基于傅里叶的假说 - 页 2 123456789...11 新评论 Vladyslav Goshkov 2009.08.12 18:10 #11 Reshetov >> : 2.PF是周期性函数的光谱分析。也就是说，如果你得到了1000个柱子的傅里叶数列BP分解，那么在接下来的1000个柱子中，你将得到前一期1000个柱子的精确拷贝。因为PF是周期性函数的近似值，而不是推断。 +100% - 以及前1000条 - 这1000条将是函数的周期 - 与所有以下....。 好运。 ZS这不是对尤里的答复--他已经知道了。只是一个反驳。 Yuriy Asaulenko 2009.08.12 19:16 #12 VladislavVG >> : +100% - 以及前1000条 - 这1000条将是函数的周期 - 与所有以下....。 好运。 ZS这不是对尤里的答复--他已经知道了。只是一个反驳。 这也适用于前两个帖子。 最后。人们在谈论时不知道自己在说什么。 然而，我想补充一点。:) 长期以来，PF一直被用于许多领域来预测过程的行为。但根据其定义，PF并没有也不可能直接预测类似的事情。 如何使用PF进行预测是一个完整的科学领域，不同的过程使用不同的方法，有时是根本性的不同。 一个完全自由的预测性建议是，在向移动目标射击时，导弹不是指向目标，而是指向预定的撞击点。这样一来，目标就会改变坐标，并可以进行机动操作。在考虑到目标参数的情况下，将计算出一个新的会合点，并将航线修正到新计算的会合点。 第2个例子是自动驾驶。撞击是随机的，有时是相当大的，但车辆的路线却能相当成功地保持，而且精确度非常高。想象一下，交易是舵手的位置纠正了路线偏差。 你去吧。非常简单化。:)然而，这也是一个完整的科学领域，而且很复杂。 Vladyslav Goshkov 2009.08.12 19:47 #13 YUBA >> : 长期以来，PF一直被用于许多领域来预测过程的行为。但根据其定义，PF没有也不可能直接预测任何事情。 如何使用FFT进行预测是一门完整的科学，不同的过程使用不同的方法，有时主要是不同的。 还有一点需要指出的是--PF可以应用在可以用抛物线差分表示的过程中（只有偶数导数的二阶）。由于傅里叶级数是这个衍射的三角形式的一般解（也有复数）。这种类型的扩散器描述的是势能系统（没有与外部环境交换的振荡环路）--也就是这样的系统，其中的耗散（能量耗散）可以被忽略，并且可以得到一个具有良好近似度的解决方案。无线电工程/无线电定位主要涉及此类系统。如果交换不能被忽视--那么就会出现奇数导数的条款（一阶--例如，滞后）。对于这些问题的大多数类型，没有分析性解决方案。而傅里叶级数不再是一般形式的解--这才是最重要的。现在有一个问题--你确定在外汇市场上 "抛出 "并推动价格的资金数量在一天的交易时段内是恒定的吗？如果是这样，那么请放心使用傅里叶方程。 好运。 >> 我试着用我的 "手指"，也许我不明白这一切......好吧，对不起.... Vladyslav Goshkov 2009.08.12 19:56 #14 YUBA >> : 完全自由的预测性思维--在向移动目标开火时，导弹不是瞄准目标，而是瞄准预定会合点。目标将改变坐标并可能进行机动操作。考虑到目标参数，计算出一个新的会合点，并将航线修正到新计算的会合点。 第2个例子是自动驾驶。撞击是随机的，有时是相当大的，但车辆的路线却能相当成功地保持，而且精确度非常高。想象一下，交易是舵的位置纠正了对航线的偏离。 像这样。非常简单。:)然而，这也是一个完整的科学领域，它并不简单。 IMHO--这个比喻并不完全恰当--惯性的特性将打破所有的计划。适用于那里的方法（拦截）对具有粗暴耦合性的双子星不起作用；)- 整个问题的关键在于可以得到的解决方案的误差--对于导弹来说，只要进入目标区域就足够了（与目标大小相比，误差通常很高）此外，作为一名前防空军官（射击队;），我可以说--这种问题在理论上总是可以解决的，或者在模拟器上。关于自动驾驶--类似于获得额外的内幕信息....机场侧面照度、主动雷达、天气报告数据--都是确定的;)... 