Построение адаптивных фильтров из равновзвешенных средних

Наглядный стартовый прогноз

Обучаемый прогноз можно ввести, начав с обычной конструкции скользящей средней и затем рассматривая её веса как настраиваемые. Скользящая средняя — это lookback-комбинация недавних цен, которая начинается с равных весов и даёт явный базовый одношаговый прогноз.

Стартовая конструкция присваивает каждому весу lookback одно и то же значение, равное единице, делённой на число членов. Одношаговый прогноз — это проецируемая цена следующего интервала выборки, сформированная как взвешенная комбинация самых недавних цен в этом lookback.

Оцените следующее наблюдение

Когда следующая цена известна, ошибка прогноза определяется как эта реализованная цена минус взвешенный прогноз. Ошибка прогноза — это разрыв между следующей реализованной ценой и взвешенным прогнозом, сформированным по предшествующему lookback.

Критерий, которым улучшают веса lookback, — тот же критерий, что используется в линейной регрессии. Пошаговые обновления весов можно выполнять в электронной таблице, чтобы конструкцию можно было проверять шаг за шагом.

Адаптивный фильтр — это прогноз, построенный от равных весов скользящей средней с последующим обновлением этих весов, чтобы снизить ошибку следующего периода на упорядоченном ценовом ряде. Веса lookback — это коэффициенты, применяемые к самым недавним ценам; они начинаются равными и могут адаптироваться после каждой наблюдаемой ошибки.

Контрастный циклический проектор

Конструкции адаптивного фильтра сравнивались с maximum-entropy spectrum analysis как альтернативные способы проецировать упорядоченный ценовой ряд. Maximum-entropy spectrum analysis — это частотный или циклический проектор, применяемый к тому же упорядоченному ряду как контрастная конструкция.

Этот циклический проектор описывался как более сложный в реализации, чем адаптивный фильтр. Сравнение касается двух способов сформировать проекцию, а не служит причиной скрывать равновзвешенную базовую конструкцию.