التحلل التحليل في ستاتا - الفوركس

ميتاترادر ​​5 - الإحصاء والتحليل مقدمة في الأسلوب التجريبي طريقة التحلل مقدمة جميع العمليات الحقيقية التي يجب التعامل معها في الممارسة معقدة، كقاعدة، تتكون من عدد كبير من المكونات. على سبيل المثال، الطقس. عند تحليل مخططات الهطول، يجب أن نضع في اعتبارنا أنها تمثل التفاعل بين الكثير من العمليات المختلفة مثل التغيرات الموسمية، وعمليات التبريد الحراري العالمي، والتغيرات الحالية في المحيطات، وديناميات الأعاصير ومضادات التزلق، وكمية ثاني أكسيد الكربون المنبعثة في الغلاف الجوي، والطاقة الشمسية دورات النشاط، وما إلى ذلك القائمة يمكن أن تستمر إلى الأبد. لذلك من الصعب جدا تحليل مخطط من هذا النوع كمكوناته، عند التفاعل مع بعضها البعض، وقناع وتشويه الانتظامات التي نود تحديدها. ويؤدي ذلك إلى رغبة مشروعة في كسر العملية قيد النظر في المكونات الفردية وتحليل كل عنصر من المكونات على حدة. ويساعدنا تحليل المكونات الفردية والنظر في المساهمة التي تقدمها في العملية الجارية على فهم أفضل للعملية الجارية، وكذلك على سبيل المثال، وزيادة موثوقية التنبؤ. وليس هناك استثناء عندما يتعلق الأمر بمعلومات مختلفة عن التداول، بما في ذلك أسعار العملات التي تتشكل أيضا على أساس عدد كبير من العوامل المختلفة. وهذا هو السبب في أنه من الطبيعي جدا أن نتوقع أن تقسيم مقدما إلى المكونات الفردية يمكن أن يسهل إلى حد كبير مزيد من التحليل. ويعني مصطلح التحلل رسميا تقسيم عملية مركبة أو مادة مركبة إلى مكونات مكونة منفصلة. ولكن في العديد من المجالات المتعلقة بتحليل العمليات المختلفة وتحليل الإشارات وتحليل أنواع مختلفة من التسلسلات، وما إلى ذلك، استخدم هذا المصطلح منذ وقت طويل بمعنى أوسع، مما يشير في كثير من الأحيان إلى عدم تقسيمها إلى المكونات الأولية الفعلية، بل إلى تقسيمها إلى وظائف معينة التي لم تكن موجودة بالفعل عند تشكيل البيانات الأولية. هذه الوظائف هي نوع من شكل مصطنع في عملية تحليل البيانات ولكن على الرغم من أصلها الاصطناعي أنها تسمح لتحليل أعمق للبيانات تساعد على تحديد أنماط مخفية. ويمكن أن تعزى الغالبية العظمى من الأساليب المستخدمة في تحليل السوق صراحة أو ضمنا إلى الأساليب التي تحدد مكونات معينة من العملية المحسوبة، أي أساليب التحلل. دعونا نستعرض بعضهم بإيجاز. 1. التحلل هناك الكثير من أساليب التحلل المختلفة التي يمكن تطبيقها عمليا على تسلسل معين قيد النظر. قد يكون لهذه الأساليب نهجا رياضيا أو تجريبيا مختلفا، ودرجة مختلفة من التعقيد ومجالات مختلفة للتطبيق. على سبيل المثال، حتى تحليل السوق الأساسية يمكن - على امتداد معين - تعتبر واحدة من أساليب التحلل. يتناول هذا التحليل التأثير الناتج عن مجموعة من األحداث األولية التي تؤثر بشكل مباشر على ظروف السوق. وبعبارة أخرى، يتم تحليل عملية السوق المحسوبة ضمنا في عدد من الأحداث التي تجعل منه. ولن يتم تناول القضايا المتعلقة بالتحليل الأساسي في وقت لاحق. وسوف نفترض أن أي معلومات إضافية عن العملية قيد النظر ليست متوفرة ما لدينا هو