顺便说一下，我并不是说不可能从报价中获得你需要的信息--但没有必要在那里进行傅里叶分析;)....一切都简单多了... >> 祝您好运。 Stanislav Korotky 2009.08.12 20:02 #15 VladislavVG >> : SZY 2所有仍未放弃傅里叶的人--从研究方法的基础知识开始，而不是直接冲进荒野--你可以节省相当多的时间；）... 我想做一个小小的更正。如果你已经准备好了库，就没有必要潜心研究FFT或任何其他方法。我更喜欢找到所有的常规算法，即使是那些从以前就躺在某个磁盘上的算法，也是以现成的形式，已经转移到MT4上，原因也是为了节省时间。 雷舍托夫 写道（a）>>。 例如，人们所能做的推断，就是将之前的两个时期按N条分解成光谱分析。然后，为了进一步推断（尚未存在的）N条，取谐波振幅的算术平均值，并将每个谐波的相位恰好移到所研究的前两个时期的相应谐波之差的弧度上。 我也曾这样做过;-)。这个想法当然很天真，所以第一次就没有什么结果。这些代码正在等待第二次尝试。过滤器不知何故，相对来说进行得更好。 Vladyslav Goshkov 2009.08.12 20:07 #16 marketeer >> : 我想做一个小小的更正。当你有现成的库时，你不必潜入FFT或任何其他方法的迷宫中。 我实际上是指使用不合适的方法来解决问题。 有一个图书馆--问题不在于此。问题是，傅里叶方法并不是为这一类问题准备的--你需要了解将这种方法应用于不适合它的一类问题时，将不可避免地受到限制。 >> 好运。 Yuriy Asaulenko 2009.08.12 20:30 #17 VladislavVG >> : IMHO--这个比喻并不完全恰当--惯性的特性将打破所有的计划。适用于那里的方法（拦截）对具有严重耦合性的扩散器不起作用；)- 整个问题的关键在于可以得到的解决方案的误差--对于导弹来说，只要进入目标区域就足够了（与目标大小相比，误差通常很高）此外，作为一名前防空军官（射击队;），我可以说--这种问题在理论上总是可以解决的，或者在模拟器上。关于自动驾驶--类似于获得额外的内幕信息....机场侧面照度、主动雷达、天气报告数据--都是确定的;)... 顺便说一下，我并不是说不可能从报价中获得你需要的信息--但没有必要在那里进行傅里叶分析;)....这就简单多了... 好运。 同事你好:)，来自这些系统的前开发者。 即使是纯粹的惯性系统，在30公里处的失误也早已是30-50米。这还没有考虑到积极的指导。 市场也有惯性，而且规模相当大，对冲击的反应远非瞬时。换句话说，该系统有一个瞬时特性，但它在不同的仪器上，以及在时间上也会发生变化。 与控制系统建立在受控对象模型的基础上类似，在开始建立一个交易系统之前，建立一个市场模型也是不错的。并了解其，模型，适用性的限制。没有它，IMHO，没有巫师和巴特沃斯等会有帮助。 而市场当然也有谱，我查过了。;)如1/f，或1/f^2。类似这样的事情。在大区间内相当平稳。你不能做一件毛皮大衣）。 我们还应该记住噪声，在我们的案例中，它可以是水平的，甚至是真实的信号。 Yury Reshetov 2009.08.12 20:39 #18 如果我们使用线性惯性的特性，那么。 让我们有一段历史A从1999条到9999条。 假设我们有一段从9999条到0的历史B。 让我们在未来的C段上进行一个从0到-999巴的惯性推断。 然后我们得到一组情节A的振幅：AMPa[0] - AMPa[n]和相位PHa[0] - PHa[n]（其中0-n是谐波数）。 对于情节B：振幅AMPb[0] - AMPb[n]和相位PHb[0] - PHb[n] 因此，对于情节C（即外推的未来），由于惯性，每个i次谐波的振幅将是： AMPc[i] = 2 * AMPb[i] - AMPa[i] 和相位分别。PHc[i] = 2 * PHb[i] - PHa[i] 注意，如果任何一个谐波的幅度是负的，你必须从该谐波的相位中减去PI或加上PI，即减去或加上后，相位值必须在0-2*PI范围内。 