Выбор времени стратегии выбор ((1) классический технический показатель выбор времени Z трансформации перспективы конструкция низкой задержки линии тренда

Недавно кто-то в окружении сказал, что я ежедневно разрабатываю тактику щенка, да, тактика щенка закончилась.Первое предположение ● Давайте серьезно зайдём к правильному вопросу, классические стратегии выбора времени на самом деле делятся на несколько категорий: краткосрочные события (в монетном круге они проявляются как мониторинг объявлений и твитов на крупных биржах, связанных с текстовым анализом), статистические возвращения и прогнозы (статистические наценки, сочетания сделок, различные модели ML и DL, сложные скрытые Маркофовы и т. д.), GSISI, когда выбирают настроение инвесторов, и когда выбирают традиционные классические технические индикаторы.

N日移动平均线=N日收盘价之和/N

● То, что обычно называют массивной линией (MA) среди инвесторов, - это массивная линия, которая пробивается, пропадает, и бесчисленное множество рыб вносит свой вклад в расходы на биржу. ● Упорядоченная линия может хорошо описать движение цены и внимательно следить за этим трендом, и не легко измениться. В разработке фьючерсных CTA, упорядоченная линия может быть названа очень важным ориентиром. Однако у обычных инвесторов есть некоторые проблемы с использованием упорядоченной линии: во-первых, упорядоченная линия имеет серьезную задержку, и часто появляется сигнал, когда тенденция уже прошла половину пути, и возвращается; во-вторых, обычные инвесторы монетного круга обычно работают с индикатором на деталированном уровне, 15 мин, 5 мин или даже 1 мин, в таком коротком цикле, в котором более 80% характеризуется колебаниями монетного круга ("вид, который нравится Мартину"), редко встречаются тенденции, и инвесторы теряют значительные процедурные расходы и точки скольжения, чтобы открыть позиции в соответствии с упорядоченной линией. • Целью статьи является создание алгоритма для фильтрации показателей однолинейного класса и снижения их задержек для всех пользователей.

В. Z-преобразование, передача функций ● До этого я узнал о некоторых алгоритмах фильтрации показателей на различных веб-сайтах, таких как наиболее распространенные фильтры лилии (появляющиеся в нескольких выпусках CTA в Squirrel Broadcast), а также методы фильтрации Кармана, которые автор исследовал на joinquant, успешно избежали кризиса 2015 года. На TB есть ER-фильтр, который очень удобен в использовании. Однако, когда я обнаружил, что модуль фильтрации Кармана, предоставленный на joinquant, не загружается на сервер, а его открытый код состоит из тысяч строк, я отказался от попыток перенести его в копейки. ● Z-преобразование происходит от Лаппраса и часто используется в области математической обработки сигналов. Для дискретной временной последовательности f ((k) и определения z в многочастотном диапазоне его формула определяется следующим образом:

● Евратическая EMA имеет меньшую задержку по сравнению с MA (в сущности, это результаты обработки последовательности MA с использованием алгоритма EWMA), поэтому мы здесь используем последовательность EMA вместо MA, чтобы улучшить эффект фильтрации. Мы определяем входную величину как цену монеты (в сущности, цену закрытия), записываем p (z), а выводную величину как показатель EMA, соответствующий цене, записываем EMA (z), поэтому передающая функция здесь, в сущности, является EMA монеты и ее соотношением силы с соответствующей ценой закрытия.

● Введите эту формулу в алгоритм EWMA и получите первоначальную функцию передачи EMA:

● где a - это параметр переменной, следующий равное.

3. Анализ передающей функции ● В передающей функции входный сигнал не связан с значениями функций. Анализ функции показывает, что при z**-1=-1 H(z) получает максимальное значение, при этом достигается максимальная частота, передающая функция H(z)=a/(2-a, и шум из последних высокочастотных данных максимально снижается; при z**-1=1 H(z) является постоянным, при этом частота системы равна 0, входный и выходный результаты абсолютно одинаковы, если последовательность времени в данный момент является последовательностью постоянных, то EMA будет присутствовать. ● Когда H (((z) является низкопроходным фильтром, и H (((z) = 1, выходный сигнал содержит все компоненты входящего сигнала, то есть из всех выходных сигналов, если вычесть все низкопроходные сигналы, 1 - H ((z) может быть сконструирован в новый фильтр, записанный как H ((z), прямо противоположно H ((z), который является высокопроходным фильтром. ● Записывая P(T) как цену коренного к-линия, мы принимаем цену на тот день и цену на предыдущий день, чтобы сгладить эту функциональную формулу, и таким образом в дальнейшем корректируем выходящую EMA. Это происходит потому, что когда первоначальная передающая функция H(z) = a/(2-a, высокочастотный сигнал не был эффективно отфильтрован, и поэтому выбирается одно значение для сглаживания, если эффект все еще плохой, можно взять несколько дополнительных весов), поэтому корректируемый выражение EMA, введенное в тот день, будет:● Для этого для низкопроходных фильтров и высокопроходных фильтров нужно только минус 1:● Теперь выражение фильтра уже построено! С помощью Z-преобразования мы можем построить тенденционную линию с низкой задержкой, и она имеет только один параметр a, чем больше a, тем меньше задержка, тем лучше плавность. Для разных разновидностей имеются разные параметры оптимального действия.

4. Подведение итогов и замечания ● Фильтр, построенный в вышеперечисленных шагах, является только одноступенчатым, из-за того, что переходный пояс слишком длинный, эффект фильтрации не очень идеален, а после увеличения уровня сложности выражения функции H ((z) представляет собой повышение на индексовом уровне, и слишком высокие уровни также подвержены возникновению ситуации, когда происходит неравномерный скачок фильтрации. Из прошлого опыта, уровень 2 или 3 является более подходящим уровнем, читатель также может самостоятельно использовать линейную комбинацию, чтобы последовательно соединить несколько фильтров с одинаковыми или различными уровнями и наблюдать за их эффектом, поскольку автор занят общественными делами, поэтому невозможно проверить их по одному. ● Этот алгоритм фильтрации, основанный на преобразовании Z, не только применим к показателям однолинейного класса, но и к всем показателям, которые имеют ложный сигнал, таким какboll иatr, с помощью алгоритма фильтрации можно достичь определенного фильтрационного эффекта, который определяет размер порога прорыва, что снижает серьезные последствия последствий задержки исходного показателя. • В конце статьи мы не имеем времени писать алгоритмический код, а просто даем идею, которую читатели могут попробовать сами.

● Promise Quant Минно сосредоточено на разработке различных стратегий, основанных на Мартине, например, если у вас есть потребности в аренде или большие финансовые потребности, вы можете связаться с vx:15001733415