تسلسل يمثل سلوك عملية معينة ويمكن توضيح مثال أبسط التحلل من خلال تحلل تسلسل إلى عدة مكونات باستخدام المعتاد جيدا، طرق معروفة. على سبيل المثال، نحن رسم ما على الرسم البياني لأي زوج العملات. ثم طرح المنحنى الناتج من التسلسل الأولي. ونتيجة لذلك، سوف نحصل على عنصرين من تسلسل الأولي، ومنحنى ما والمخلفات. نفس الإجراء، إلا باستخدام ما لفترة أطول ما، عند تطبيقها على بقايا الحصول عليها، سوف يؤدي إلى ثلاثة مكونات - اثنين من منحنيات ما وبقايا التحويل. كما ترون، يمكن بسهولة ترتيب عملية التحلل باستخدام أي وسيلة متاحة. النقطة الكاملة تكمن في خصائص نتائج هذه العملية. ومن بين أساليب التحليل والتحليل الطيفي المعروفة جيدا، فإن تحويل فورييه جدير بالذكر هنا. وينتمي تحويل فورييه إلى فئة التحولات المتعامدة التي تستخدم وظائف أساس التوافقية الثابتة. ويمكن أن تظهر نتيجة تحويل فورييه كتحليل للعملية الأولية إلى وظائف متناسقة ذات ترددات ثابتة واتساعات. لاحظ نقطتين ذات أهمية خاصة بالنسبة لنا. أولا، يتم إجراء التحويل دائما في أساس ثابت محدد مسبقا من الوظائف المتعامدة. أي أن أساس التحويل لا يعتمد على طبيعة التتابع المتحول. ثانيا، قيم الاتساع والتردد للمكونات التوافقية الناتجة ثابتة. أي أن قيمها ثابتة على التسلسل الأولي بأكمله. وهذا يعني أنه إذا تغيرت طبيعة تسلسل أولي معين على مدى فترة قيد النظر، فلن تنعكس هذه التغييرات في نتائج التحويل. النتائج التي تم الحصول عليها في هذه الحالة سوف تعكس فقط حالة متوسطة معينة للعملية لأن هذا التحويل يقوم على افتراض ثبات البيانات الأولية. ولتجنب القيود المرتبطة بعدم وجود تسلسل أولي، يمكننا الانتقال من تحويل فورييه إلى تحويل المويجات. تحويل المويجات، مثل تحويل فورييه، يؤدي التحلل في أساس ثابت من الوظائف. وعلى عكس تحويل فورييه، يجب أن يكون هذا الأساس محددا مسبقا، أي أن المويجات المستخدمة في التحويل يجب أن تختار. وعلاوة على ذلك، وعلى النقيض من تحويل فورييه، فإن كل مكون ناتج عن تحويل المويجات له معلمات تحدد حجمه ومستواه بمرور الوقت، وهو ما يحل المشكلة المرتبطة باحتمال عدم وجود قطبية لعملية تحليلها. وقد تلقت تحويل فورييه وتحويل المويجات على حد سواء اعترافا واسعا بسبب التقنيات الرياضية راسخة المستخدمة وخوارزميات التنفيذ الفعال المتاحة. إلى جانب ذلك، كلا التحولين يبدو أن تنوعا تماما ويمكن تطبيقها بنجاح في مجالات مختلفة. ولكن لأغراض عملية، سيكون من الجيد أن يكون هناك تحويل لا يسمح فقط للتعامل مع العمليات غير الثابتة ولكن أيضا استخدام أساس تحويل التكيف التي تحددها البيانات الأولية. هذا النوع من التحويل موجود، وسيتم النظر فيه بإيجاز أدناه وبالتالي معالجة الموضوع الرئيسي لهذه المقالة. 