Aufrechtzuerhalten. ,. ,. . heiliger Gral . Aufrechtzuerhalten. Aufrechtzuerhalten. Aufrechtzuerhalten. ,. Aufrechtzuerhalten. Aufrechtzuerhalten. . Aufrechtzuerhalten. . Aufrechtzuerhalten. ,. ,. ,,. ,. Aufrechtzuerhalten. ,. - Redundantes Haar. . ,. ,. ,. Aufrechtzuerhalten. , ... , 2-3. . Aufrechtzuerhalten. ,. . ,, -,,: Gesamtergebnis 296.418 Bruttoergebnis 198.016 Bruttoverlust 98.402 Summe der Geschäfte 70 Anzahl der Gewinnchancen 53 Anzahl Verlustgeschäfte 17 Größter Gewinnhandel 57.058 Größter Verlusthandel 23.099 Maximaler Intraday-Drawdown 8.425 Profitfaktor 2.01 Wavelet -,.Fourieranalyse beigetreten Jun 2005 Status: Member 24 Beiträge Jeder Experimentalphysiker würde Ihnen sagen, dass das erste Werkzeug zur Analyse eines elektrischen Signals eine Fast Fourier Transformation (FFT) ist. Für diejenigen von Ihnen nicht vertraut mit dem Konzept, kann eine FFT ein Signal im Zeitbereich nehmen und brechen sie auseinander in einen Frequenzbereich. Da elektrische Signale sehr ähnlich wie Preisdaten sind (sie oszillieren und sie sind voller Lärm), frage ich mich, ob irgendjemand jemals versucht hat, Preisdaten mit Fourier-Analyse zu analysieren. Auf einem seperaten Thema gibt es auch viele Geräuschverminderungstechniken in der experimentellen Physik, wie Dithering und Hinzufügen von weißem Rauschen zu einem Signal (in diesem Fall der Preisbewegung). Hat jemand versucht, eine dieser Techniken Jan 2005 Status: Happy Forum Member 1.152 Beiträge Die Fourier Transform Analyse kann nur auf periodische Funktionen angewendet werden. Eine peridische Funktion ist definiert als eine Funktion, die sich jede bestimmte Zeit wiederholt. Dies gilt natürlich nicht für die Preisaktion eines bekannten Finanzinstruments, weil die Preisaktion sich nicht in bestimmten Zeiträumen gleichmäßig wiederholt. Aus theoretischer Sicht kann also die Fourier-Transformation nicht verwendet werden, um die Kursbewegung von Währungen oder anderen Finanzinstrumenten zu analysieren. Allerdings glaube ich, dass es geschafft werden kann, die Fourier-Transformationsanalyse, aber auf Teile der Preisaktionen anzuwenden. Lassen Sie mich dies ein wenig erklären. Wird die Preisaktion eines bestimmten Währungspaares berücksichtigt, so muß sie abgeschnitten werden, in der jedes Stück innerhalb einer gewissen bekannten Grenze eingeschlossen werden muß. Zum Beispiel, Schneiden der Preisaktion der EURUSD für 2 Tage auf der Grundlage der 1-Stunden-Chart, vorausgesetzt, dass der Preis während dieser 2 Tage war Oszillieren zwischen 1,1900 und 1,2000 zum Beispiel. Anschließend wird ein glatter gleitender Durchschnitt für die extrahierten Daten angewandt, und dann wird die Zeitfunktion des gleitenden Mittelwerts erhalten, und danach wird die Fourier-Transformation für die Zeitfunktion des gleitenden Durchschnitts angewendet. Der Schritt des gleitenden Durchschnitts ist wichtig, da es sehr schwierig sein wird, die Zeitfunktion der Preisdaten selbst zu bekommen. Es kann durch die Verwendung von Kurvenanpassung, aber seine eine sehr schwierige und zeitraubende Problem getan werden. Ich weiß nicht einmal, ob es irgendeine Software gibt, die Kurvenanpassung für eingefügte Daten oder nicht. Wenn Sie die Fourier-Transformation anwenden, erhalten Sie eine andere Zeitfunktion, die nur aus Sines andor Cosines besteht. Die Funktion enthält eine unendliche Anzahl von Ausdrücken. Der erste Term heißt die Grundkomponente und der Rest werden die Harmonischen genannt. Das ist, was die Fourier-Transform-Funktion aufgerufen wird, wenn die Analyse der Wechselstrom oder eine andere Wellenform. Die Grundkomponente ist in der Regel die effektivste Komponente, wobei die 3., 5. Ampere die 7. Komponenten berücksichtigt werden. Normalerweise werden alle Oberwellen höherer Ordnung aufgrund ihrer minimalen Wirkung vernachlässigt. Natürlich weiß ich nicht, was wird die Analyse der Preis-Aktion von Währungen führen wird. Nun ist die eigentliche Frage: Wie kann dies zu verbessern Handel und Spekulation Wenn Sie die neuesten Daten analysieren, kann dies ein sehr nützliches Werkzeug sein Um Preisziele zu prognostizieren und Markttrends zu definieren. Legen Sie einfach die gewünschte zukünftige Zeit in die Fourier-Zeit-Funktion, berechnen die Grund-, 3., 5. und 7. Komponenten, und Sie erhalten einen Preis. Dieser Preis relativ zu dem, was der Preis jetzt ist, wird eine Idee über den Markt nächsten Schritt geben. Warum dies nicht funktioniert wie erwartet 1- Ich glaube nicht, dass dies wie erwartet funktioniert, nur weil das Paar nicht in völlig identischen Zyklen bewegen. Diese Abweichung führt zu Fehlern in den Fourier-Transform-Projektionen. 