基于傅里叶的假说 - 页 5 1234567891011 新评论 [删除] 2009.08.13 11:48 #41 哈-哈-哈!又来了？ 同样的错误？ 人们不得不怀疑参与者是如何理解对方的：每个人都有自己的词汇、语义、用法，所描述的现象和词语之间没有因果关系，而且无论是在论坛上还是在互联网上都没有使用搜索的能力。 这条线不是给数学家或交易员的，而是给 精神病学家 的。他们在这里会有很多工作要做。 [删除] 2009.08.13 13:33 #42 NEKSUS_ писал(а) 已经有了这个想法的实施，"BPF by Montecarlo" 是的，唉，你不能从今天的图片中得出很多结论--不管是向上（更多的箭头）还是向下......我们明天会看到--检查吧 )) 而上图使用傅里叶数列作为外推函数？ NEKSUS 2009.08.13 13:47 #43 是的，是傅立叶，但你最好向这个奇迹的作者询问细节：Njel 昨天的照片 Сергей 2009.08.13 14:44 #44 我正在利用空闲时间发布承诺的材料。我大约在四年前，也许是五年前调查了这种方法。我找不到这个项目的档案，我不得不从记忆中重建结果，由于简单的算法和MathCAD大大减少了时间。这个概念，如果这个词适合这个方法的话，是经典的--我们把 "复杂 "拆成简单的组成部分，并分别处理每个组成部分，也就是说，我们不是根据极其复杂的系列的特点和行为来预测，而是着手预测 "简单 "系列，但数量很大。我们使用余弦分解和上述分解的系数的一些有用属性。 作为演示该方法结果的一个例子，我采取了第一个可用的片段，输入参数如下。 组建模式矩阵 我们将一个历史序列作为系统的输入，并测量其长度。我们通过一个固定的滑动窗口，从样本的开始到结束，考虑到窗口本身的长度。在每个样本上，我们计算余弦 变换（CP）。结果被汇总到一个数组中。 列，KP在某个区间 转换频率行（我将进一步使用频率编号，从0到w-1）。 这样一个矩阵的一行基本上是所采取的历史上的KP系数的动态变化。虽然看起来很奇怪，但这种系列是固定的，有很多优点。让我给你几个样本作为例子。 频率为0。 频率5。 频率10。 频率110。 预测 因此，矩阵中的每一行（我有多少个滑动窗口中的计数就有多少行）我都用AR模型预测，在某个范围内。重要的是，它应该小于W的长度。由于该系列几乎是静止的，你可以使用一些AR模型识别技术。我没有对参数的选择和模型本身的描述做特别的评论，我附上一个例子，用AR模型对110个频率进行预测，长度为500个计数（用于视觉化）。 在循环中，我对计算矩阵的每一行进行预测（对每个频率）。 这个例子对每个频率使用一阶AR模型，这是不太正确的。应该对每个频率进行识别。但这是一个独立的话题，一般来说，另外我们有一部分信号是已知的，所以它也可以用于识别。总而言之，这里有很多事情发生。 系列重建 得到预测矩阵后，我们选择所需的信号图像（矩阵中最右边的一列）并进行信号重建。 检查 用事实来检验。根据条件，所有高于2*tau的样品都被预测出来。 我所看到的不是幻觉，也不是谎言，方法是严格的科学（好吧，几乎是这样:o)），它是有效的，至少有时它是有效的:o)），所有都在鉴定中，我需要额外的研究和所有这些，它有可能做出稳定的工业版本。 PS: 同事们，顺便说一句，如果有人感兴趣，就拿起这个想法，让它胜利结束（大约五年前，其他不乏革命性的想法被放在一边，完全是另一个方向：o））。在我看来，这种方法足够有前途，它可以在统计意义上进行预测，这不是一件小事。而我，我将得到我的功能。我可以帮忙，但不是在MQL中，我不知道它:o)。 PS：我们的数学家--你会怎么说科学的新颖性:o))? Сергей 2009.08.13 14:45 #45 AlexEro >> : 哈-哈-哈!又来了？ 同样的错误？ 我们不禁要问，参与讨论的人是如何理解对方的：每个人都有自己的词汇、语义、用法，他们完全不知道所描述的现象和词语之间的因果关系，他们在这个论坛或互联网上都不能使用搜索。 这条线不是给数学家或交易员的，而是给精神病学家的。他们在这里会有很多工作要做。 你想谈一谈吗？:о) Mykola Demko 2009.08.13 15:33 #46 grasn >> : 为什么你的FFT滑动窗口不等于2^n？ Сергей 2009.08.13 15:38 #47 Urain >> : 为什么你的FFT滑动窗口不等于2^n？ 我写道，我使用了余弦变换。此外（如果你采取傅里叶变换）--这样的要求只适用于快速变换方案，即适用于变换（正如你正确写的），我在模型中根本没有使用。那里不需要它。那里不需要它。 而在这种情况下，我为什么要采取这么长的窗口期呢？ Mykola Demko 2009.08.13 15:43 #48 grasn >> : 我写的是我在使用余弦变换。此外（如果你采取傅里叶变换）--这样的要求只适用于快速变换方案，即适用于变换（正如你正确写的那样），我在模型中根本没有使用。那里不需要它。那里不需要它。 而在这种情况下，我为什么要采取这么长的窗口期呢？ 在代码库中有一个FFT库，其中也包括余弦变换库，如果你要在MQL中使用这些库，你必须记住那里的窗口必须等于2^n（16,32,64,128,256,512,1024）。 [删除] 2009.08.13 15:46 #49 Grasn: 谢谢你!我今天要去度假了--我会尝试重复计算的。如果它是圣杯 呢？)) Сергей 2009.08.13 16:03 #50 Urain >> : Codebase有一个FFT库，其中也包括余弦转换库，如果你要在MQL中使用这些库，你应该记住窗口必须等于2^n（16,32,64,128,256,512...）。 这不是我打算使用的东西。这只是对快速转换算法的一个限制。而我需要的是线性代数的库。顺便说一句，你答应过要帮忙的 :o) 1234567891011 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