2. تحليل الوضع التجريبي تم اقتراح التحلل الوضع التجريبي (إمد) كجزء أساسي من تحويل هيلبرثوانغ (هت). يتم تحويل هيلبرت هوانغ بها، إذا جاز التعبير، في 2 مراحل. أولا، باستخدام خوارزمية إمد، نحصل على وظائف الوضع الجوهري (إمف). ثم، في المرحلة الثانية، يتم الحصول على الطيف الترددي لحظية للتسلسل الأولي من خلال تطبيق تحويل هيلبرت إلى نتائج الخطوة أعلاه. ويسمح هت بالحصول على الطيف الترددي الآني للتتابعات غير الخطية وغير المستقرة. ويمكن بالتالي معالجة هذه التتابعات أيضا باستخدام أسلوب التحليل التجريبي. ومع ذلك، فإن هذه المادة لن تغطي التآمر من الطيف الترددي لحظية باستخدام تحويل هيلبرت. وسوف نركز فقط على خوارزمية إمد. وعلى النقيض من تحويل فورييه والتحويل المويجي المذكورين سابقا، فإن إمد تتحلل أي بيانات معينة إلى وظائف النمط الجوهري (إمف) التي لم يتم تحديدها تحليليا وبدلا من ذلك يتم تحديدها بواسطة تسلسل تم تحليله وحده. وتستند وظائف الأساس في هذه الحالة بشكل تكيفي مباشرة من بيانات المدخلات. يجب على صندوق النقد الدولي الناجم عن إمد أن يفي بالمتطلبات التالية فقط: يجب أن يكون عدد المبلغ الإضافي لصندوق النقد الدولي (مجموع الحد الأقصى والحد الأدنى) وعدد المعابر الصفرية متساويا أو مختلفا على الأكثر في أي نقطة من نقاط صندوق النقد الدولي تكون القيمة المتوسطة للمغلف الذي يحدده الحد الأقصى المحلي والمظروف المحدد بالحد الأدنى المحلي صفر. نتائج التحلل في عائلة تردد أمرت مكونات صندوق النقد الدولي. ويحتوي كل صندوق من صناديق النقد المتعاقبة على تذبذبات تردد أقل من التذبذب السابق. وعلى الرغم من أن مصطلح المصطلح ليس صحيحا تماما عند استخدامه فيما يتعلق بصندوق النقد الدولي، فإنه ربما يكون الأنسب لتحديد طبيعته. والشيء هو أنه على الرغم من أن صندوق النقد الدولي له طبيعة متذبذبة، فإنه يمكن أن يكون متغير السعة والتواتر على طول محور الزمن. من الصعب جدا تصور نتائج الأداء خوارزمية إمد استنادا إلى وصف وحده لذلك دعونا المضي قدما في تنفيذ البرامج التي من شأنها أن تعطينا فرصة للتعرف على خصوصيات الخوارزمية. 3. خوارزمية إمد الخوارزمية كما اقترحها هوانغ تقوم على إنتاج مظاريف ناعمة محددة من قبل الحد الأقصى المحلي والحد الأدنى للتسلسل والطرح اللاحق لمتوسط ​​هذه المظاريف من التسلسل الأولي. ويتطلب ذلك تحديد جميع السبل المحلية التي ترتبط بشكل أكبر بخطوط الخطوط المكعبة لإنتاج المغلفين العلوي والسفلي. ويوضح الشكل 1 طريقة رسم المظاريف في الشكل 1. الشكل 1: رسم المظاريف ومتوسطها يعطي الشكل 1 التتابع المحلل في الخط الأزرق الرقيق. يظهر الحد الأقصى والحد الأدنى للتسلسل باللونين الأحمر والأزرق، على التوالي. وتعطى المغلفات باللون الأخضر. يتم حساب المتوسط ​​على أساس اثنين من المغلفات ويظهر في الشكل 1 كخط متقطع. وتطرح القيمة المتوسطة المحسوبة على هذا النحو من التسلسل الأولي. تؤدي الخطوات المذكورة أعلاه إلى استخراج الوظيفة التجريبية المطلوبة في التقريب الأول. وللحصول على صندوق النقد الدولي النهائي، يجب تحديد الحد الأقصى والحد الأدنى الجديد وتكرار جميع الخطوات المذكورة أعلاه. وتسمى هذه العملية المتكررة غربلة. وتكرر عملية غربلة حتى يتم الوفاء معيار معين توقف توقف. اختيار معايير التوقف غربلة هي واحدة من النقاط الرئيسية التي تؤثر على نتيجة التحلل ككل. وسوف نعود إلى مناقشة هذه المسألة بعد قليل. إذا تم الانتهاء من عملية الغربلة بنجاح، سوف نحصل على صندوق النقد الدولي الأول. ويمكن الحصول على صندوق النقد الدولي التالي بطرح صندوق النقد الدولي المستخرج سابقا من الإشارة الأصلية وتكرار الإجراء الموصوف أعلاه مرة أخرى. ويستمر ذلك حتى تستخرج جميع صناديق النقد الدولي. عملية غربلة عادة توقف عندما بقايا، على سبيل المثال، لا يحتوي على أكثر من اثنين من إكستريما. كما يمكن أن يرى، فإن الإجراء التجريبي وضع التحلل وصفها لا يقوم على حسابات رياضية صارمة ولكن هو تجريبي حقا إلى حد ما، وبالتالي تبرر تماما اسمها. على الرغم من بساطة ووضوح الخوارزمية المذكورة أعلاه كما اقترحها هوانغ، هناك عدد قليل من النقاط التي يمكن اعتبارها الجانب السلبي. وتقدم منشورات مختلفة عن هذا الموضوع استعراضات مفصلة لنقاط ضعفها، فضلا عن طرق تحديث خوارزمية هوانغ. هذه المقالة لن تركز على التحديثات الممكنة من هذه الطريقة ولكن سوف تظهر ببساطة محاولة لخلق تنفيذ برامجها. وسوف يرد أدناه موجز موجز لخصائص التنفيذ. 4. فئة سيمديكومب تم إنشاء فئة سيمديكومب تنفيذ خوارزمية إمد استنادا إلى منشورات الإنترنت المخصصة للتحويل هيلبرت-هوانغ وتحلل الوضع التجريبي. الخوارزمية المنفذة هي مشابهة جدا إلى حد كبير للخوارزمية المقترحة في البداية من قبل هوانغ ولا تحتوي على أي تعديلات رئيسية. في ما يلي مقتطف من التعليمات البرمجية المصدر التي يمكن العثور عليها في ملف CEMDecomp. mqh في نهاية المقالة. دعونا نلقي نظرة على المتغيرات والأساليب العامة المعلنة في فئة سيمديكومب. N هو عدد العناصر في التسلسل. يتم إنشاء قيمة المتغير N بعد استدعاء الأسلوب ديكومب () ويساوي طول تسلسل الإدخال. وسيكون لصندوق النقد الدولي المستخرج نفس الحجم. متوسط ​​هو متوسط ​​قيمة تسلسل المدخلات. يتم إنشاء القيمة بعد استدعاء الأسلوب ديكومب (). نيمف هو عداد صندوق النقد الدولي. بعد استدعاء ديكومب ()، أنه يحتوي على عدد من صندوق النقد الدولي المستخرجة بالإضافة إلى اثنين. وهكذا، تشير هذه القيمة إلى عدد المكونات التي يمكن قراءتها باستخدام طريقة جيتيمف (). ومع ذلك، فإن مكون مع 0 مؤشر يحتوي دائما على تسلسل الأولي الذي يتم طرح قيمته المتوسطة، في حين أن مكون مع مؤشر نيمف سوف تحتوي على بقايا التحلل. ماكسيمف هو الحد الأقصى المسموح به من صندوق النقد الدولي. وسيتوقف تحلل تسلسل المدخلات في صندوق النقد الدولي المنفصل، عندما يصل عدد صندوق النقد الدولي إلى قيمة ماكسيمف. يمكن تعيين قيمة هذا المتغير قبل استدعاء الأسلوب ديكومب (). القيمة الافتراضية هي 16. ماكسيتر هو الحد الأقصى لعدد التكرارات المسموح بها في عملية غربلة. إذا بلغ عدد التكرارات في عملية غربلة هذه القيمة، فإن غربلة تتوقف بغض النظر عما إذا كان أو لم يتم تحقيق الدقة المطلوبة. يمكن تعيين قيمة هذا المتغير قبل استدعاء الأسلوب ديكومب (). القيمة الافتراضية هي 2000. فيكسيديتر هو العلم الذي يحدد معيار التوقف في غربلة. إذا كانت قيمة فيكسيديتر صفر، فإن عملية غربلة كل صندوق النقد الدولي تتوقف بمجرد تحقيق دقة معينة. وقد يتفاوت عدد التكرارات