对随机性的思考 - 页 19

[Alexey Burnakov]

avtomat:

alexeymosc:

有没有可能在神经网络的基础上做出一个好的过滤器（这将是一个非线性的过滤器，但不是重点）？我的意思是，这与你有专家知识的基础知识并不矛盾？(我根本没有和过滤器打过交道，所以这个问题很笼统。)
虽然我对NS有一些了解，但我不是NS专家。我想，在神经网络的基础上做一个好的过滤器是一个可行的任务。

谢谢!

我可以问你另一个问题吗？你是想在建立过滤器时减少 "filter-quote "错误的大小，还是比这要复杂得多？

[[删除]]

alexeymosc:

谢谢你!

我可以问你另一个问题吗？你是想在构建过滤器时减少 "filter-quote "错误的大小还是比这更复杂？

该系统的目标是使跟踪误差最小化。但也有可能以不同的方式设定任务。

这里 有一个问题陈述的例子。(该主题前后有几个帖子)

[Alexey Burnakov]

avtomat:

系统的任务是最大限度地减少跟踪误差。但也有可能以不同的方式设置任务。

这里 有一个问题陈述的例子。(该主题上有几个前后的帖子)。

很好!我正以极大的兴趣研究它。谢谢你。

[[删除]]

alexeymosc:

很好!我正以极大的兴趣研究它。谢谢你。

这个BQQ分支"自适应过滤器"。贸易中的应用"包含很多有用的信息。

而且最好从头开始。

[sergeyas]

avtomat:

这个BQQ分支"自适应过滤器"。贸易中的应用"包含很多有用的信息。

而且最好从头开始。

一个有趣的阅读，谢谢你。

[Vladimir]

sergeyas:

不同的是，EMA和SMA过于原始，无法充分描述系统行为。

它们只是一个最初的、粗略的近似值。 市场会迅速 "计算 "出它（市场）模型的这种冻结结构，并吞噬掉存款。

这解释了机器上的TS需要频繁的优化，即为市场进行调整的事实。

我们需要（一个破旧的真理）在合理的（从风险角度可接受的）时间间隔内进行适应-自动调整。

这里有两种方法--要么定期改变信号模型，要么改变掩码参数（相对而言）。

从哪里获得误差（偏离标准），如何选择它，以及如何使用它进行自动调谐，这是一个算法问题。

我从来没有见过自适应滤波器会与EMA、SMA或其他FIR滤波器不同，并且比它们更好。如果你知道你在说什么，那么请在图片上展示这种自适应滤波器，并解释它的优点。

[sergeyas]

gpwr:

我从来没有见过一个自适应滤波器，最终与EMA、SMA或其他FIR滤波器不同，而且更好。如果你知道你在说什么，那么请用图片展示这样一个自适应滤波器，并解释其优点。

我同意，"原始 "一词我用得不对。

这不是要建立一个复杂的过滤器，尽可能准确地伴随着 商数。

在这里你是对的，在这个意义上，其他过滤器没有任何优势（除了美丽）。

几年前，这个话题在论坛上被广泛探讨，并因没有带来任何实际的好处而被放弃（也有一些图片）。

这是关于调整TS以适应随着时间推移而变化的市场性质。

[[删除]]

sergeyas:

几年前，这个话题在论坛上被上上下下探讨过，因为没有带来任何实际的好处而放弃了（那里也有图片）。

.........半途而废，没有完成......。

sergeyas:

这是关于调整TS以适应市场不断变化的性质。

完全正确。正是如此。TS就像一个连贯的系统。

[Алексей Тарабанов]

sergeyas:

这是关于调整TS以适应随着时间推移而变化的市场性质。

如果需要对不太清楚的东西进行调整，不断地、迅速地、不可预测地变化，这就是一个奇怪的系统。

[[删除]]

tara:

一个奇怪的系统，如果它需要适应一些不被很好理解的东西，不断地、快速地、不可预测地变化。

这种看似奇怪的现象的发生，大部分是由于思维的惯性。这种思维惯性的一个典型例子是描述市场的概率统计学方法，它的极端表现是好战地拒绝任何事情和一切。