此外，惯性假设趋势运动是线性增加或减少的（如果是横向趋势则是静止的），为此在时间序列 中应考虑趋势斜率，其计算公式为 d[i] = Close[1999] + (Close[0] - Close[1999]) * (1999 - i) / 1999，其中i是小节编号。 相应地，在BP频谱分析之前，我们需要对其进行归一化处理，即用每个i条的价格值减去站点A和B的d[i]的相应值，并将得到的函数进行调和PF分析。反之，在C图上，在OPF外推之后，为每个条形图的数值加上d[i]。反向变换中0次谐波的振幅不需要考虑（它的值应该是0），因为校正d[i]已经考虑到了趋势的惯性线性。 Fourier-based hypothesis Сергей 2009.08.12 20:55 #19 咳，这提醒了我。我在很久以前，虽然用余弦（但也可以用傅里叶）变换进行预测，但用的是比较特殊的方式。它甚至是好的，有时。该想法的要点如下。 第1步：固定W窗口的长度，例如，为了确定让它成为300个计数（条）。 第2步：通过这个窗口从某个历史点向后追溯N个样本（比如1000）到 "当前 "条（在它之后--未来 :o)）。而在每一次这样的迭代中，它都会计算 一个余弦 变换（CP）。将结果汇总到一个数组中，我们得到了一个矩阵NxW（列代表某个点的KP，行代表转换频率）。 第3步：这种矩阵的一行基本上是对所采取的历史的KP系数的动态。而这样的系列，奇怪的是，是固定的，有很多优点。因此，我使用AR模型对矩阵中的每个系列进行预测（我在滑动窗口W中有相同数量的样本）。重要的是，它应该小于W的长度。由于序列是（确定）几乎静止的，我们可以使用一些模型识别技术 第4步：通过对某个水平线进行W预测，比方说提前100个样本，我得到一个预测矩阵。我需要这个矩阵中最右边的一列是信号图像的预测余弦。剩下的就是一个已知的公式来重构未来的信号。 在识别方面有一些微妙的方法和技巧--但我似乎记不起是哪些了。我应该注意到，较低的频率实际上是100%预测的，它们在某种意义上是准周期性的。 如果有人真的需要，我可以在档案中挖掘出更多细节。但在我看来--一切都很清楚，因为它是：o) Yuriy Asaulenko 2009.08.12 21:05 #20 Reshetov >> : 如果我们使用线性惯性的特性，那么：...... 我没有深入研究数学，但我们假设它是真的。 然而。 1.市场不是一个封闭的系统。在没有外部影响的情况下，任何推断都是可能的。如果没有影响因素，请看低流动性证券。这就是将发生的事情。:) 2.在没有影响的情况下，系统会趋向于平衡状态。也就是说，推断出的东西会趋向于0或一个常数。 3 而市场上过渡过程的持续时间，对影响的反应是什么？你知道吗？然后如何计算？第1个区间是一种影响，第2个区间是完全不同的，我们在这里把它们加起来。:) 也就是说，你只能在影响因素之间的区域预测一些东西，而不能再进一步。 123456789...11 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
2.PF是周期性函数的光谱分析。也就是说，如果你得到了1000个柱子的傅里叶数列BP分解，那么在接下来的1000个柱子中，你将得到前一期1000个柱子的精确拷贝。因为PF是周期性函数的近似值，而不是推断。
+100% - 以及前1000条 - 这1000条将是函数的周期 - 与所有以下....。
好运。
ZS这不是对尤里的答复--他已经知道了。只是一个反驳。
+100% - 以及前1000条 - 这1000条将是函数的周期 - 与所有以下....。
好运。
ZS这不是对尤里的答复--他已经知道了。只是一个反驳。
这也适用于前两个帖子。
最后。人们在谈论时不知道自己在说什么。
然而，我想补充一点。:)
长期以来，PF一直被用于许多领域来预测过程的行为。但根据其定义，PF并没有也不可能直接预测类似的事情。
如何使用PF进行预测是一个完整的科学领域，不同的过程使用不同的方法，有时是根本性的不同。
一个完全自由的预测性建议是，在向移动目标射击时，导弹不是指向目标，而是指向预定的撞击点。这样一来，目标就会改变坐标，并可以进行机动操作。在考虑到目标参数的情况下，将计算出一个新的会合点，并将航线修正到新计算的会合点。