المطلوبة لتحقيق الدقة المحددة لاستخراج مختلف صناديق النقد الدولي. إذا تم تعيين فيكسيديتر إلى واحد، سيتم استخراج صندوق النقد الدولي دائما في 10 التكرارات. يمكن تعيين قيمة هذا المتغير قبل استدعاء الأسلوب ديكومب (). القيمة الافتراضية هي 0. ديكومب (أمبي مزدوج) هي طريقة الطبقة الرئيسية التي تنفذ التحلل. يتلقى إشارة إلى مصفوفة تحتوي على بيانات المدخلات، كمعلمة الإدخال. وعند الانتهاء بنجاح، يكون المتغير N مساويا لطول صفيف الإدخال. وسيكون لصندوق النقد الدولي المستخرج نفس الحجم. سوف يكون المتغير المتوسط ​​مساويا لقيمة متوسط ​​تسلسل المدخلات، بينما يكون المتغير نيمف مساويا لعدد المكونات التي يمكن قراءتها باستخدام طريقة جيتيمف (). جيتيمف (مزدوج أمبكس، إنت ن) يعمل على ضمان الوصول إلى النتائج التي تم الحصول عليها باستخدام طريقة ديكومب (). عنوان المصفوفة حيث يتم تمرير المكون مع الرقم الذي تم تعيينه بواسطة ن إلى تمرير كمعلمة إدخال. ومع ذلك، فإن مكون مع 0 مؤشر يحتوي دائما على تسلسل الأولي الذي يتم طرح قيمته المتوسطة، في حين أن مكون مع مؤشر نيمف سوف تحتوي على بقايا التحلل. إذا كان طول الصفيف الذي تم تمريره كمعلمة يتضح أنه أصغر من طول المكونات الناتجة، فسيتم ملء الصفيف بقدر طوله المسموح به. يمكن توضيح استخدام فئة سيمديكومب من خلال المثال التالي: مثال كامل للتحلل عرض صندوق النقد الدولي المستخرجة من خلال واجهة ويب يمكن العثور عليها في أرشيف CEMDecomposition. zip في نهاية المقالة. لتشغيل هذا المثال، يجب فك أرشيف المحدد ووضع الدليل سيمديكومبوسيتيون كله جنبا إلى جنب مع محتوياته في دليل المؤشرات أو البرامج النصية من المحطة الطرفية. بعد ذلك، يمكنك تجميع وتشغيل البرنامج النصي EMDecompTest. mq5. نضع في اعتبارنا أن استخدام المكتبات الخارجية في المحطة يجب أن يسمح بذلك. ويبين الشكل 2 مثال آخر يضم تحلل أوسجبي يقتبس اليومية مع طول تسلسل من 100 عنصر. ويمكن ملاحظة أن تحلل هذا التسلسل أدى إلى استخراج أربعة من صناديق النقد الدولي والمخلفات. الشكل 2. تحلل تسلسل أوسجبي ونقلت اليومية، حيث N100 يتم عرض جميع المخططات في الشكل 2 في نفس النطاق مما يسمح لتقييم مساهمة كل من صندوق النقد الدولي المستخرجة. ولكن هذه الطريقة للتآمر لا يمكن أن تعطي صورة واضحة بما يكفي لرؤية خصوصيات كل من صندوق النقد الدولي. ويبين الشكل 3 نفس النتائج، فقط باستخدام وضع السيارات التحجيم لكل من الرسوم البيانية. الشكل 3. تحلل تسلسل أوسجبي ونقلت اليومية، حيث N100. وضع التحجيم التلقائي وعلى الرغم من أن الشكل 3 لا يعرض العلاقة الفعلية من اتساع المكونات الفردية، واستخدام وضع التحجيم السيارات يسمح لتصور أكثر تفصيلا من كل واحد منهم. 5. ملاحظات على التنفيذ المقترح للخوارزمية إمد أول شيء أود أن ألفت انتباهكم إليه هو طريقة لتحديد الحد الأقصى والحد الأدنى للتسلسل الأولي. في هذه الحالة، هناك خياران متاحان. ويبين الشكل 4 نتائج أداء الخوارزمية لتحديد مدى السرعة. الشكل 4 - تحديد السبل. الخيار الأول عندما يتعلق الأمر بتحديد الحد الأقصى أو