Mdfa อัตราแลกเปลี่ยน

เรียลไทม์ Signalextraction MDFA และการซื้อขายขั้นตอนวิธีการนำเสนอในรูปแบบ Real-Time Signalextraction MDFA และ Algorithmic Trading Presentation transcript.1 Real-Time Signalextraction MDFA และ Algorithmic Trading.2 พื้นหลัง Hybrid คณิตศาสตร์ econ IDP-ZHAW โครงการกับคู่ค้า econ พยากรณ์ต้นทุนการดูแลสุขภาพ ค่าใช้จ่ายตัวชี้วัดทางเศรษฐกิจแบบเรียลไทม์ของมาโครตัวชี้วัดทางเศรษฐศาสตร์แบบเรียลไทม์ของ EURR EuroI Eurostat - โครงการ Finance MDFA-XT กองทุนป้องกันความเสี่ยงขนาดใหญ่ Engineering Telecom พยากรณ์ภาระการใช้งานที่หลากหลายแตกต่างกันไปของการใช้งานวิธีการทั่วไปในการดำเนินการ E การพัฒนาในบ้าน M DFA R-package signalextraction on CRAN.3 A Classical วิธีการซื้อขายขั้นตอนวิธีการกำหนดเวลา SP500 การปิดบัญชีรายวัน MA 200, Weighted อย่างเท่าเทียมกัน 4 P 5 drawdowns, p 7 timing system, p 10 performance.5 ปัญหาที่เกิดขึ้นในช่วงเวลาอันยาวนานด้วยการที่มีประสิทธิภาพต่ำกว่าระบบ 6 ทำไมผู้ค้ามักใช้ Adopt Filter Transings ลักษณะพิเศษทำไมต้อง MDFA Intermezzo-Why-do-Traders - มักจะพิจารณา Crossings-of.7 Log-MSCI และ MA 45.8 ลักษณะการกรอง Amplitude function ซึ่งสัญญาณจะถูกดึงออก Time-shift ความล่าช้ามากเท่าไหร่ 9 Timing System MSCI-Weekly.10 General Crossings MA 45, Black - MA 22, crossing blue สีแดงข้อสรุป Crossing-rules เป็นวิธีที่ไม่จำเป็นสำหรับการใช้งาน bandpass crosspass กฎ bandpass มีความล่าช้าในเวลาน้อยทำไมต้อง MDFA ออกแบบ bandpass เรียลไทม์แบบยืดหยุ่นได้อย่างรวดเร็วและราบรื่น 12 การซื้อขายขั้นพื้นฐาน SP500.13 USRI MDFA และ SP500.14 Performance in Logs.15 วิทยานิพนธ์นักศึกษาในข้อ 19 การลงทุนระยะยาว Fundam Trading 16 ข้อสรุปชุ่มชื้นหรือหลีกเลี่ยงการถดถอยของภาวะถดถอยทั้งหมดได้อย่างมีประสิทธิภาพเหมาะอย่างยิ่งสำหรับนักลงทุนที่มีความเสี่ยงไม่ว่าจะเป็นกองทุนบำเหน็จบำนาญการซื้อขายขั้นพื้นฐานอย่างแท้จริงจากกลุ่มตัวอย่างมุ่งเน้นข้อมูลการเงินข้อมูลขั้นสูงไม่สนใจ NBER ข้อเสียไม่เพียงพอ Texto ยากที่จะปรับค่าธรรมเนียมได้ 17 MDFA - XT MSCI BRIC .18 Log-MSCI และ MA 45.19 MDFA vs MA 45 ข้อมูลรายสัปดาห์ MDFA สีน้ำเงินได้เร็วขึ้น 20 ตัวกรองการซื้อขายที่ 5 ความถี่ในการซื้อขายที่แตกต่างกัน 22 ตัวกรองไม่ถูกต้องถึงกลางปี ​​25 ข้อสรุปการซื้อขายที่สูงขึ้น fre. ความสัมพันธ์กับ Bandpass เปลี่ยนไปทางขวามีความคล่องตัวมากกว่าระบบกรองแบบเดิมความล่าช้าในการเลื่อนเวลาน้อยกว่า 27 การตั้งค่าค่าใช้จ่ายในการซื้อขายความเสื่อมถอยทั้งหมดของกองทุน 0-3 ต่อหน่วยกองทุนขนาดเล็ก Long only ไม่มีความเสี่ยงจากอัตราดอกเบี้ยที่เป็นอิสระ 29 ประสิทธิภาพการทำงานไม่เป็นไปตาม Mid.31 Performance Mid-Frequent.33 ข้อสรุปความถี่ในการซื้อขายที่สูงขึ้นเกี่ยวข้องกับการลดประสิทธิภาพเล็กน้อยการลดขนาดใหญ่ USRI จะหลีกเลี่ยงการลดลงและประสิทธิภาพจะเพิ่มขึ้นค่ากิจกรรมการตลาดที่เพิ่มขึ้นการรวมกับ USRI ตัวกรองที่เป็นไปได้ที่แนะนำจะพร้อมใช้งานออนไลน์ในช่วงปลายปี July.40 การทำ Signalextraction แบบเรียลไทม์ SEF-Blog Excel-Tutorial.35 Excel-Tutorial เกี่ยวกับคลัง SEF-Blog 65-Real-Time-Detection-of-Turning-Points-a-Tutorial-Part-I-Mean - การจัดเก็บ 65 - Real-Time-Detection-of-Turnning Points-a-Tutorial-Part-I - Mean - archive 67 - Real-Time-Detection-of-Turning-Points-a-Tutorial-Part-II - เก็บข้อมูล 67-Real - Time-Detection-of-Turning-Points-a-Tutorial-Part-II.36 วัตถุประสงค์ของการทำโยเกิร์ต การออกกำลังกายเพื่อแยกออกจากความเป็นไปได้สูงสุดของกระแสหลักของโลก First Blog-entry วิธีการที่ใช้วิธีการทางเศรษฐมิติแบบดั้งเดิมทำงานอย่างตรงไปตรงมาอย่างตรงไปตรงมาการแสดงผลเฉลี่ยสแควร์ที่ดีเป็นสิ่งที่ผู้คนเริ่มขี้เกียจใจสอง Blog-Entry การตรวจหาจุดหักเหเป็นสิ่งที่สร้างขึ้น ดูเหมือนการออกแบบที่ผิดพลาดอย่างมากในการออกแบบคำเตือนการเรียนรู้ความสว่าง 33. Excel-Tutorial เกี่ยวกับ SEF-Blog.38 Signalextraction แบบเรียลไทม์ 1 Econometrics แบบดั้งเดิม 39 งานการแยกแยะ Cycle.40 วิธีมาตรฐาน Econometric Approceed การระบุช่วงเวลาแบบ ARIMA state space ขยายชุดข้อมูล การใช้ตัวกรองแบบสมมาตรในชุดขยายเวลา X-12-ARIMA, TRAMO, STAMP, RS การอ้างสิทธิ์ตัวกรองด้านเดียวคือความหมายที่เหมาะสมที่สุดของความหมายสี่เหลี่ยม Assumption DGP true model.42 Real-Time Based-based Filter.43 Real - Time Signalextraction 2 