2- Der Markt tendiert während 60-70 der Zeit. Diese Trendperioden können nicht mit der Fourier-Transformationsanalyse analysiert werden. 3- Der Fourier Transofrm wurde entwickelt, um das Verhalten von Wellen, elektrischen Signalen und elektrischem Strom zu analysieren. Diese Phänomene sind völlig natürlich und bewegen sich ohne jede Art von Emotionen. Auf der anderen Seite werden die Währungen und der Finanzmarkt von vielen Dingen betroffen sein, und Emotionen treiben die Märkte manchmal, so dass es keine feste Formel für den Markt geben kann, deshalb sind die Handelssysteme, die früher in der Vergangenheit gearbeitet haben, nicht wirksam In der Zukunft, weil die Menschen ändern, aber Wellen und Strom nicht ändern ihre Haltung, weil sie nicht wie die Art und Weise ihres Lebens zum Beispiel, oder wegen der Terroranschläge. Jeder Experimentalphysiker würde Ihnen sagen, dass das erste Werkzeug zur Analyse eines elektrischen Signals eine Fast Fourier Transformation (FFT) ist. Für diejenigen von Ihnen nicht vertraut mit dem Konzept, kann eine FFT ein Signal im Zeitbereich nehmen und brechen sie auseinander in einen Frequenzbereich. Da elektrische Signale sehr ähnlich wie Preisdaten sind (sie oszillieren und sie sind voller Lärm), frage ich mich, ob irgendjemand jemals versucht hat, Preisdaten mit Fourier-Analyse zu analysieren. Auf einem seperaten Thema gibt es auch viele Geräuschverminderungstechniken in der experimentellen Physik, wie Dithering und Hinzufügen von weißem Rauschen zu einem Signal (in diesem Fall der Preisbewegung). Hat jemand versucht, eine dieser Techniken Mark Jurik hat eine wesentliche Signalverarbeitung Hintergrund aus seiner militärischen Karriere Entwicklung von Raketen-Tracking-Algorithmen und andere Geräusche Filterung Techniken zur Verarbeitung von Pricetime-Daten für die Finanzmärkte gebracht. Er baut derzeit die besten Glättung Algorithmen Ive gesehen in der Finanzindustrie. Während die meisten Indikatoren mehr lagern, fügen Sie Glättungscharaktere Juriks dont leiden die gleichen Probleme. Ganz klug wirklich und du musst nicht viel Zeit damit verbringen, das Rad neu zu erfinden. Er verweist auch auf einige andere Persönlichkeiten wie Kauffman. Auch Ehlers wandte eine Vielzahl von Klangverarbeitungstechniken an, die bei der Filterung von Klängen in Verstärkern für seine Arbeit verwendet wurden, und verwendet eine Menge Klangverarbeitungs-Jargon als Metapher zur Filterung von Marktgeräuschen. Danke Narafa für die ausführliche Erklärung der FFT. Das war eine viel gründlichere Erklärung, als ich erwies. Es tatsächlich insnt übermäßig schwierig, einen Algorithmus zu schreiben, um eine FFT auf einem Datensatz zu tun (ich glaube, das ist der ganze Punkt des quotfastquot Teils von FFT). In der Tat hat Microsoft Excel bereits eine FFT funtion in seine Analyse-Toolpack integriert. Und Mathematica und Matlab können auch FFTs. Also, der einzige zeitintensive Teil davon wäre die Eingabe von Daten in eine Tabelle oder Textdatei von irgendeiner Art. Auf jeden Fall haben Sie wahrscheinlich Recht. Das Durchführen einer FFT auf Preisdaten kann keine starken Harmonischen aufweisen. Preisdaten wahrscheinlich nicht so repetierend wie ich denke, es ist. Aber ich denke immer noch, ich könnte versuchen, es zu sehen, ob es etwas interessantes interessiert. Dieser Thread ist ziemlich alt, aber ich denke, es lohnt sich zurück zu bringen. Insbesondere fragte ich mich, ob jemand versucht hatte, Echtzeit-Spektralanalyse auf den Märkten zu machen. Wenn Sie nicht wissen, was ich meine, ist hier ein Bild von einer Echtzeit-FFT auf Klang angewendet: Die Farbe (schwarz-gtpurple-gtblue-gtgreen-gtred) impliziert die Stärke der einzelnen Frequenzkomponente während des angegebenen Beispielfensters. Jemand versucht dies Wenn nicht, könnte es interessant sein, zu versuchen, Tick-Daten. Vielleicht pfeift der Markt eine bestimmte Note, bevor er wahrscheinlich umgekehrt wird.
No comments:
Post a Comment