哈-哈-哈!又来了？
同样的错误？
人们不得不怀疑参与者是如何理解对方的：每个人都有自己的词汇、语义、用法，所描述的现象和词语之间没有因果关系，而且无论是在论坛上还是在互联网上都没有使用搜索的能力。
这条线不是给数学家或交易员的，而是给 精神病学家 的。他们在这里会有很多工作要做。
是的，唉，你不能从今天的图片中得出很多结论--不管是向上（更多的箭头）还是向下......我们明天会看到--检查吧 ))
而上图使用傅里叶数列作为外推函数？
是的，是傅立叶，但你最好向这个奇迹的作者询问细节：Njel
昨天的照片
我正在利用空闲时间发布承诺的材料。我大约在四年前，也许是五年前调查了这种方法。我找不到这个项目的档案，我不得不从记忆中重建结果，由于简单的算法和MathCAD大大减少了时间。这个概念，如果这个词适合这个方法的话，是经典的--我们把 "复杂 "拆成简单的组成部分，并分别处理每个组成部分，也就是说，我们不是根据极其复杂的系列的特点和行为来预测，而是着手预测 "简单 "系列，但数量很大。我们使用余弦分解和上述分解的系数的一些有用属性。
作为演示该方法结果的一个例子，我采取了第一个可用的片段，输入参数如下。
组建模式矩阵
我们将一个历史序列作为系统的输入，并测量其长度。我们通过一个固定的滑动窗口，从样本的开始到结束，考虑到窗口本身的长度。在每个样本上，我们计算余弦 变换（CP）。结果被汇总到一个数组中。
这样一个矩阵的一行基本上是所采取的历史上的KP系数的动态变化。虽然看起来很奇怪，但这种系列是固定的，有很多优点。让我给你几个样本作为例子。
频率为0。
频率5。
频率10。
频率110。
预测
因此，矩阵中的每一行（我有多少个滑动窗口中的计数就有多少行）我都用AR模型预测，在某个范围内。重要的是，它应该小于W的长度。由于该系列几乎是静止的，你可以使用一些AR模型识别技术。我没有对参数的选择和模型本身的描述做特别的评论，我附上一个例子，用AR模型对110个频率进行预测，长度为500个计数（用于视觉化）。
在循环中，我对计算矩阵的每一行进行预测（对每个频率）。
这个例子对每个频率使用一阶AR模型，这是不太正确的。应该对每个频率进行识别。但这是一个独立的话题，一般来说，另外我们有一部分信号是已知的，所以它也可以用于识别。总而言之，这里有很多事情发生。
系列重建
得到预测矩阵后，我们选择所需的信号图像（矩阵中最右边的一列）并进行信号重建。
检查
用事实来检验。根据条件，所有高于2*tau的样品都被预测出来。
我所看到的不是幻觉，也不是谎言，方法是严格的科学（好吧，几乎是这样:o)），它是有效的，至少有时它是有效的:o)），所有都在鉴定中，我需要额外的研究和所有这些，它有可能做出稳定的工业版本。
PS: 同事们，顺便说一句，如果有人感兴趣，就拿起这个想法，让它胜利结束（大约五年前，其他不乏革命性的想法被放在一边，完全是另一个方向：o））。在我看来，这种方法足够有前途，它可以在统计意义上进行预测，这不是一件小事。而我，我将得到我的功能。我可以帮忙，但不是在MQL中，我不知道它:o)。
PS：我们的数学家--你会怎么说科学的新颖性:o))?
哈-哈-哈!又来了？
同样的错误？
我们不禁要问，参与讨论的人是如何理解对方的：每个人都有自己的词汇、语义、用法，他们完全不知道所描述的现象和词语之间的因果关系，他们在这个论坛或互联网上都不能使用搜索。
这条线不是给数学家或交易员的，而是给精神病学家的。他们在这里会有很多工作要做。
你想谈一谈吗？:о)
为什么你的FFT滑动窗口不等于2^n？
为什么你的FFT滑动窗口不等于2^n？
我写道，我使用了余弦变换。此外（如果你采取傅里叶变换）--这样的要求只适用于快速变换方案，即适用于变换（正如你正确写的），我在模型中根本没有使用。那里不需要它。那里不需要它。 而在这种情况下，我为什么要采取这么长的窗口期呢？
我写的是我在使用余弦变换。此外（如果你采取傅里叶变换）--这样的要求只适用于快速变换方案，即适用于变换（正如你正确写的那样），我在模型中根本没有使用。那里不需要它。那里不需要它。 而在这种情况下，我为什么要采取这么长的窗口期呢？
在代码库中有一个FFT库，其中也包括余弦变换库，如果你要在MQL中使用这些库，你必须记住那里的窗口必须等于2^n（16,32,64,128,256,512,1024）。
Codebase有一个FFT库，其中也包括余弦转换库，如果你要在MQL中使用这些库，你应该记住窗口必须等于2^n（16,32,64,128,256,512...）。
这不是我打算使用的东西。这只是对快速转换算法的一个限制。而我需要的是线性代数的库。顺便说一句，你答应过要帮忙的 :o)