การจำลองแบบตัวอย่างของ Excel ในรูปแบบตามเกณฑ์ 47 พารามิเตอร์ ARMA 2,2 - FILTER ARMA 2,2 - Filter ไม่ใช่ model.45 ดูเหมือน Vir tuous การออกแบบ amplitude.46 การเปลี่ยนแปลงเวลาที่เห็นได้ชัด Virtuous design.47 การออกแบบยอดเยี่ยม Correspondation ความสัมพันธ์ Correlation Peak ระหว่างการประมาณเวลาจริงและรอบเป็นฟังก์ชันของเวลา lag ล่าช้า k.48 สัญญาณและประมาณประมาณการตัวกรอง Tweaked ด้วยมือ 49 Real-Time Signalextraction 3 Excel Example Turning Point Revelation 50 พารามิเตอร์ ARMA 2,2 - FILTER รูปแบบที่ไม่ได้รับการออกแบบอย่างเห็นได้ชัด ARMA 2,2 - Filter ไม่ใช่แบบจำลอง 55. ความแอมพลิเคชั่นการออกแบบที่ไม่ได้รับการออกแบบผิดพลาด 52. ดูเหมือนว่าจะมีการออกแบบที่ไม่ได้รับการออกแบบที่ผิดพลาด Shift - ความสัมพันธ์กัน 53 การออกแบบที่ไม่ได้รับการออกแบบผิดพลาดและซีรี่ส์ที่ถูกกรอง 53 การเปรียบเทียบที่เห็นได้ชัดและไม่ถูกต้องผิดพลาด 57 ข้อสรุปการออกแบบที่ผิดพลาดอย่างเห็นได้ชัดคือการใช้ TP s หรือสัญญาณเตือนที่เร็วกว่าที่ทำให้เกิดความผิดพลาดน้อยลง พารามิเตอร์ตัวกรอง MDFA Tweak ด้วยตนเองใน Excel Tutorial ข้อบกพร่องของตัวอย่างการออกกำลังกายจำลองแบบง่ายๆอย่างไม่เป็นจริงในทางปฏิบัติ และหรือสัญญาณรวมข้อมูลจากกรอบหลายตัวแปรแบบหลายช่วงเวลาต้องการเกณฑ์การเพิ่มประสิทธิภาพที่เป็นทางการยินดีต้อนรับสู่ DFA และ MDFA.59 DFA Direct Filter Approach Mean-Square.60 DFA Direct Filter Approach การคิดค่าประมาณการณ์ความคลาดเคลื่อนของตัวกรองความกว้างเฉลี่ย I 0 ลดการประมาณค่าที่สม่ำเสมอของการประมาณค่าความละเอียดเฉลี่ยของข้อผิดพลาดของค่าเฉลี่ยของตัวกรองนัยสำคัญค่าประสิทธิภาพที่กำหนดเองจะเข้าสู่อย่างชัดเจนในการออกแบบเกณฑ์การเพิ่มประสิทธิภาพ.62คุณบอกหรือหรือไม่หมายถึง Periodogram Periodogram เป็นตัวอย่างโดยทั่วไปของสถิติการประเมินที่ไม่สอดคล้องกัน ความหนาแน่นของสเปกตรัม Smoothing parametric หรือไม่ใช่ parametogram Periodogram มีคุณสมบัติทางสถิติที่ยอดเยี่ยม Sufficiency Larry Brethorst หนึ่งสามารถได้รับผลดีอย่างเป็นทางการใน signalextraction เวลาจริงทำงานในชุดของรายการบล็อกใหม่เกี่ยวกับหัวข้อเพื่อฟื้นฟูบางส่วน - periodogram.63 ประสิทธิภาพการทำงานของข้อมูลการสำรวจธุรกิจ DFA แบบแยกเดี่ยว KOF, FED, 2004,2005 X-12-ARIMA, Tramo MSE-gain.30 US - และ Euro-GDP 2008 จุดเปลี่ยนแบบ CF ที่คาดการณ์ไว้ 1-2 ไตรมาส ESI 2006 Dainties TP s ค้นพบเมื่อ 2-3 เดือนก่อนหน้านี้ 64 ผลการดำเนินงานโดยอาศัยเกณฑ์การวัดระยะเวลาตัวกรอง TP ได้รับรางวัล NN3 2007 และ NN5 2008 การคาดการณ์การแข่งขัน 60 คน IIF และ University of Lancaster ข้อมูลรายเดือนและข้อมูลทางการเงินรายเดือน 111 ชุดข้อมูลเวลาและข้อมูลทางการเงินรายวัน 111 ชุดเวลาผู้ชนะเลิศและผู้มีชื่อเสียงระดับแนวหน้า M3, X-12-ARIMA, Tramo, Forecast-Pro, Autobox, เรียบง่าย, Holt, Damped, Neural nets, ปัญญาประดิษฐ์. DFA Direct Filter Approach จุดพลิกผัน TP.1 เน้นความล่าช้าในการส่งผ่านคลื่นความถี่ 1 ตัวกรองระดับดีที่สุด imagelink uk-text-large 66 การควบคุมการหน่วงเวลาการปรับแต่ง 1 เน้นการหน่วงเวลาในตัวกรองระดับเสียงที่ดีที่สุดของ pass-band 1 เน้นเวลาล่าช้า ในตัวกรองระดับสูงสุดของ Pass-band 1 Controllin g การหน่วงเวลาการปรับแต่ง 1 เน้นการเลื่อนเวลาในการกรองที่ดีที่สุดระดับ 1 pass-band 1 class imagelink uk-text-large uk-margin-small-left uk-margin-small-right 67 การปรับแต่งการควบคุมความล่าช้าและความราบรื่นของเวลา การลดเสียงรบกวนความถี่สูงในวงหยุดการหน่วงเวลาในแถบความถี่ pass-band ที่สั้นลงมีการเพิ่มขึ้นเพียงครั้งเดียวและ 1 1 การปรับแต่งการควบคุมความล่าช้าและความนุ่มนวลของเวลาการลดความรุนแรงของเสียงความถี่สูงในวงหยุดการลดลงของเวลาในการส่งผ่านวงดนตรี W เป็นแบบ monotonic เพิ่มขึ้นและ 1.68 Amplitude DFA TP filter สีน้ำเงินเทียบกับตัวกรองระดับดี KOF - Barometer.69 Delay TP-filter สีน้ำเงิน vs seem ตัวกรองระดับคุณธรรม KOF-Barometer.70 TP - Detection Smoother และ Faster การแสดงค่าเฉลี่ยสแควร์ต่ำ วิธีการตัวกรองฟิลเตอร์แบบหลายช่วงเวลา 7.3 ข้อ จำกัด ในการรวมตัวของตัวกรองแบบเรียลไทม์ตำแหน่ง 1.74 ทฤษฎีบทประสิทธิภาพ 4 1, Wildi2008, Wildi Sturm2008 คำผิดพลาด e T มีขนาดเล็กที่สุดเท่าที่จะทำได้ Uniform efficiency การปรับแต่ง E75 Optimal E fidelity Criterio ภายใต้ Cointegration อันดับที่ 1 ข้อ จำกัด ของตัวกรองมีความพึงพอใจ 7.6 ผลการดำเนินงาน MDFA