小小小小小番薯
2024-11-30 14:29:54
最佳回答
1让我们看看在照片我是什么意思了。这是种振荡我想删除:附加图片(点击放大)2当价格是足够小的振荡估计吸收它们。但当振荡的振幅变大成为一个问题。形成这样一个运动市场需要一些时间,因此这些振荡不可能太短时间。我的目标大约的振荡。每周期10到30条。如果你也在寻找一种方式来估计这些周期,你肯定已经听说goertzel写到算法。很精确,但它需要三个完整周期检测的频率使。只能检测一个预定义的频率。你肯定也知道约翰埃勒斯的工作,即双微分器和零差过滤器。双重差异给出了频域结果很快但是它飞的过了头:检测速度快但是…错了!零差过滤器落后21条,当检测到循环通常已经消失了。我试着小波对希尔伯特变换(http://www.forexfactory.com/showthre...09 post7008809结束),但由于样本的影响小波变换我只能延迟和not-so-acurate测量。这是一个非常简单的解决方案我使用一个带通滤波器对我感兴趣的频率范围。这种方式我删除高频(噪声)和趋势,这样我就不用去趋势样品测量周期。我假设只有一个单一的大周期,在这个区间内。这并不总是真的。滤波器的输出大约是看起来像一个正弦波。我只是需要它的希尔伯特变换测量的频率、振幅和相位(时间周期内)。罪的希尔伯特变换(x)是-cos(x)。碰巧的导数罪(x),cos(x)的ht的迹象。正弦波的一般形式是a.sin(ωt +φ),其中一个是振幅,频率和φω是阶段。问题是,a.sin的导数(ωt +φ)是aω.cos(ωt +φ)。但是我们需要a.cos(ωt +φ)。乘法因子ω不是想要的。我们不知道的频率,因为它是我们估计所以我们不能删除它。罪的积分(x)是-cos ht(x)。计��的积分a.sin(ωt +φ)我们——(/ω).cos(ωt +φ)。现在我们有1 /ω摆脱的一个因素。我只是正片叠底导数和积分。我——�因为�(ωt +φ)。的平方根的绝对值(为了避免信号问题)我获得| a.cos(ωt +φ)|这是ht的迹象。但标志是一样的衍生物之一,没有丢失。s = a.sin(ωt +φ)d = d / dt = aω.cos(ωt +φ)我=∫年代dt = -(/ω).cos(ωt +φ)d。我=——�因为�(ωt +φ)ht =**市(d)。√| |的组长我从同相正交振幅一=√(s + ht��)和使用阶段(ht / s)每股象限识别。在两个连续的测量可以找到频率导数的阶段。两个小问题——测量振幅小于真实因为带通滤波器后的信号了。但knowning滤波器的频率响应,我们可以正确的振幅现在我们知道频率。a_price h = a_measured / | |(ω),在h(ω)滤波器的传递函数。——信号并不总是由一个单一的周期和诀窍不再工作。解决方法是检查评估是否适合过去一些样品。对滞后结果我们需要积分,banbdpass滤波器的信号输出的导数和由此产生的导数阶段得到的频率。集成没有滞后。推导有一半样本滞后。我们需要另一个样品来测量频率。所以我们有一个酒吧半滞后的过滤器。我使用一个简短的iir滤波器具有尽可能低~ 1条。显然我得到相位失真的代价但我有接近实时估计。和结果在红色的滤波器的输出,在绿色振幅(频率调整),蓝色瞬时阶段。附加图片(点击放大)3我首先回答最后一个问题,因为它是最重要的:一个如何使用红线在交易应用程序作为输入?你将绝对不是这样!这不是一个指标应该给予任何交易信号。这就是为什么我最初发表在技术部分,它被感动了。(看来技术部分不超过扩展mt4支撑线…)英蒂国际海事组织不应该透露交易信号;预计psar设计来生成一个停止。英蒂只给了一张关于市场情况的信息。没有更多的。