量化软件下载：赫兹量化中创建非滞后数字滤波器

最新推荐文章于 2024-10-06 21:45:11 发布

赫兹股票期货量化软件

最新推荐文章于 2024-10-06 21:45:11 发布

阅读量64

点赞数

文章标签：人工智能算法

本文链接：https://blog.csdn.net/Herzqt123/article/details/132037990

版权

群集滤波器

群集滤波器是接近初始序列的一组数字滤波器。不要将群集滤波器与群集指标混淆。

群集滤波器在实时分析非稳态时间序列 - 换言之，流数据 - 时十分方便。这意味着，这些滤波器的主要任务是实时获得接收到的新数据的最有可能的平滑值，而非平滑已知时间序列值。

与各种分解方法或所需频率的滤波器不同的是，群集滤波器创建初始序列的可能值的一个组合或一个范围，然后进一步分析以接近初始序列。输入序列在分析中更像是一个参考而不是目标。主分析涉及在处理接收到的数据后由一组滤波器计算得到的值。

编辑切换为居中

添加图片注释，不超过 140 字（可选）

图 1. 简单群集滤波器图解

一般情况下，群集中包含的每个滤波器有其各自的特性，并且不以任何方式相关。这些滤波器有时候定制用于分析它们自己的平稳时间序列，这描述了初始非平稳时间序列的个体属性。在最简单的情况下，如果初始非稳态序列改变其参数，滤波器则“切换”。因此，群集滤波器在本质上追踪实时更改。

群集滤波器设计程序

任何群集滤波器都可通过三个步骤设计：

1. 第一步通常是最难的一步，但接收到的流数据的概率模型就是在这一步中形成的。这些模型的数量可以任意大。它们不总是与影响可接近数据的物理过程相关。模型对可接近序列的描述越精确，获得非滞后群集滤波器的概率越高。

2. 在第二步，为每个模型创建一个或多个数字滤波器。在一个群集中加入滤波器的最普遍的情况是这些滤波器属于描述可接近序列的模型。

3. 因此，我们在群集中可以有一个或多个滤波器。从而，对于每个新的样本，我们具有采样值和一个或多个滤波器值。所以，对于每个样本，我们具有一个向量或由多个（至少两个）值组成的人工噪声。现在我们要做的只是选择最合适的值。

简单群集滤波器示例

为便于说明，我们将使用市场报价作为输入序列来实现与上图对应的简单群集滤波器。您可以使用任意时间表的收盘价。

1. 模型说明。我们接下来的工作将基于下述假设：

2. 选择数字滤波器。为简便起见，我们采用两个滤波器：

第一个滤波器将是一个基于最后两个收盘价计算的简单移动平均线。我相信它非常适合为我们的模型指定的第三个假设。
既然我们有了非平稳滤波器，我们也将尝试使用额外的滤波器，希望有助于识别时间序列的特性变化。我选择指数移动平均线，因为这个选项看上去合理并相当适合我。这是因为 EMA 要快于 MA 的事实，因此它不会引起相对于趋势的延迟并具有更好的噪音响应。EMA 同样将基于最后两个收盘价计算。

3. 为群集滤波器选择合适的值。

因此，对于每个新的样本，我们将具有样本值（收盘价）以及 MA 和 EMA 的值。根据为我们的模型指定的第二个假设，将忽略收盘价。此外，我们基于最后一个假设选择 MA 或 EMA 值，即保持趋势方向：

对于上升趋势，即 CF(i-1)>CF(i-2)，我们从下面四个变体中选择一个：如果 CF(i-1)<MA(i) 且 CF(i-1)<EMA(i)，则 CF(i)=MIN(MA(i),EMA(i))；如果 CF(i-1)<MA(i) 且 CF(i-1)>EMA(i)，则 CF(i)=MA(i)；如果 CF(i-1)>MA(i) 且 CF(i-1)<EMA(i)，则 CF(i)=EMA(i)；如果 CF(i-1)>MA(i) 且 CF(i-1)>EMA(i)，则 CF(i)=MAX(MA(i),EMA(i))。

对于下降趋势，即 CF(i-1)<CF(i-2)，我们从下面四个变体中选择一个：如果 CF(i-1)>MA(i) 且 CF(i-1)>EMA(i)，则 CF(i)=MAX(MA(i),EMA(i))；如果 CF(i-1)>MA(i) 且 CF(i-1)<EMA(i)，则 CF(i)=MA(i)；如果 CF(i-1)<MA(i) 且 CF(i-1)>EMA(i)，则 CF(i)=EMA(i)；如果 CF(i-1)<MA(i) 且 CF(i-1)<EMA(i)，则 CF(i)=MIN(MA(i),EMA(i))。