ช่องว่างด้านการผลิต US - และ Euro-GDP 2008 CF และหลายจุดเปลี่ยน CF ที่คาดการณ์ไว้โดย 1-2 ไตรมาส USRI มีผลการดำเนินงานที่ดีกว่า Markov-switching Chauvet, Chauvet Piger, CFNAI พื้นที่โฆษณาของรัฐรุ่น ADS, Hodrick-Prescott OECD-CLI, Christiano-Fitzgerald SEF-Blog MDFA-XT EURI.77 คำเตือนนี่ไม่ใช่วิธีการใช้งานแบบกดปุ่มสูตรนักแข่งรถ 1 คนสามารถเป็น Ferrari ได้อย่างรวดเร็วและ Mercedes ที่น่าเชื่อถือ แต่คุณ ต้องปรับแต่งอย่างระมัดระวัง Ferrades Mercearri การออกแบบตัวกรอง ZPC ข้อ จำกัด ของตัวกรองเน้นความถี่ศูนย์การทำความเข้าใจการตีความ 2008- หนังสือมีความสุขที่จะให้การสนับสนุนที่ให้สิ่งจูงใจทางการเงิน 79 ภาพประกอบประเด็นเกี่ยวกับระเบียบวิธีปฏิบัติโดยการพึ่งพาโครงการในโลกแห่งความจริงกับพันธมิตรทางเศรษฐกิจ Real-Time US Indicator Recession Experimental ผู้ค้าสำหรับ MSCI Emerging Markets Filters on-line การคาดการณ์การฉายสัญญาณในปลายเดือนกรกฎาคมที่คาดการณ์ไว้ในเว็บไซต์หนังสือ, บทความ, Software. High Frequency Financia l การซื้อขาย FOREX กับ MDFA และ R ตัวอย่างกับ Yen Yen รายการสุดท้ายของ Chris โดยเฉพาะในแง่ที่เขาใช้ MDFA โอเพ่นซอร์สแพ็กเกจแทนที่จะเป็น iMetrica เพื่อสร้างสัญญาณการค้าดูที่ 1 ดังนั้นผลที่ได้คือ คริสทำซ้ำได้พยายามทำซ้ำดีดูด้านล่างวันพุธ 20 ฉันเพิ่มรหัส R แก้ไขโดยคริสเพื่อดำเนินการต่อไป replication. What ต่อไปนี้ Chris email ตัดและวางจากเซิร์ฟเวอร์ของฉันดังนั้นฉันเพิ่งเสร็จรอคอยมานาน แนะนำเกี่ยวกับวิธีการสร้างสัญญาณการซื้อขายโดยใช้ MDFA และ R สำหรับข้อมูลความถี่สูงมีความลับไม่มากเกินไปที่จะซ่อนนี่เป็นสิ่งที่ฉันทำใน R กับรหัสของคุณเป็นหลักเดียวกันฉันใช้เวลาในการสร้างสัญญาณการค้าของฉันใน iMetrica ยกเว้นว่าฉันสามารถทำสิ่งที่มากได้เร็วขึ้นมากในหลังและตกลงมีเพียงไม่กี่ซอสลับเล็ก ๆ น้อย ๆ ที่ฉันใช้และยังไม่เต็มใจที่จะรั่วไหลออกไปจนกว่าฉัน m จ้าง แต่เท่าที่ตัวอย่างกับเยนนี้ไป, ทุกอย่างควรจะทำซ้ำได้ที่ บ้านที่ใช้รุ่นที่ปรับเปลี่ยนเล็กน้อยของรหัสของคุณนี่คือบทความ 1 ความท้าทายหนึ่งที่ฉันประสบในการสร้างตัวอย่างเหล่านี้มาจากการเปรียบเทียบกับผลลัพธ์ของฉันที่ฉันได้รับใน iMetrica แต่น่าเสียดายที่ตอนแรกผลไม่เหมือนกันหลังจากที่กลายเป็นความผิดหวังเล็กน้อย ฉันเอาความพยายามของการหาว่าทำไมฉัน MDFA ประจำใน C จะแตกต่างจากของคุณในเหมือง R จะถูกเข้ารหัสในวิธีการมากขึ้นและมีประสิทธิภาพมากขึ้นเพื่อให้บรรลุความเร็วที่เร็วที่สุดด้วยความรวดเร็ว apophenia การเพิ่มประสิทธิภาพแพคเกจเพื่อประกอบการฝึกอบรมและการแก้ปัญหา สำหรับสัมประสิทธิ์อย่างไรก็ตามผลลัพธ์สุดท้ายควรยังคงเทียบเท่าหลังจากวันที่นำทางผ่านการใช้งาน MDFA หรือทั้งสองอย่างเราพบว่าเหตุใดจึงไม่เหมือนกันและฉันได้เปลี่ยนแปลงรหัสเหล่านี้ในโค้ดของคุณนี่คือความแตกต่างที่ฉันจำได้จากการใช้งานและ คุณเป็นของคุณพฤศจิกายน releaseputing DFTs ด้วยเหตุผลบางอย่างที่ศูนย์ความถี่คุณ don t ใช้ค่าเฉลี่ยของข้อมูลที่คุณเพิ่งตั้งค่าเป็นศูนย์ไม่แน่ใจว่า คุณซ้ายนี้ออกในอุบัติเหตุหรือวัตถุประสงค์ แต่ฉันใช้ค่าเฉลี่ยนอกจากนี้ฉันหารค่า DFT โดย pi pi คงที่ n เป็นจำนวนของการสังเกตในชุดเวลาในความหมายของพารามิเตอร์ decay1 คุณ don t ดูเหมือน เพื่อใช้การทำแผนที่แทนน้ำตาลฉันไม่ความแตกต่างที่ใหญ่ที่สุดคือในคำจำกัดความของฟังก์ชันเรียบที่กำหนดโดย expweight ประการแรกคุณแบ่ง expweight โดย 2 ฉันหารด้วย 10 ไม่จัดการใหญ่จัดการใหญ่นี้เป็นคำนิยามของฉันเปลี่ยนอำนาจ เป็นฟังก์ชันของค่าความถี่ดังนั้นจาก 0 ถึง 3 14 คุณเป็นหน้าที่ของตำแหน่งของดัชนีค่าความถี่ระหว่าง 0 และ K ทำให้แตกต่างกันมากฉันชอบกำหนดฟังก์ชั่นพลังงานที่เกี่ยวกับค่าความถี่และ ไม่ใช่ดัชนีหลังจากที่ฉันเปลี่ยนผลลัพธ์เหล่านี้ได้สวยมากเหมือนกัน แต่ไม่แน่นอนในการดูเมทริกซ์สุดท้ายในการแก้ปัญหา Axe b สำหรับค่าสัมประสิทธิ์หลังจากใช้การปรับแต่งและการปรับแต่งเองดูเหมือนว่าค่าภายในเมทริกซ์ A จะปิดไปปัจจัยของประมาณ 10 สัญชาตญาณของฉันคือที่ซับซ้อน exp ทำงานใน R และ C จะคำนวณแตกต่างกันเล็กน้อยที่ดีกว่าความแม่นยำยิ่งเลวร้ายยิ่งฉัน don t รู้ดังนั้นฉันไม่แน่ใจว่านี้เป็นสิ่งที่เราจะสามารถแก้ได้ แต่ฉันไม่กังวล, เป็นผลลัพธ์สุดท้ายจะปิดดังนั้นในความเป็นจริงมัน didn t มีผลต่อการค้าใด ๆ ในตัวอย่างของฉันฉันแสดงพวกเขาเดียวกันใน iMetrica และที่สำคัญที่สุดอย่างไรก็ตามฉันสามารถส่งรุ่นของรหัสของคุณถ้าคุณ ต้องการเพื่อให้คนสามารถดาวน์โหลดได้ลองตัวอย่างหรือคุณสามารถพิจารณาการเปลี่ยนแปลงเหล่านี้และทำให้ถาวรในรุ่นอนาคตของ MDFA แจ้งให้เราทราบและสนุกกับบทความคุณทำงานหนักเกินไปเก่า chap ผมของคุณได้รับ R - สี R - ทอและ R - แปรงมาถึงใจมากเกินไปโดยวิธีการที่มีความสม่ำเสมอจะวัดวิธีอื่น ๆ รอบ iMetrica ควรจะสามารถที่จะทำซ้ำ I - MDFA ซึ่งเป็นอ้างอิง MDFA รหัสของฉันเป็นแก้ไขโดยคริสดูด้านบนความเห็น DFT r ฉันมักจะทำงานกับชุดศูนย์กลางดังนั้น DFT ในศูนย์ความถี่เป็นศูนย์เป็น pr oportional ไปเฉลี่ยคริสดูเหมือนจะไม่ทำงานกับชุดกลางของเขา DFT จะแตกต่างจากศูนย์ใน freq zero. I-MDFAnew r ดูเหมือนว่าน้ำหนักกว้างกว้างใหญ่ expweight ได้รับการเปลี่ยนแปลงและฉันเดาคำ lambda-decay ระยะได้รับการแก้ไขเกินไป โปรดทราบว่าฉันไม่ได้ปรับเปลี่ยนรุ่น I-MDFA ล่าสุดของฉันการปรับเปลี่ยนข้างต้นจะเป็นประโยชน์ถ้าคุณต้องการทำซ้ำผลคริส แต่ฉันอยู่ตามเวอร์ชันของฉันเพื่อดำเนินการจำลองแบบคุณจะต้องใช้ข้อมูลจาก him. Leave ตอบกลับยกเลิก reply. Figure 1 การสังเกตการณ์ในตัวอย่าง 1-250 และการแสดงผลตัวอย่างของสัญญาณการค้าที่สร้างขึ้นในบทแนะนำนี้โดยใช้ MDFA Top ราคา log ของ Yen FXY ในช่วงเวลา 15 นาทีและการซื้อขายที่เกิดจากสัญญาณการซื้อขายที่นี่ Black line เป็นซื้อยาวสีน้ำเงินเป็นขายตำแหน่งสั้นด้านล่างผลตอบแทนสะสมเงินสดที่เกิดจากการซื้อขายในอัตราร้อยละที่ได้หรือสูญหายในบทความก่อนหน้าของฉันเกี่ยวกับการซื้อขายความถี่สูงใน iMetrica ใน FOREX GLOBEX ผมแนะนำการสกัดสัญญาณบางอย่างที่มีประสิทธิภาพ กลยุทธ์ใน iMetrica โดยใช้วิธีการกรอง MDFA แบบหลายมิติเพื่อสร้างสัญญาณที่มีประสิทธิภาพสำหรับการซื้อขายในตลาดแลกเปลี่ยนเงินตราต่างประเทศและตลาดฟิวเจอร์สในบทความนี้ผมใช้เวลาสั้น ๆ ในการละเว้นจากโลกของการพัฒนาสัญญาณการซื้อขายทางการเงินใน iMetrica และโยกย้ายไป ภาษาที่นิยมใช้กันอย่างแพร่หลายในด้านเงินทุนเนื่องจากอาร์เรย์มากมายของแพคเกจการจัดการข้อมูลและการจัดการกราฟิกอย่างรวดเร็วและแน่นอนความจริงที่ว่าเป็นอิสระในการพูดและเบียร์ในเกือบทุกแพลตฟอร์มคอมพิวเตอร์ในโลกบทความนี้ให้ บทนำเกี่ยวกับการใช้ R สำหรับการซื้อขายความถี่สูงในตลาด FOREX โดยใช้แพคเกจ R สำหรับ MDFA ที่นำเสนอโดย Herr Doktor Marc Wildi von Berno และกลยุทธ์บางอย่างที่ฉันพัฒนามาเพื่อสร้างสัญญาณการซื้อขายที่มีประสิทธิภาพทางการเงินสำหรับบทแนะนำนี้ผมถือว่าเป็นตัวอย่างที่สอง ให้ไว้ในบทความก่อนหน้าของฉันที่ฉันออกแบบสัญญาณการค้าสำหรับการบันทึก 15 นาทีผลตอบแทนของเยนญี่ปุ่นจากการเปิดระฆังเพื่อปิดตลาด EST นี้ presen ted ความท้าทายใหม่เล็กน้อยกว่าก่อนเป็นรูปแบบการกระโดดกระโดดอย่างใกล้ชิดจะมีขนาดใหญ่กว่าที่สร้างขึ้นโดยผลตอบแทนรายชั่วโมงหรือรายวัน แต่ที่ผมแสดงให้เห็นรูปแบบขนาดใหญ่เหล่านี้ในราคาที่ปิดเพื่อเปิดไม่ได้มีปัญหาสำหรับ MDFA ในความเป็นจริง, มันใช้ประโยชน์จากการกระโดดเหล่านี้และทำกำไรได้มากโดยการทำนายทิศทางของการกระโดดรูปที่ 1 ที่ด้านบนสุดของบทความนี้แสดงให้เห็นถึงข้อสังเกตในตัวอย่าง 1-250 และการสังเกตการณ์นอกกลุ่มตัวอย่าง 251 ต่อประสิทธิภาพของตัวกรองที่ผมจะสร้างขึ้น ส่วนแรกของบทแนะนำนี้ตลอดทั้งบทแนะนำนี้ฉันพยายามทำซ้ำผลลัพธ์เหล่านี้ที่ฉันสร้างขึ้นใน iMetrica และขยายขอบเขตการใช้ภาษา R และการใช้งาน MDFA ในข้อมูลที่นี่ข้อมูลที่เราพิจารณาว่าเป็นเวลา 15 นาที ผลตอบแทนจากการลงทุนของเยนจาก 4 มกราคม - 17 มกราคมและฉันมีพวกเขาบันทึกไว้เป็นไฟล์ที่กำหนดโดย ldfxyinsamp ฉันมีชุดอธิบายเพิ่มเติมฝังอยู่ในแฟ้มที่ฉัน m ใช้ในการทำนายราคาเยนนอกจากนี้ฉัน als o จะใช้ pricefoxyinsamp ซึ่งเป็นราคา log ของเยนใช้ในการคำนวณประสิทธิภาพการซื้อการขายสัญญาณการซื้อขาย ldfxyinsamp จะใช้เป็นข้อมูลในตัวอย่างเพื่อสร้างตัวกรองและสัญญาณการซื้อขาย FXY เพื่อให้ได้ข้อมูลนี้เพื่อให้คุณ สามารถทำตัวอย่างเหล่านี้ได้ที่บ้านส่งอีเมลถึงฉันและฉันจะส่งไฟล์ที่จำเป็นทั้งหมดให้กับข้อมูลตัวอย่างและข้อมูลที่ไม่อยู่ในตัวอย่างในไฟล์การอ่านข้อมูล ldfxyinsamp อย่างรวดเร็วเราจะเห็น log-return ของเยนที่ ทุก 15 นาทีโดยเริ่มจากเขตเปิดเวลาทำการของเขตข้อมูล UTC ข้อมูลเป้าหมายอยู่ในคอลัมน์แรกพร้อมกับเยนชุดที่สองอธิบายและสินทรัพย์อื่น ๆ ที่ร่วมกับการเคลื่อนไหวของ Yen head ldfxyinsamp, 1, 2, 3 2013-01-04 13 30 00 0 0000000000 2013-01-04 13 45 00 4 763412e-03 4 763412e-03 0 0033465833 2013-01-04 14 00 00 -8 966599e-05 -8 966599e-05 0 0040635638 2013- 01-04 14 15 00 2 597055e-03 2 597055e-03 -0 0008322064 2013-01-04 14 30 00 -7 157556e-04 -7 157556e-04 0 0020792190 2013-01-04 