الدالة الدنيا للدالة، تكون الخوارزمية الأكثر شيوعا هي كما يلي: تتم مقارنة قيمة العنصر الحالي من التتابع مع القيم السابقة واللاحقة إذا كانت القيمة الحالية أكبر من القيمة السابقة والقيمة اللاحقة، يتم تعريفها على أنها القيمة القصوى للوظيفة إذا كانت القيمة الحالية أصغر من القيمة السابقة والقيمة اللاحقة، فإنها تعرف كحد أدنى للوظيفة بالنسبة إلى التتابعات ذات الاستبانة المحددة بوضوح، فإن تحديد الحد الأقصى والحد الأدنى لا تنطوي على أي صعوبة. قدمت الخوارزمية الأعمال على ما يرام. وتظهر هذه الحالة في النصف الأول من الرسم البياني هو مبين في الشكل 4. ومع ذلك فإن هذه الخوارزمية لن تستجيب إلى قمم مسطحة حيث أقرب قيم تسلسل متساوية. ولو تم استخدام الخوارزمية المقدمة، فإن الحد الأقصى الأخير والحد الأدنى الأخيرين الأخيرين المبينين في الشكل 4 لم يتم تحديدهما قط. فمن ناحية، كان من المتوقع أن تكون هذه النتيجة متوقعة وصحيحة. ولكن من ناحية أخرى، وبالقياس إلى العمليات التذبذبية، إذا وقعت عبور الصفر، فإن هذه السرعة قد تم إغفالها. وليس من الواضح تماما ما إذا كان يمكن اعتبار القمم المسطحة لتسلسل مستطيل أو أجزاء من قيم تسلسل متساوية إكستريما. ومع ذلك، فإن الخوارزمية المستخدمة لتحديد إكستريما عند تنفيذ فئة إمديكومب هو نسخة محسنة من الخوارزمية المذكورة أعلاه. ويمكن ملاحظة نتائج أدائها في الشكل 4. تحدد هذه الخوارزمية فترات مع قيم تسلسل متساوية كما إكستريما ويضع نقاط من الطرف المتطرف في منتصف هذه الفترات. يتم استخدام خوارزمية لتحديد الحد الأقصى والحد الأدنى الذي تظهر نتائج الأداء في الشكل 4 في فئة سيمديكومب لحساب عدد إكستريما عند تحديد النقطة التي يجب أن تتوقف دورة التحلل. على سبيل المثال، إذا كان صندوق النقد الدولي المستخرجة ليس له أي حد، فإن التحلل يتوقف ويخرج من صندوق النقد الدولي. وإذا استعملت خوارزمية تحديد الهوية هذه عند رسم المظاريف، ففي الحالات التي يأخذ فيها تسلسل المدخلات، على سبيل المثال، الشكل كما هو مبين في الشكل 4، ستمثل المغلفات الناتجة بخطين متوازيين مستقيمين. وسوف تفشل عملية غربلة أيضا في تحويل تسلسل المدخلات وهذا تسلسل المدخلات، بدورها، لن تكون مناسبة للتحلل إلى مكونات. وهناك طريقة للخروج من هذا الوضع يمكن العثور عليها في استخدام خوارزمية مختلفة إلى حد ما لتحديد إكستريما لرسم المظاريف. ويبين الشكل 5 النتائج التي تم الحصول عليها باستخدام هذه الخوارزمية البديلة لتحديد إكستريما. الشكل 5. تحديد إكستريما. الخيار الثاني دعونا نلقي نظرة فاحصة على الشكل 5. على عكس الشكل 4، فإنه يظهر النقاط الخضراء كونها ماكسيما والحد الأدنى في نفس الوقت. إذا تم رسم المظاريف على أساس هذه إكستريما، فإنها لن تكون خطوط متوازية مباشرة والمكونات المخفية من تسلسل مستطيلة ستكون متاحة لمزيد من الاستخراج في عملية غربلة. مثال جيد على ما سبق يمكن أن يكون حالة الاختبار الموجود في أرشيف CEMDecomposition. zip في نهاية المقال. لسوء الحظ، هذا النهج لا يحل جميع المشاكل المتعلقة باستخراج المكونات المخفية. على سبيل