Transformación de wavelet para filtrar datos financieros en tiempo real para el eslonsal El análisis técnico completo basado en indicadores, la aplicación se realiza como la DLL de la Biblioteca Dinámica para la TradeRestación, a base ...
Descargar ahora

Transformación de wavelet para filtrar datos financieros en tiempo real para el eslonsal Clasificación y resumen

Transformación de wavelet para filtrar datos financieros en tiempo real para el eslonsal Etiquetas

establecido Es decir, basado biblioteca completa Análisis estructural dinámico. análisis dinámico Indicador técnico Análisis de programas dinámicos Análisis basado en la distancia Análisis de vuelo-dinámico. Análisis de archivos dinámicos de ECAT Residencia en Traducción basado en pensar

Transformación de wavelet para filtrar datos financieros en tiempo real para el eslonsal Descripción

El desarrollo de procesamiento de señal de informatización y señal digital deja mejorar. Indicadores clásicos esencialmente debido a la aplicación de métodos modernos de Procesamiento de la información a precios. Los indicadores comenzaron a suavizar mejor y retrasar. menos. Sin embargo, el Santo Grial ha fallado. Primero, los precios no están estacionarios, es decir,. Las características de los filtros son variadas durante el tiempo. Segundo, como diferente de problemas técnicos, el tipo de una señal y distribuciones de ruido para el El precio es desconocido, es decir, nadie sabe qué filtrar en realidad. Tercero, siendo Filtrado por medio de Fourier y los precios similares los precios cambian el anterior. Valores a la adición de los nuevos datos: recibimos tendencias ideales bajo un historial Datos, pero solo podemos cambiarlos de la mano derecha a la mano izquierda. La transformación de Fourier se basa en la representación de la serie inicial por el Suma infinita de sinusoides con una diversa fase, amplitud y frecuencia. Las transformaciones de Wavelet recientemente se adoptaron ampliamente en diversas áreas de datos. procesamiento en el que se representan la serie inicial como la suma de algunos localmente Funciones definidas llamadas Wavelets. Están construidos cambiando y vertical. y la escala horizontal de ciertas funciones prototipo. Wavelet Transformación, en esencia, es fractal que permite que el uso efectivo lo use en el análisis técnico. Primero, permite llevar a cabo el análisis multiescalo de Los precios, identifican objetivamente las tendencias en varias escalas por duración y amplitud, Comerciantes separados a varios grupos: Scalpers, Day Traders, Swing Comerciantes, Posiciones comerciantes y inversores a largo plazo. El análisis multiescalo puede ser Interpretado como el análisis en varios marcos de tiempo. Segundo, permite determinar El ruido como insuficiente para la recepción de la amplitud y frecuencia de ganancia. Movimiento de los precios que permiten efectivamente filtrar la serie de precios simplemente Restando los wavelets de la báscula más baja. Tercero, la filtración adicional. De ruido blanco sin demora es posible. Cuarto, se definen las tendencias a largo plazo. objetivamente. Quinto, las wavelets no contienen parámetros optimizados en construcciones para Indicadores estándar. Sexto, el tipo de wavelets usado está adaptado para lidiar con el Datos de tiempo ordenados y no se distorsiona en los últimos valores de precios. Séptimo, el La transformación de wavelet usada es muy efectiva computacionalmente que lo permite usarlo En tiempo real para los grandes masivos de datos de garrapatas. Octavo, es eficaz de usar wavelets como datos de entrada para redes neuronales y otros métodos de pronóstico y reconocimiento. Plataformas admitidas: Windows 95, Windows NT, Windows 2000, Windows XP, Windows 98, Windows Me

Transformación de wavelet para filtrar datos financieros en tiempo real para el eslonsal Software relacionado