1 4 45 00 -4 476075e-04-4 476075e-04 -0 0014685198 เมื่อเริ่มต้นสร้างสัญญาณการซื้อขายครั้งแรกสำหรับเยนเราจะเริ่มต้นด้วยการอัปโหลดข้อมูลลงในสภาพแวดล้อม R ของเรากำหนดพารามิเตอร์เริ่มต้นสำหรับฟังก์ชัน MDFA โทรแล้วคำนวณ DFTs และ periodogram สำหรับ Yen. As ฉันได้กล่าวถึงในบทความก่อนหน้าของฉันกลยุทธ์ทีละขั้นตอนของฉันสำหรับการสร้างสัญญาณการซื้อขายเสมอเริ่มต้นด้วยการวิเคราะห์อย่างรวดเร็วของ periodogram ของสินทรัพย์ที่มีการซื้อขายในโฮลดิ้ง กุญแจสำคัญในการให้ข้อมูลเชิงลึกในลักษณะของการซื้อขายสินทรัพย์, periodogram เป็นเครื่องมือสำคัญสำหรับการนำวิธีการคัดแยกได้รับการแต่งตั้งที่นี่ฉันมองหายอดหลักสเปกตรัมที่สอดคล้องในโดเมนเวลาเพื่อวิธีการและที่สัญญาณของฉันจะเรียกขายซื้อ trade รูปที่ 2 แสดงระยะเวลาในการบันทึกผลตอบแทนของเยนญี่ปุ่น 15 นาทีในช่วงระยะเวลาตัวอย่างในช่วงตั้งแต่ 4 มกราคมถึง 17 มกราคม 2013 ลูกศรชี้ไปที่ยอดเขาหลักที่ฉันมองหาและให้คำแนะนำว่าฉันเป็นอย่างไร W ป่วยกำหนดหน้าที่ของฉันเส้นประสีดำแสดง cutoffs ความถี่สองที่ฉันจะพิจารณาในตัวอย่างนี้เป็นครั้งแรกและที่สองที่สังเกตว่า cutoffs ทั้งตั้งโดยตรงหลังยอดเงาสิ่งที่ฉันขอแนะนำในการซื้อขายความถี่สูง ใน FOREX โดยใช้ MDFA ตามที่เราจะได้เห็นเคล็ดลับคือการหาจุดสูงสุดของสเปกตรัมซึ่งจะกล่าวถึงรูปแบบที่ใกล้จะเปิดในราคาของสกุลเงินต่างประเทศเราต้องการที่จะใช้ประโยชน์จากจุดสูงสุดของสเปกตรัมเนื่องจากเป็นที่ที่ การเพิ่มขึ้นของการซื้อขายสกุลเงินต่างประเทศโดยใช้ MDFA จะเกิดขึ้นรูปที่ 2 ระยะเวลาของ JPY FXY ของประเทศญี่ปุ่นพร้อมกับยอดสเปกตรัมและการตัดทอนความถี่ที่แตกต่างกันสองแบบในตัวอย่างแรกเราพิจารณาความถี่ที่ใหญ่กว่าเป็นจุดตัดสำหรับโดยการตั้งค่าให้เป็นเส้นด้านขวาที่สุด ในรูปของ periodogram ฉันแล้วเริ่มตั้งค่าเวลาและพารามิเตอร์ความนุ่มนวลและ expweight เป็น 0 พร้อมกับการตั้งค่าพารามิเตอร์ทั้งหมดที่กำหนดให้เป็น 0 เช่นกันซึ่งจะทำให้ฉันมีบารอมิเตอร์สำหรับ ที่ไหนและเท่าไหร่ในการปรับพารามิเตอร์ของตัวกรองในการเลือกความยาวของตัวกรองการทดลองเชิงประจักษ์ของฉันเกี่ยวกับการทดลองในการสร้างสัญญาณการซื้อขายโดยใช้ iMetrica แสดงให้เห็นว่าทางเลือกที่ดีคือที่ใดก็ได้ระหว่าง 1 4 ถึง 1 5 ของความยาวทั้งหมดในตัวอย่างของ ข้อมูลชุดข้อมูลเวลาแน่นอนความยาวขึ้นอยู่กับความถี่ของการสังเกตข้อมูลเช่น 15 นาทีรายชั่วโมงรายวัน ฯลฯ แต่โดยทั่วไปแล้วคุณจะไม่จำเป็นต้องมากกว่ามากกว่า 1 4 ขนาดในตัวอย่างอื่น ๆ มิฉะนั้นการทำให้ปกติ อาจกลายเป็นยุ่งยากเกินไปที่จะจัดการได้อย่างมีประสิทธิภาพในตัวอย่างนี้ความยาวรวมในตัวอย่างคือ 335 และทำให้ฉันตั้งค่าที่ฉันจะยึดติดกับส่วนที่เหลือของบทแนะนำนี้ในกรณีใด ๆ ความยาวของตัวกรองไม่ใช่พารามิเตอร์ที่สำคัญที่สุด พิจารณาในการสร้างสัญญาณการซื้อขายที่ดีสำหรับการเลือกพารามิเตอร์ที่เหมาะสมของพารามิเตอร์การกรองที่เหมาะสมกับชุดคำอธิบายที่เหมาะสมผลลัพธ์ของสัญญาณการซื้อขายเมื่อเทียบกับการกล่าวเช่นนี้แทบจะไม่แตกต่างกัน ทำแล้ว parameterization ไม่แข็งแรงพอหลังจากอัปโหลดทั้งในตัวอย่างบันทึกข้อมูลคืนพร้อมกับราคา log ที่สอดคล้องกันของเยนสำหรับการคำนวณประสิทธิภาพการซื้อขายเราดำเนินการใน R เพื่อตั้งค่าการตั้งค่าตัวกรองเริ่มต้นสำหรับ MDFA ประจำ แล้วคำนวณตัวกรองโดยใช้ฟังก์ชัน IMDFAcomp ส่งกลับค่าสัมประสิทธิ์การถือครองวัตถุ imdfa ฟังก์ชันการตอบสนองความถี่และสถิติของตัวกรองพร้อมกับสัญญาณที่ผลิตขึ้นสำหรับแต่ละชุดคำอธิบายเรารวมสัญญาณเหล่านี้เพื่อรับสัญญาณการซื้อขายขั้นสุดท้ายในตัวอย่างทั้งหมด นี่คือทั้งหมดที่ทำใน R ดังนี้ฟังก์ชั่นการตอบสนองความถี่ที่เกิดขึ้นของตัวกรองและค่าสัมประสิทธิ์ถูกวางแผนไว้ในรูปด้านล่างรูปที่ 3 ฟังก์ชันการตอบสนองความถี่ของตัวกรองด้านบนและค่าสัมประสิทธิ์การกรองด้านล่างนี้ความอุดมสมบูรณ์ของเสียงยังคงอยู่ ผ่านความถี่ cutoff นี่คือ mollified โดยการเพิ่มพารามิเตอร์ smoothweight expweight ค่าสัมประสิทธิ์สำหรับชุดอธิบายแต่ละแสดงบาง c ความสัมพันธ์ในการเคลื่อนไหวของพวกเขาเป็นความล่าช้าเพิ่มขึ้นอย่างไรก็ตามความเรียบเน่าและการสลายตัวของสัมประสิทธิ์ออกมากเป็นที่ต้องการเราจะแก้ไขปัญหานี้โดยการแนะนำพารามิเตอร์การกำหนดค่าแปลงสัญญาณการค้าในตัวอย่างและประสิทธิภาพในตัวอย่างของสัญญาณจะแสดงใน สองรูปด้านล่างสังเกตว่าสัญญาณการซื้อขายมีพฤติกรรมค่อนข้างดีในตัวอย่างอย่างไรก็ตามรูปลักษณ์สามารถหลอกลวงประสิทธิภาพที่เป็นตัวเอกนี้เกิดขึ้นจากส่วนใหญ่เป็นปรากฏการณ์การกรองที่เรียกว่า overfitting