这样的画面,那么我们可以用真实的数据谈论什么样的预测...

 

forte928

你能不能详细说明一下最后一个帖子的内容。

 
Trololo:

forte928

你能不能详细说明一下最后一个帖子的内容。

它说,为了成功预测(至少是方向),你需要有一个共振点,这将使你能够预测未来价格运动的延续性......
 

forte928

你有没有试过从不同的角度来观察傅里叶射线?

首先,将分钟价格序列划分为不同的频率。然后在傅里叶序列中对每个频率分别进行分解。剩余部分分别输出。(所有的谐波都被找到,残余部分作为噪声输出),以此类推,每个频率都是如此。

 
Trololo:

forte928

你有没有试过从不同的角度来观察傅里叶射线?

首先,将分钟价格序列划分为不同的频率。然后在傅里叶序列中对每个频率分别进行分解。剩余部分分别输出。(所有的谐波都被找到,残余部分作为噪声输出),以此类推,每个频率都是如此。

在互联网上搜索"经验模式 分解 "和 "希尔伯特-黄变换",可以得到很多关于这个问题的有用信息。
 
alsu:
在互联网上搜索 "经验模式分解 "和 "希尔伯特-黄变换 "这两个短语,你会得到很多关于这个问题的有用信息。
而放弃傅里叶,它有太多的缺点,是更多的现代方法所不具备的。
 
alsu:
并放弃了傅里叶,它有太多的缺点,而更多的现代方法 却没有。

请列出它们。那有没有比较这些方法的俄文文献呢?
 
Rorschach:

请列出它。那有没有比较这些方法的俄文文献呢?

上面列出了两个帖子(你也可以添加小波)。例如,在这张图片中,我们可以看到这样的对比(对质量感到抱歉)。


一般来说,傅里叶是这样一种胡子拉碴的方法,几乎所有其他的东西都可以被认为是 "更现代 "的。

互联网上的信息(有用的)很少(尤其是俄语),大多只是基本的,所以我经常要用自己的脑子思考。

 

在这里,我已经设法将报价(只是稍作调整)分解为单模信号,低于排除噪声模式的希尔伯特频谱。正如你所看到的,只有2个组件。傅里叶有多少人,你知道。但我想提醒你--最终的效果还是要处理的。