第2个例子是自动驾驶。撞击是随机的，有时是相当大的，但车辆的路线却能相当成功地保持，而且精确度非常高。想象一下，交易是舵手的位置纠正了路线偏差。
你去吧。非常简单化。:)然而，这也是一个完整的科学领域，而且很复杂。
长期以来，PF一直被用于许多领域来预测过程的行为。但根据其定义，PF没有也不可能直接预测任何事情。
如何使用FFT进行预测是一门完整的科学，不同的过程使用不同的方法，有时主要是不同的。
还有一点需要指出的是--PF可以应用在可以用抛物线差分表示的过程中（只有偶数导数的二阶）。由于傅里叶级数是这个衍射的三角形式的一般解（也有复数）。这种类型的扩散器描述的是势能系统（没有与外部环境交换的振荡环路）--也就是这样的系统，其中的耗散（能量耗散）可以被忽略，并且可以得到一个具有良好近似度的解决方案。无线电工程/无线电定位主要涉及此类系统。如果交换不能被忽视--那么就会出现奇数导数的条款（一阶--例如，滞后）。对于这些问题的大多数类型，没有分析性解决方案。而傅里叶级数不再是一般形式的解--这才是最重要的。现在有一个问题--你确定在外汇市场上 "抛出 "并推动价格的资金数量在一天的交易时段内是恒定的吗？如果是这样，那么请放心使用傅里叶方程。
好运。
>> 我试着用我的 "手指"，也许我不明白这一切......好吧，对不起....
完全自由的预测性思维--在向移动目标开火时，导弹不是瞄准目标，而是瞄准预定会合点。目标将改变坐标并可能进行机动操作。考虑到目标参数，计算出一个新的会合点，并将航线修正到新计算的会合点。
第2个例子是自动驾驶。撞击是随机的，有时是相当大的，但车辆的路线却能相当成功地保持，而且精确度非常高。想象一下，交易是舵的位置纠正了对航线的偏离。
像这样。非常简单。:)然而，这也是一个完整的科学领域，它并不简单。
IMHO--这个比喻并不完全恰当--惯性的特性将打破所有的计划。适用于那里的方法（拦截）对具有粗暴耦合性的双子星不起作用；)- 整个问题的关键在于可以得到的解决方案的误差--对于导弹来说，只要进入目标区域就足够了（与目标大小相比，误差通常很高）此外，作为一名前防空军官（射击队;），我可以说--这种问题在理论上总是可以解决的，或者在模拟器上。关于自动驾驶--类似于获得额外的内幕信息....机场侧面照度、主动雷达、天气报告数据--都是确定的;)...
顺便说一下，我并不是说不可能从报价中获得你需要的信息--但没有必要在那里进行傅里叶分析;)....一切都简单多了...
>> 祝您好运。
SZY 2所有仍未放弃傅里叶的人--从研究方法的基础知识开始，而不是直接冲进荒野--你可以节省相当多的时间；）...
我想做一个小小的更正。如果你已经准备好了库，就没有必要潜心研究FFT或任何其他方法。我更喜欢找到所有的常规算法，即使是那些从以前就躺在某个磁盘上的算法，也是以现成的形式，已经转移到MT4上，原因也是为了节省时间。
雷舍托夫 写道（a）>>。
例如，人们所能做的推断，就是将之前的两个时期按N条分解成光谱分析。然后，为了进一步推断（尚未存在的）N条，取谐波振幅的算术平均值，并将每个谐波的相位恰好移到所研究的前两个时期的相应谐波之差的弧度上。
我想做一个小小的更正。当你有现成的库时，你不必潜入FFT或任何其他方法的迷宫中。
我实际上是指使用不合适的方法来解决问题。
有一个图书馆--问题不在于此。问题是，傅里叶方法并不是为这一类问题准备的--你需要了解将这种方法应用于不适合它的一类问题时，将不可避免地受到限制。
>> 好运。
IMHO--这个比喻并不完全恰当--惯性的特性将打破所有的计划。适用于那里的方法（拦截）对具有严重耦合性的扩散器不起作用；)- 整个问题的关键在于可以得到的解决方案的误差--对于导弹来说，只要进入目标区域就足够了（与目标大小相比，误差通常很高）此外，作为一名前防空军官（射击队;），我可以说--这种问题在理论上总是可以解决的，或者在模拟器上。关于自动驾驶--类似于获得额外的内幕信息....机场侧面照度、主动雷达、天气报告数据--都是确定的;)...