หนึ่งสามารถอนุมานได้ว่า overfitting เป็นผู้กระทำผิดที่นี่โดยเพียงแค่มองไปที่ความไร้ระเบียบ ของค่าสัมประสิทธิ์พร้อมกับจำนวนขององศา freezed ของเสรีภาพซึ่งในตัวอย่างนี้เป็นประมาณ 174 จาก 174 วิธีที่สูงเกินไปเราต้องการได้รับหมายเลขนี้ที่ประมาณครึ่งหนึ่งของจำนวนรวมขององศาอิสระจำนวนอธิบายชุด x L รูปที่ 4 สัญญาณการซื้อขายและข้อมูลผลตอบแทนจากการลงทุนของเยนผลการดำเนินงานในกลุ่มตัวอย่างของตัวกรองนี้แสดงให้เห็นถึงประเภทของผลลัพธ์ที่เราต้องการเห็น เราใช้ตัวกรองเหล่านี้ในการสังเกตการณ์เยนและชุดคำอธิบาย 200 นาทีจากชุดคำอธิบายที่มีความยาว 15 นาทีตั้งแต่วันที่ 18 มกราคมจนถึงวันที่ 1 กุมภาพันธ์ 2013 และเปรียบเทียบกับลักษณะในตัวอย่างเพื่อทำสิ่งนี้ใน R เราจะโหลดข้อมูลที่ไม่อยู่ในกลุ่มตัวอย่างเป็นครั้งแรกในสภาพแวดล้อม R และใช้ตัวกรองกับข้อมูลที่ไม่ได้อยู่ในกลุ่มตัวอย่างที่ฉันกำหนดไว้เป็น xout แผนผังในรูปที่ 5 แสดงสัญญาณการซื้อขายที่ไม่อยู่ในกลุ่มตัวอย่าง สังเกตว่าสัญญาณไม่ได้เกือบเป็นอย่างราบรื่นตามที่อยู่ในตัวอย่างการถ่ายโอนข้อมูลในบางพื้นที่ยังเป็นที่แน่ชัดแม้ว่าคุณลักษณะ overfitting ตัวอย่างของสัญญาณจะไม่น่าสงสัยอย่างน่าสงสัย แต่ฉันไม่ไว้ใจตัวกรองนี้ ผลตอบแทนที่เป็นตัวเอกในระยะยาวรูปที่ 5 กรองนำไปใช้กับการสังเกตการณ์ 200 นาที 15 ของเยนออกจากตัวอย่างในการผลิตสัญญาณการซื้อขายที่แสดงในสีฟ้าต่อการวิเคราะห์ก่อนหน้าของวิธีการแก้ปัญหาเฉลี่ยสี่เหลี่ยมไม่มีการปรับแต่งหรือการทำให้เป็นระเบียบเรา ตอนนี้ดำเนินการเพื่อทำความสะอาดปัญหาของ overfitting ที่เห็นได้ชัดในค่าสัมประสิทธิ์พร้อมกับ mollifying เสียงในความถี่ stopband หลังจากเพื่อที่จะเลือกพารามิเตอร์สำหรับการเรียบและสม่ำเสมอหนึ่งวิธีคือการใช้พารามิเตอร์ความราบรื่นครั้งแรกเช่นนี้จะ โดยทั่วไปราบรื่นสัมประสิทธิ์ในขณะที่ทำหน้าที่เป็น preregularizer แล้วล่วงหน้าเพื่อเลือกการควบคุม regularize ที่เหมาะสมในการมองที่สัมประสิทธิ์รูปที่ 3 เราจะเห็นว่าจำนวนเงินที่ยุติธรรมของการราบเรียบเป็นสิ่งที่จำเป็นมีเพียงเล็กน้อยของการสลายตัว สองพารามิเตอร์ใน R หนึ่งตัวเลือกคือการใช้เพิ่มประสิทธิภาพ Troikaner พบที่นี่เพื่อหาชุดที่เหมาะสมฉันมีซอสลับวิธี algorithmic I พัฒนาสำหรับ iMetrica สำหรับการเลือกชุดค่าผสมที่เหมาะสมของพารามิเตอร์ให้ extractor และตัวบ่งชี้ประสิทธิภาพแม้ว่าจะมีความยาวแม้ ใน GNU C และยุ่งยากในการใช้ดังนั้นฉันมักชอบกลยุทธ์ที่กล่าวถึงในบทแนะนำนี้ในตัวอย่างนี้ I bega n โดยการตั้งค่า lambdasmooth เป็น 5 และการสลายตัวไปที่ 1, 1 พร้อมด้วยพารามิเตอร์ความนุ่มนวลที่กำหนดไว้ที่ 8 5 หลังจากดูค่าสัมประสิทธิ์แล้วก็ยังคงไม่เพียงพอที่ราบรื่นดังนั้นฉันจึงเพิ่มจำนวนขึ้นจนได้ 63 ซึ่งเป็นเคล็ดลับ จากนั้นผมก็เลือกแลมบ์ดาเพื่อให้สมดุลกับผลลัพท์ที่มีความราบเรียบแลมบ์ดาซึ่งเป็นตัวแปรสุดท้ายของการปรับแต่งรูปลักษณ์รูปที่ 6 แสดงฟังก์ชันการตอบสนองความถี่ที่เกิดขึ้นสำหรับทั้งชุดคำอธิบายเยนด้วยสีแดงสังเกตว่าจุดสูงสุดของสเปกตรัมพบได้โดยตรงก่อนที่จะตัดทอนความถี่ ถูกเน้นและค่า mollified เล็กน้อยใกล้ 8 แทน 1 0 ยอด spectral อื่น ๆ ด้านล่างนอกจากนี้ยังมีปัจจุบันสำหรับสัมประสิทธิ์การสึกหรอเพียงพอและการสลายตัวถูกนำมาใช้เพื่อให้ความล่าช้าวงจรและโครงสร้างความสัมพันธ์ของสัมประสิทธิ์ที่เหมือนเดิม แต่ตอนนี้พวกเขามอง จำนวนขององศาที่แช่แข็งของเสรีภาพได้ลดลงเหลือประมาณ 102 รูปที่ 6 ฟังก์ชันการตอบสนองต่อความถี่และ coef ficients หลังจากการปรับปกติและการปรับให้ราบเรียบถูกนำมาประยุกต์ใช้ด้านบนค่าสัมประสิทธิ์การเรียบที่มีการผุกร่อนเล็กน้อยที่ส่วนท้ายด้านล่างจำนวนองศาอิสระที่แช่แข็งอยู่ที่ประมาณ 102 จาก 172 พร้อมด้วยองศาการแช่แข็งที่ดีขึ้นและไม่มีความเสียหายที่เห็นได้ชัดของ overfitting เราใช้สิ่งนี้ กรองตัวอย่างจากตัวอย่างไปยังข้อสังเกต 200 ตัวอย่างเพื่อตรวจสอบการปรับปรุงโครงสร้างของค่าสัมประสิทธิ์การกรองที่แสดงไว้ด้านล่างในรูปที่ 7 สังเกตเห็นการปรับปรุงคุณสมบัติของสัญญาณการซื้อขายอย่างมากเมื่อเทียบกับรูปที่ 5 การเกินขนาด ของข้อมูลที่ได้รับการกำจัดและความเรียบโดยรวมของสัญญาณที่มีการปรับปรุงอย่างมีนัยสำคัญเนื่องจากความจริงที่ว่าเราได้กำจัดการปรากฏตัวของ overfitting รูปที่ 7 สัญญาณการซื้อขายออกจากตัวอย่างที่มีการจัด regularisation กับตัวบ่งชี้ทั้งหมดของตัวกรอง endowed มีลักษณะตรงตามที่เราต้องการสำหรับความทนทานขณะนี้เราใช้สัญญาณการซื้อขายทั้งในตัวอย่างและจากตัวอย่างเพื่อเปิดใช้งานการซื้อขายซื้อขาย