Trasforma di wavelet per filtraggio finanziario ...
Scarica ora

Trasforma di wavelet per filtraggio finanziario ... Classifica e riepilogo

Trasforma di wavelet per filtraggio finanziario ... Tag

Trasforma di wavelet per filtraggio finanziario ... Descrizione

Lo sviluppo dell'informaticazione e del trattamento del segnale digitale consente di migliorare Indicatori classici essenzialmente a causa dell'applicazione dei metodi moderni di Elaborazione delle informazioni ai prezzi. Gli indicatori hanno iniziato a lisciare meglio e per ritardare meno. Comunque il Santo Graal ha fallito. Innanzitutto, i prezzi sono non stazionari, cioè. Le caratteristiche dei filtri sono variate durante il tempo. Secondo, come diverso Dai problemi tecnici, il tipo di distribuzioni di segnale e rumore per il Il prezzo è sconosciuto, cioè nessuno sa cosa filtrare in realtà. Terzo, essere Filtrato per mezzo di metodi di Fourier e simili I prezzi cambiano il precedente Valori per l'aggiunta dei nuovi dati: riceviamo tendenze ideali sotto una storia Dati ma possiamo scambiarli solo dalla mano destra alla mano sinistra. La trasformazione di Fourier si basa sulla rappresentazione della serie iniziale da parte del somma infinita di sinusoidi con una fase varie, ampiezza e frequenza. Le trasformazioni waveret recentemente sono state ampiamente adottate in varie aree di dati La lavorazione in cui le serie iniziali sono rappresentate come la somma di alcuni a livello locale Funzioni definite denominate Wavelets. Sono costruiti spostando e verticale e ridimensionamento orizzontale di certa la funzione prototipo. Wavelet. trasformazione, in sostanza, è frattale che consente l'uso efficace nel analisi tecnica. Innanzitutto, consente di eseguire l'analisi multiscale di I prezzi, identificare obiettivamente le tendenze su varie scale per durata e ampiezza, Trader separati in vari gruppi: scalpers, commercianti di giorno, operatori swing, Posizione commercianti e investitori a lungo termine. L'analisi multiscale può essere interpretato come analisi su vari fotogrammi del tempo. In secondo luogo, consente di determinare rumore come insufficiente per la ricezione dell'ampiezza e della frequenza di profitto il movimento dei prezzi che consente efficacemente a filtrare la serie di prezzo semplicemente sottraendo le wavelet della scala più bassa da esso. In terzo luogo, la filtrazione aggiuntiva del rumore bianco senza indugio è possibile. Quarto, le tendenze a lungo termine sono definite obiettivamente. Quinto, i wavelet non contengono parametri ottimizzati in costrutti Indicatori standard. Sixth, il tipo di wavelets usato è adattato per affrontare il Tempo ha ordinato i dati e non distorto sugli ultimi valori dei prezzi. Settimo, The. La trasformazione wavelet usata è molto efficace computazionale che consente di utilizzarlo in tempo reale per i grandi massicci di dati di spunta. Ottavo, è efficace da usare Wavelets come dati di input per reti neurali e altri metodi di previsione e riconoscimento.

Trasforma di wavelet per filtraggio finanziario ... Software correlato