顺便说一下，我并不是说不可能从报价中获得你需要的信息--但没有必要在那里进行傅里叶分析;)....这就简单多了...
好运。
同事你好:)，来自这些系统的前开发者。
即使是纯粹的惯性系统，在30公里处的失误也早已是30-50米。这还没有考虑到积极的指导。
市场也有惯性，而且规模相当大，对冲击的反应远非瞬时。换句话说，该系统有一个瞬时特性，但它在不同的仪器上，以及在时间上也会发生变化。
与控制系统建立在受控对象模型的基础上类似，在开始建立一个交易系统之前，建立一个市场模型也是不错的。并了解其，模型，适用性的限制。没有它，IMHO，没有巫师和巴特沃斯等会有帮助。
而市场当然也有谱，我查过了。;)如1/f，或1/f^2。类似这样的事情。在大区间内相当平稳。你不能做一件毛皮大衣）。
我们还应该记住噪声，在我们的案例中，它可以是水平的，甚至是真实的信号。
如果我们使用线性惯性的特性，那么。
让我们有一段历史A从1999条到9999条。
假设我们有一段从9999条到0的历史B。
让我们在未来的C段上进行一个从0到-999巴的惯性推断。
然后我们得到一组情节A的振幅：AMPa[0] - AMPa[n]和相位PHa[0] - PHa[n]（其中0-n是谐波数）。
对于情节B：振幅AMPb[0] - AMPb[n]和相位PHb[0] - PHb[n]
因此，对于情节C（即外推的未来），由于惯性，每个i次谐波的振幅将是： AMPc[i] = 2 * AMPb[i] - AMPa[i] 和相位分别。PHc[i] = 2 * PHb[i] - PHa[i]
注意，如果任何一个谐波的幅度是负的，你必须从该谐波的相位中减去PI或加上PI，即减去或加上后，相位值必须在0-2*PI范围内。
此外，惯性假设趋势运动是线性增加或减少的（如果是横向趋势则是静止的），为此在时间序列 中应考虑趋势斜率，其计算公式为
d[i] = Close[1999] + (Close[0] - Close[1999]) * (1999 - i) / 1999，其中i是小节编号。
相应地，在BP频谱分析之前，我们需要对其进行归一化处理，即用每个i条的价格值减去站点A和B的d[i]的相应值，并将得到的函数进行调和PF分析。反之，在C图上，在OPF外推之后，为每个条形图的数值加上d[i]。反向变换中0次谐波的振幅不需要考虑（它的值应该是0），因为校正d[i]已经考虑到了趋势的惯性线性。
咳，这提醒了我。我在很久以前，虽然用余弦（但也可以用傅里叶）变换进行预测，但用的是比较特殊的方式。它甚至是好的，有时。该想法的要点如下。
在识别方面有一些微妙的方法和技巧--但我似乎记不起是哪些了。我应该注意到，较低的频率实际上是100%预测的，它们在某种意义上是准周期性的。
如果有人真的需要，我可以在档案中挖掘出更多细节。但在我看来--一切都很清楚，因为它是：o)
如果我们使用线性惯性的特性，那么：......
我没有深入研究数学，但我们假设它是真的。
然而。
1.市场不是一个封闭的系统。在没有外部影响的情况下，任何推断都是可能的。如果没有影响因素，请看低流动性证券。这就是将发生的事情。:)
2.在没有影响的情况下，系统会趋向于平衡状态。也就是说，推断出的东西会趋向于0或一个常数。
3 而市场上过渡过程的持续时间，对影响的反应是什么？你知道吗？然后如何计算？第1个区间是一种影响，第2个区间是完全不同的，我们在这里把它们加起来。:)
也就是说，你只能在影响因素之间的区域预测一些东西，而不能再进一步。