Selección de estrategias de tiempo y tiempo ((1) Construcción de la línea de tendencia de baja demora en el punto de vista de la transformación de Z en la selección de indicadores técnicos clásicos

Hace un momento, alguien en el entorno dijo que yo desarrollaba estrategias de perros salvajes todos los días, sí, sí, las estrategias de perros salvajes terminaron.Primero, las premisas ● Para entrar en serio, las estrategias clásicas de tiempo se dividen en dos grandes categorías: impulsadas por eventos a corto plazo (que se muestran en el círculo monetario como el monitoreo de anuncios y tweets de los principales intercambios, que involucran el análisis de texto), regreso y predicción en sentido estadístico (dispositivos estadísticos, operaciones de emparejamiento, modelos ML y DL de varios tipos, Markov, etc.), GSISI cuando se elige el estado de ánimo de los inversores, y cuando se elige el indicador técnico clásico tradicional.

N日移动平均线=N日收盘价之和/N

● Esto es lo que los inversores generalmente llaman una línea media (MA), una línea media que rompe las compras, cae y se vende, y un sinnúmero de *beans contribuyen a las tarifas de los intercambios. ● La línea uniforme puede describir muy bien el movimiento de los precios y seguir de cerca la tendencia, y no es fácil de cambiar. Sin embargo, en el desarrollo de los futuros CTA, la línea uniforme puede decirse que es un indicador de referencia muy importante. Sin embargo, los inversores comunes tienen los siguientes problemas con el uso de la línea uniforme: primero, la demora de la línea uniforme es grave, y a menudo la tendencia se vuelve a la cara cuando la señal aparece. ● El objetivo de este artículo es construir un algoritmo para filtrar indicadores de clase uniforme y reducir su latencia para que todos puedan consultar y usar.

2. Z transformación, función de transmisión ● Antes de este artículo, el autor se enteró de algunos algoritmos de filtración de indicadores en los principales sitios web, como el filtro de la hoja de silicio más común (que aparece en varios CTA de Squirrel Broadcast) y el método de filtración de Kalman estudiado por el autor en joinquant, que escapó con éxito el desastre de las acciones de 2015 en la revisión. El módulo de filtración ER en TB es extremadamente conveniente de usar. Sin embargo, cuando descubrí que el módulo de filtración de Kalman ofrecido en joinquant no se instala en el servidor, y tiene miles de líneas de código de código abierto, Apple abandonó los intentos de transportarlo a los círculos de monedas. ● La conversión Z proviene de Laplace y se utiliza comúnmente en el campo de la procesamiento de señales matemáticas. Para una secuencia de tiempo discreta f (k) y z definida en el campo de frecuencia múltiple, su fórmula se define como sigue:

● La EMA tiene un menor retraso en comparación con el MA (en esencia, los resultados obtenidos después de procesar la secuencia MA con el algoritmo EWMA), por lo que aquí usamos la secuencia EMA en lugar de MA para mejorar el efecto del filtrado. Definimos la entrada como el precio de la moneda (el precio de cierre), escrito como p (z), la salida como el indicador EMA correspondiente al precio, escrito como EMA (z) y la función de transmisión en este caso es esencialmente la EMA de la moneda y su relación de intensidad de la tarifa de cierre correspondiente, que es un sistema de naturaleza retroactiva, y la función de transmisión es Hz (z) y tiene:

● Introduzca esta fórmula en el algoritmo de EWMA y obtendrá la función de transmisión inicial de EMA:

● donde a es un parámetro variable, el siguiente parámetro.

3. Análisis de las funciones de transmisión ● En la función de transmisión, la señal de entrada no está relacionada con el valor de la función. Se sabe que, al analizar la función, cuando z**-1=-1, H(z) toma el valor máximo, que es cuando se alcanza la frecuencia máxima, la función de transmisión es H(z) = a/(2-a, y el ruido de los datos de alta frecuencia reciente se disminuye al máximo; cuando z**-1=1, H(z) es una constante, en la que la frecuencia del sistema es 0, la entrada y la salida resultan exactamente iguales, si la secuencia de tiempo es una secuencia constante, entonces EMA estará aquí. ● Cuando H (z) es un filtro de baja frecuencia y H (z) = 1, la señal de salida contiene todos los componentes de la señal de entrada, es decir, de toda la señal de salida, si se restan todas las señales de baja frecuencia, 1 - H (z) puede construirse en un nuevo filtro, escrito H ( z), justo en contraposición a H (z), que es un filtro de alta frecuencia. ● Recordando P(T) como el precio de la raíz k de la moneda, tomamos el precio del día y el precio del día anterior para suavizar la relación de la función, lo que permite una mayor corrección de la EMA de salida. Esto se debe a que la función de transmisión original H ((z) = a / ((2-a) no se filtró de manera efectiva, por lo que se usa un valor primero para suavizarla, si el efecto es malo, se pueden tomar varias ponderaciones adicionales, por lo que la expresión de corrección de la EMA ingresada ese día es:● Esta es la expresión para filtros de bajo flujo y filtros de alto flujo que solo se debe minimizar por 1:● Ahora la expresión del filtro está construida! Con la transformación Z, podemos construir una línea de tendencia de baja latencia, y tiene solo un parámetro a, y cuanto mayor sea a, menor sea la latencia, mejor es la suavidad.

4. Resumen y observaciones ● El filtro construido en los pasos anteriores es de un solo paso, y debido a que el transitorio es demasiado largo, el efecto de filtro no es muy ideal, y después de aumentar el número de fases, la complejidad de la expresión de la función H ((z) presenta un aumento en el nivel de índice, y las fases demasiado altas también son propensas a saltos irregulares de la línea uniforme de filtro. Desde la experiencia pasada, las fases 2 o 3 son las más adecuadas, y el lector también puede conectarse a sí mismo con combinaciones lineales para observar el efecto de varios filtros con las mismas o diferentes fases, ya que el autor está ocupado en asuntos públicos, por lo que no se puede verificar una a una. ● Este algoritmo de filtración basado en la transformación de Z no solo se aplica a indicadores de tipo uniforme, sino que todos los indicadores con falsas señales, comoboll yatr, pueden obtener un cierto efecto de filtración mediante el algoritmo de filtración, determinando el tamaño de los límites de ruptura de la posición abierta, lo que reduce las consecuencias graves de la demora del indicador original. ● El artículo concluye con un párrafo en el que no se tiene tiempo para proporcionar el código de algoritmos, sino simplemente dar una idea para que los lectores interesados puedan probar por sí mismos.

● Promise Quant Minos se centra en el desarrollo de todo tipo de estrategias de fantasía de perro de tierra con Martin en el centro, por ejemplo, si usted tiene necesidades de alquiler o necesidades de custodia de grandes fondos puede contactar con vx:15001733415