Wavelet Transform voor filtering Financial ...
Download nu

Wavelet Transform voor filtering Financial ... Rangschikking & Samenvatting

Wavelet Transform voor filtering Financial ... Tags

Wavelet Transform voor filtering Financial ... Beschrijving

De automatisering en digitale signaalverwerking ontwikkeling loslaten verbeteren klassieke indicatoren hoofdzakelijk vanwege de toepassing van moderne methoden van informatieverwerking om de prijzen. Indicatoren begon beter en vertraging glad minder. Echter Holy Grail is mislukt. Ten eerste, de prijzen zijn niet stationair, d.w.z. de kenmerken van de filters worden gevarieerd gedurende de tijd. Ten tweede, als verschillende van technische problemen, de aard van een signaal en ruis distributies voor de prijs onbekend zijn, dat wil zeggen, niemand weet wat je moet eigenlijk filteren. Ten derde, wezen gefilterd door middel van Fourier en soortgelijke methodes prijzen te wijzigen de vorige waarden om de toevoeging van de nieuwe gegevens: we ontvangen ideaal trends onder een geschiedenis gegevens, maar we kunnen ze alleen handelen van rechts naar links. Fourier transformatie is gebaseerd op weergave van beginreeks de oneindige som van sinusoïden met een verschillende fase, amplitude en frequentie. Onlangs wavelet transformaties werd op grote schaal in verschillende gebieden van gegevens aangenomen verwerking waarbij beginreeks worden weergegeven als de som van een aantal plaatselijke gedefinieerde functies genaamd wavelets. Zij worden geconstrueerd door verschuiven en verticale en horizontale schaling van de bepaalde prototypefunctie. golfje transformatie, in essentie, is fractal dat de effectieve mogelijk maakt met behulp van het in de technische Analyse. In de eerste plaats is het mogelijk de multiscale analyse van de uit te voeren prijzen, objectief identificeren van trends op diverse schalen naar duur en amplitude, scheiden handelaren om verschillende groepen: scalpers, daghandelaren, swing handelaren, positie handelaren en lange termijn beleggers. De multiscale analyse kan worden geïnterpreteerd als de analyse van verschillende tijdframes. Ten tweede, is het mogelijk te bepalen ruis als onvoldoende voor het opnemen van de winsten amplitude en frequentie beweging van de prijzen maakt het mogelijk die effectief filter de prijsreeksen gewoon aftrekken van de laagste, golven van. Ten derde, de additionele filtering van witte ruis zonder vertraging is mogelijk. Ten vierde, zijn de lange termijn trends gedefinieerd objectief. Ten vijfde, wavelets niet geoptimaliseerde parameters construct bevatten standaardindicatoren. Zesde, wordt de gebruikte wavelets soort aangepast om te gaan met de tijd besteld gegevens en niet vervormd op de laatste koers waarden. In de zevende plaats gebruikt wavelettransformatie is zeer effectief computationeel waarmee gebruiken in real time voor de grote massieven van de teek gegevens. Achtste, is het effectief om te gebruiken wavelets als invoergegevens voor neurale netwerken en andere methodes voor en erkenning.

Wavelet Transform voor filtering Financial ... Gerelateerde software