และดูประสิทธิภาพการทำงานของบัญชีการค้าในมูลค่าเงินสดเมื่อสัญญาณข้ามด้านล่างเป็นศูนย์เราขายป้อนตำแหน่งสั้นและเมื่อสัญญาณขึ้นเหนือศูนย์เราซื้อเข้าสู่ตำแหน่งยาวตำแหน่งด้านบนของรูปที่ 8 เป็นราคา log ของเยน สำหรับช่วงเวลา 15 นาทีและเส้นจุดเป็นตัวแทนที่สัญญาณการซื้อขายสร้างธุรกิจการค้าข้ามศูนย์เส้นสีดำเป็นตัวแทนของตำแหน่งยาวซื้อและเส้นสีฟ้าแสดงขายและตำแหน่งสั้น ๆ สังเกตว่าสัญญาณคาดการณ์ทั้งหมดใกล้เปิด กระโดดสำหรับเยนในขอบคุณส่วนชุดอธิบายนี้เป็นสิ่งที่เราจะมุ่งมั่นเมื่อเราเพิ่ม regularization และปรับแต่งเพื่อกรองบัญชีเงินสดของการค้าในช่วงตัวอย่างในจะแสดงด้านล่างที่มีการตั้งค่าต้นทุนการทำธุรกรรม ที่ตัวอย่างร้อยละ 05 สัญญาณได้รับประมาณ 6 เปอร์เซ็นต์ใน 9 วันทำการและอัตราความสำเร็จในการซื้อขายหุ้น 76 เปอร์เซ็นต์รูปที่ 8 ประสิทธิภาพในตัวกรองใหม่และการค้าที่เกิดขึ้น N ow สำหรับการทดสอบที่ดีที่สุดเพื่อดูว่าไส้กรองทำหน้าที่ในการสร้างสัญญาณการซื้อขายที่ดีเยี่ยมได้อย่างไรเราจึงนำตัวกรองไปใช้กับการสังเกตการณ์เยนและชุดคำอธิบายที่มีระยะเวลาไม่เกิน 200-15 นาทีนับจากวันที่ 18 มกราคม - 1 กุมภาพันธ์และทำให้ การซื้อขายผ่าน zero crossing ผลที่ได้แสดงไว้ด้านล่างในรูปที่ 9 เส้นสีดำหมายถึงการซื้อและสายสีน้ำเงินขายกางเกงขาสั้นโปรดสังเกตว่าตัวกรองยังคงสามารถทำนายการกระโดดอย่างใกล้ชิดเพื่อเปิดแม้กระทั่งตัวอย่างจากกลุ่มตัวอย่าง การกรองจะยอมแพ้เพียงสามครั้งที่น้อยกว่าร้อยละ 08 ระหว่างแต่ละข้อสังเกต 160 และ 180 และการสูญเสียเพียงเล็กน้อยตอนเริ่มต้นโดยมีอัตราส่วนความสำเร็จทางการค้าที่ไม่อยู่ในกลุ่มตัวอย่าง 82 เปอร์เซ็นต์และ ROI เพียง 4 เปอร์เซ็นต์มากกว่า ช่วงเวลา 9 วันรูปที่ 9 ประสิทธิภาพนอกเกณฑ์ของตัวกรองที่มีการกำหนดมาตรฐานใน 200 เยนที่ไม่ได้ใช้ตัวอย่าง 15 นาทีของเยนตัวกรองมี ROI 4 เปอร์เซ็นต์จากการสังเกตการณ์ 200 ครั้งและความสำเร็จในการค้า 82 เปอร์เซ็นต์ ผล สำเร็จใน iMetrica โดยใช้การตั้งค่าพารามิเตอร์ MDFA เดียวกันในรูปที่ 10 แสดงประสิทธิภาพทั้งสองอย่างในตัวอย่างและไม่อยู่ในกลุ่มตัวอย่างผลการปฏิบัติงานแทบจะเหมือนกันรูปที่ 10 ประสิทธิภาพในตัวอย่างและไม่ได้ใช้ตัวอย่างของตัวกรองเยนใน iMetrica เกือบจะเหมือนกันกับผลการดำเนินงานที่ได้รับใน R. ขณะนี้เราใช้แทงที่ผลิตตัวกรองการซื้อขายอื่นสำหรับเยนเพียงครั้งนี้เราต้องการที่จะระบุเฉพาะความถี่ต่ำสุดในการสร้างสัญญาณการค้าที่ค้าได้น้อยลงเพียงเพื่อหารอบที่ใหญ่ที่สุดในฐานะ ด้วยประสิทธิภาพของตัวกรองก่อนหน้านี้เรายังคงต้องการกำหนดเป้าหมายความถี่ที่อาจต้องรับผิดชอบต่อรูปแบบขนาดใหญ่ที่เปิดกว้างในราคาของเยนโดยการเลือกจุดตัดของเราเพื่อให้มีประสิทธิภาพสูงสุด spectral peaks ยังคงอยู่ใน low-pass band ของตัวกรองใหม่นี้เราจะเก็บข้อมูลต่างๆไว้อย่างง่ายๆโดยการใช้พารามิเตอร์การกำหนดกฎเดียวกันในตัวกรองก่อนหน้านี้เนื่องจากดูเหมือนว่าจะให้ผลลัพธ์ที่ดีออกมาจากตัวอย่าง T เขาและพารามิเตอร์การปรับแต่งค่าส่วนขยายจะต้องมีการปรับเปลี่ยนเพื่อให้สอดคล้องกับข้อกำหนดการปราบปรามการเบี่ยงเบนมาตรฐานใน stopband และคุณสมบัติเฟสใน passband ขนาดเล็กดังนั้นผมจึงเพิ่มพารามิเตอร์การปรับให้ราบเรียบและลดพารามิเตอร์ที่ตรงเวลาซึ่งจะมีผลเฉพาะกับ passband เท่านั้นที่จะมีผลต่อการเปลี่ยนแปลงนี้ ฟังก์ชั่นการตอบสนองความถี่ใหม่และค่าสัมประสิทธิ์การกรองสำหรับการออกแบบ lowpass ขนาดเล็กนี้แสดงไว้ในรูปที่ 11 สังเกตว่ามีการอธิบายจุดสูงสุดของสเปกตรัมที่สองและมีการปรับตัวเล็กน้อยภายใต้การเปลี่ยนแปลงใหม่ค่าสัมประสิทธิ์ยังคงมีความนุ่มนวลและการสลายตัวที่ใหญ่ที่สุด รูปที่ 11 ฟังก์ชั่นการตอบสนองความถี่ของตัวกรองทั้งสองตัวและค่าสัมประสิทธิ์ที่เหมือนกันของพวกเขาในการทดสอบประสิทธิภาพของการออกแบบความถี่การซื้อขายที่ต่ำกว่าใหม่นี้เราจะใช้ค่าสัมประสิทธิ์ของตัวกรองกับข้อสังเกต 200 ตัวอย่างนอกเวลาของการบันทึกผลตอบแทนเยน 15 นาที ประสิทธิภาพการทำงานจะปรากฏด้านล่างในรูปที่ 12 ในตัวกรองนี้เราเห็นได้ชัดว่าตัวกรอง sti จะประสบความสำเร็จในการทำนายได้อย่างถูกต้องกระโดดขนาดใหญ่ที่ปิดเพื่อเปิดในราคาของเยนเพียงสามขาดทุนทั้งหมดจะสังเกตเห็นในช่วงระยะเวลา 9 วันผลการดำเนินงานโดยรวมไม่เป็นที่น่าสนใจเช่นเดียวกับการออกแบบตัวกรองก่อนหน้านี้เป็นจำนวนน้อยของการค้าจะทำ, มี ROI ที่ใกล้เคียงกับ ROI ร้อยละ 2 และอัตราส่วนความสำเร็จทางการค้าถึง 76 เปอร์เซ็นต์อย่างไรก็ตามการออกแบบนี้อาจเหมาะสมกับความต้องการของผู้ค้ารายย่อยที่มีความอ่อนไหวต่อค่าใช้จ่ายในการทำธุรกรรมมากขึ้นรูปที่ 12 ประสิทธิภาพของตัวกรองที่ต่ำกว่าตัวอย่าง