2018выпуск C108-15
Форма распределения осциллятора для фильтров возврата к среднему
Тренд-фильтр возврата к среднему пригоден к использованию только после измерения его плотности вероятности. Spectral-analysis, zeros-oscillator, масштабирование по отклонению и fisher-gaussianizing меняют эту форму ещё до того, как записывается какое-либо торговое правило.
- Тренд-фильтр для возврата к среднему оценивает экстремумы по измеренной плотности вероятности, а не по привычным порогам осциллятора.
- Spectral-analysis передаточной характеристики и наклона амплитуды цены приводит к zeros-oscillator, который обнуляет составляющие DC и Найквиста и отбеливает спектр.
- Deviation-scaled-oscillator переводит сглаженный ряд zeros в локальные стандартные отклонения, чтобы последующие бины лежали на одной шкале.
- Fisher-gaussianizing может заменить почти равномерную гистограмму RSI колоколообразной плотностью, поэтому глубокое отрицательное пересечение можно трактовать как редкое событие фильтра.
Сначала измерьте плотность
Тренд-фильтр в этой конструкции — это фильтр возврата к среднему прогнозного типа. Экстремальные значения трактуются как маловероятные отклонения от измеренного центра, а не как сигналы следования за трендом.
Пригодные экстремумы зависят от измеренной плотности вероятности. Spectral-analysis, двухбарное дифференцирование, масштабирование сглаживателем и гауссианизирующее преобразование применяются, чтобы изменить эту форму ещё до того, как записывается какое-либо торговое правило.
Как накапливается плотность вероятности
Фильтр возврата к среднему можно построить, предполагая осциллятор с нулевым средним, помещая значение каждого бара в 30 бинов ниже нуля и 30 бинов выше нуля в диапазоне примерно от -3 до +3, накапливая эти счётчики по выборке и экспортируя гистограмму на последнем баре как эмпирическую плотность вероятности.
Как выглядела масштабированная плотность RSI
На дневном SPY с 1 января 2008 по 31 декабря 2017 RSI с настройками по умолчанию, масштабированный от -1 до +1, дал почти равномерную плотность с наклоном вверх, поэтому вероятность «перекупленного» значения превышала вероятность значения вблизи среднего более чем в два раза.
Редакция: TradersWeek не считает привычные пороги в стиле RSI 20/80 уже валидными событиями фильтра на этой форме, потому что измеренная плотность не концентрировала вероятность в центре.
Spectral-analysis и zeros-oscillator
Spectral-analysis исследует передаточную характеристику осциллятора и фрактальный наклон амплитуды цены, чтобы конструкция могла отбелить спектр, обнулить артефакты DC и Найквиста и оставить пригодную форму вероятности.
Zeros-oscillator — это двухбарная разность close-to-close, чья передаточная характеристика равна нулю при постоянной цене, то есть для составляющей DC, и равна нулю на периоде Найквиста в две выборки. Эта характеристика убирает лишние 6 dB высокочастотного шума простой однобарной разности и снижает алиасинг на выходе осциллятора.
Поскольку амплитуды рыночных циклов статистически растут примерно на +6 dB на октаву, а zeros-oscillator затухает примерно на -6 dB на октаву, эта двухбарная разность построена так, чтобы отбелить спектр цены, а не оставлять на выходе фильтра наклон амплитуды типа 1/f.
Построение deviation-scaled-oscillator
Deviation-scaled-oscillator строится так: ряд zeros пропускается через двухполюсный SuperSmoother, критический период которого равен половине длины входа, коэффициенты вычисляются на первом баре, затем сглаженный выход делится на RMS этого выхода за входной период, чтобы отображаемый ряд был в локальных стандартных отклонениях.
То же накопление 60-bin, -3-to-+3, что использовалось для RSI, можно добавить после масштабирования RMS, чтобы конструктор мог увидеть, концентрирует ли масштабированный ряд вероятность в центре.
Fisher-gaussianizing и событие фильтра
Нелинейное преобразование Fisher, используемое здесь как fisher-gaussianizing, может переводить широкий класс сигналов к почти гауссовскому колоколу. Применение этой конструкции, RocketRSI с размахами, ограниченными примерно плюс-минус тремя стандартными отклонениями, к той же 10-летней выборке SPY дало колоколообразную плотность вместо почти равномерной гистограммы RSI.
То же накопление 60-bin можно добавить и после шага Fisher, чтобы конструктор мог сравнить, концентрирует ли вероятность в центре исходный deviation-scaled-oscillator или ряд после отображения Fisher.
При почти гауссовском осцилляторе пересечение около -2 можно читать как выход из области, которая занимает лишь около 2.5% измеренной плотности. Эта измеренная доля и есть конструктивное обоснование трактовать пересечение как событие фильтра возврата к среднему, а не как порог RSI 20/80.
Все разборы дорожки · 21 разбор
- 1982Построение трендовых фильтров на скользящих средних, начиная со спектра
- 1990Вопросы толпы, которые переключают циклические режимы
- 1993Антитетические близнецы для компенсации смещения прогноза, связанного с началом отсчёта
- 1994Построение частотной характеристики по каскаду из трёх фильтров
- 1994Стендовая проверка сглаживателей по фазе и мощности цикла
- 1995Построение минимальных торгуемых циклов из спектрального шума
- 1995Спектральные пределы випсау для средней, пересекающей цену
- 1996Построение рыночной фазы из компонент dominant-cycle
- 2000Построение Hilbert-сквелч вентиля доминирующего цикла
- 2007Когда циклический режим не срабатывает: режимные гейты для спектральных сделок
- 2008Построение прогнозных базовых линий сингулярного спектра
- 2008Наслоение циклического гейта средней полосы на трендовый фильтр с короткой памятью
- 2011Инженерное спектральное обнаружение циклов и гармония скользящих средних
- 2011Оценка фиксированных осцилляторов относительно подвижного доминантного цикла
- 2011Чек-лист построения синусоиды доминирующего цикла
- 2012Сборка тепловой карты режима рынка из последовательных полосовых фильтров
- 2012Адаптивное выявление тренда по спектрам доминантного цикла
- 2015Построение ценовых траекторий из циклов и поддержки
- 2018Форма распределения осциллятора для фильтров возврата к среднему
- 2020Построение цикла по косинусной корреляции и трендового фильтра на фазоре
- 2020Построение движка рыночного состояния на основе корреляционного цикла