阅读的解释是你的交易规则集的一部分。这个过滤器是唯一有用的提取sprectum的一个子集。它的工作原理就像一个goertzel写到过滤器,但更广泛的频率和更低的延迟。红线不是最重要的。这只是带通滤波器的输出。蓝线为阶段及其衍生物为频率。绿线估计振幅。我没有添加正交分量,因为它已经足够凌乱。这张照片是只发布到显示滞后和acuracy(相对)。数学与基本三角高中水平,整合、分化和复杂的数字。我用切比雪夫的iir滤波器类型即arma系数b =(0.0804528123309381,0,-0.160905624661876,0,0.0804528123309381)=(-2.59631707794986,-2.59631707794986,2.81975410846844,-2.59631707794986)下面的图片显示了它的频率响应。我试着椭圆过滤器没有成功。如果一些dsp**可以找到一个更好的频率高于0.2的拒绝同时保持延迟,我将感激如果他能把系数;-)附加图片(点击放大)4当阶段达到2π“跳跃”在另一边。看我的截图我意识到这是颠倒的。它应该从0到2π然后下降。红线是余弦,真正的相量的一部分.这就是为什么抓住φ= 0(2π)顶部的红线是cos(0)= 1。在这里我规范化0和1之间的阶段。如果是规范化介于1和1的零交叉将山谷,因为(�π/ 2)= 1。然而,这并不能让一个转折点探测器!“作品”只有当红线是个不错的余弦波和市场并不热门。红线强烈扭曲,因为带通滤波器不恰当地拒绝频率高于0.2(段10酒吧和更少)。每次我试图缩小乐队延迟**。附加图片(点击放大)5第一个来自带通滤波器的带宽。过滤器允许太多的高频率。输出是扭曲的。这是以前的截图清晰可见。我无法构建一个更清晰的过滤器不增加延迟不可接受的值(比如7酒吧!)。我找到了一个技巧来“压缩”带宽:我downsample。这个想法是使用两个这样的过滤器。第一个接收odd-indexed样品和第二个接收even-indexed样本。在每个示例我平均两个输出。当前的输出滤波器和输出,从之前的样品,其他的过滤器。滞后的点球是2条但至少我得到一个更稳定的阅读。我遇到的第二个问题是数值计算的积分。筛选抑制低频的表现还不够。这样做的效果,引入一个小时变直流偏移量。这使得集成漂移。根据你开始集成不同的结果!这个问题经常出现在dsp应用程序。例如一个加速度计的输出的集成。谷歌是我的朋友在这里。常见的技巧是过滤信号与一个非常简单的iir滤波器集成:y[n]=。y(n - 1)+ x[n]- x(n - 1)。x是信号,输出。附近的一个是选择但小于1。我使用一个= 0.99。好消息是没有滞后惩罚。第三个问题是结果的稳定性。有时阶段(相量的论点)很突然逆转。这是因为更高的频率分量通过过滤器。他们的两个相量增加。更高的频率分量的幅度要小得多,因为它被过滤但它旋转更快减毒(更高的频率)。净效应是认为如果相量测量反向,落后。一点后,当高频组件与测量周期同步,phosor似乎加速。现在测量的频率太高了。我没有找到一个方法来正确地消除这种影响。我只是(重新)使用之前测量频率当我收到负面价值和光滑的频率(sma)。顺便说一句我注意到平滑期而不是频率给出更好的结果。smooth_freq = 1 / sma(1 /频率)比smooth_freq = sma(频率)。附加图片6这里是一个快速的例子,在伦敦开放+ 0格林尼治时间7点,和纽约近10 pm gmt + 0。(我用的是最小的开放和最大关闭,因为大多数交易员感到困惑甚至当dst更改)市场之前和之后你可以清楚地看到,小时蜡烛的大小几乎相同的和小的趋势,在这些时间也没有消息,其完美的交易,但只有如果你位置贸易很好。附加图片(点击放大)end 20210311