สำคัญเช่นเดียวกับคนที่น่าสนใจที่สุดในโลกจะบอกคุณจุดของบทแนะนำนี้คือการแสดงแนวคิดหลักและกลยุทธ์ที่ฉันได้รับเมื่อเข้าใกล้ปัญหาในการสร้างสัญญาณการซื้อขายที่มีประสิทธิภาพและมีประสิทธิภาพสูงสำหรับเนื้อหาที่กำหนด at any frequency I also wanted to see if I could achieve similar results with the R MDFA package as my iMetrica software package The results ended up being nearly parallel except for some minor differences The main points I was attempting to highlight were in first analyzing the periodogram to seek out the important spectral peaks such as ones associate with close-to-open variations and to demonstrate how the choice of the cutoff affects the systematic trading Here s a quick recap on good strategies and hacks to keep in mind. Summary of strategies for building trading signal using MDFA in R. As I mentioned before, the periodogram is your best friend Apply the cutoff directly after any range of spectral peaks that you want to consider These peaks are what generate the trades. Utilize a choice of filter length no greater than 1 4 Anything larger is unnecessary. Begin by computing the filter in the mean-square sense, namely without using any customization or regularization and see exactly what needs to be approved upon by viewing the frequency response functions and coefficients for each explanatory series Good performance of the trading signal in-sample and even out-of-sample in most cases is meaningless unless the coefficients have solid robust characteristics in both the frequency domain and the lag domain. I recommend beginning with tweaking the smoothness customization parameter expweight and the lambdasmooth regularization parameters first Then proceed with only slight adjustments to the lambdadecay parameters Finally, as a last resort, the lambda customization I really never bother to look at lambdacross It has seldom helped in any significant manner Since the data we are using to target and build trading signals are log-returns, no need to ever bother with i1 and i2 Those are for the truly advanced and patient signal extractors, and should only be left for those endowed with iMetrica. If you have any questions, or would like the high-frequency Yen data I used in these examples, feel free to contact me and I ll send them to you Until next time, happy extracting. Taking a quick glance at the ldfxyinsamp data, we see log-returns of the Yen at every 15 minutes starting at m arket open time zone UTC The target data Yen is in the first column along with the two explanatory series Yen and another asset co-integrated with movement of Yen. So in your file in input you use the log close-returns twice col1 and 2 and a another asset. Can you tell me more about this another asset cointegred how you find it. While it s not so obvious to determine a set of explanatory variables that will improve signal and trading performance, I developed a tool called fundamental frequency component analysis that helps me choose series with strong lag s correlations at certain frequencies I m interested in The method seems to work pretty well so far in my experience. Thanks Chris, have you planned other thread in the coming weeks. Yes, I have many new ideas for articles, and will be writing one soon I ve been busy the past couple months improving the methodology even more, making it even more robust for financial trading The problem is I start to give away too many of my secrets and wil l eventually lose my competitive advantage, so I need to remain a bit cryptic. What your favorites time frame 15 mins i think.15 minutes is a good range, the lower the frequency the better and more robust the signal will be However, in practice I m currently using 5 min returns with a proprietary trading firm in Chicago on Index Futures. You filtre the time in your data You trade only of 13 30pm until 20pm. You overnight trade.