المثال، لا يمكن استخراج المكونات المخفية بهذه الطريقة لتسلسل الثلاثي. هذه الحقيقة يمكن أن تكون واحدة من سلبيات تنفيذ هذا خوارزمية إمد. ويمكن معالجة هذا الوضع الصعب على الأرجح من خلال التحول إلى سيمد (طريقة التكامل التجريبي لطريقة المجموعة التكميلية) للتحليل الذي لم تتم مراجعته في هذه المقالة. وبصرف النظر عن الخصائص المرتبطة بتنفيذ خوارزميات لتحديد إكستريما، ينبغي إيلاء الاهتمام أيضا لمشكلة الآثار النهائية نموذجية من هذا النوع من الخوارزميات. للتفصيل على ما سبق، دعونا ننتقل إلى الشكل 1. ويبين الشكل 1 بوضوح أن ماكسيما متصلة بواسطة مكعبة استيفاء وظيفة الخطي كما المغلف العلوي. ومع ذلك، ينبغي تعريف المغلف للأقسام الموجودة على يمين الحد الأقصى الأول وعلى يمين الحد الأقصى الأخير. ومن المرجح أن تحدد الطريقة التي يمتد بها هذا المغلف طبيعة صندوق النقد الدولي المستخرج إلى جانب غاياته. دون الدخول في الكثير من التفاصيل من تنفيذ البرنامج من نهاية تأثير التصحيح، يتم جلب هذه الحقيقة ببساطة إلى انتباه القراء. وينبغي أن نلاحظ كذلك أن طبيعة وعدد صندوق النقد الدولي المستخرج يمكن أن يعتمد على الطريقة المختارة لوقف دورة الغربلة وسيعتمد عليها. الطبقة سيمديكومب يستخدم حساب نسبة تشير إلى مدى الفرق في صندوق النقد الدولي الحالي على النحو الذي يحدده دورة الغربلة الأخيرة باعتبارها الطريقة الرئيسية التي تعمل على وقف عملية غربلة. إذا كان الغربلة ليس لها أي تأثير تقريبا على صندوق النقد الدولي غير معروف، توقفت عملية غربلة ويعتبر صندوق النقد الدولي أن تنتج. يتم تحديد قيمة محددة افتراضيا تحديد دقة استخراج صندوق النقد الدولي في منشئ الفئة. بعد تعيين القيمة الافتراضية الحد، وعدد من التكرار غربلة يمكن أن تصل في بعض الأحيان 200 وحتى 300. في المنشورات حول هذا الموضوع، العديد من الكتاب يحذرون من استخدام مثل هذا العدد الكبير من غربلة التكرارات. ومع ذلك فقد تقرر استخدام هذه القيمة التقييدية الافتراضية في تنفيذ خوارزمية إمد. هذا التطبيق من خوارزمية إمد يسمح باستخدام معيار توقف آخر. لهذا الغرض، يجب تعيين فيكسيديتر متغير إلى 1 قبل استدعاء الأسلوب ديكومب (). في هذه الحالة، سيتم استخراج جميع صناديق النقد الدولي دائما في 10 تكرارات غربلة. ومن السهل أن نرى أن نتائج التحلل التي تم الحصول عليها باستخدام هذا المعيار ستوباج ستكون مختلفة بعض الشيء مقارنة مع تلك الطريقة الافتراضية. 6. تطبيق خوارزمية إمد منذ خوارزمية إمد كان في البداية جزءا من تحويل هيلبرت-هوانغ، حساب الطيف الترددي لحظية من تسلسل يمكن أن يكون بمثابة مثال يدل على تطبيق هذه الخوارزمية. وهذا ينطوي على أداء تحويل هيلبرت على مكونات صندوق النقد الدولي المستخرجة باستخدام إمد. ومع ذلك لا يتم النظر في هذا الإجراء في هذه المقالة. وبصرف النظر عن حساب الطيف، خوارزمية إمد يمكن استخدامها لتسلسل تسلسل. ويبين الشكل 6 مثالا على هذا التمهيد. الشكل 6. تمهيد تسلسل الإدخال تم اختيار جزء تعسفي من أوسشف يوميا يقتبس تتكون من 100 فتح القيم السعر للتمهيد. وفي عملية التحلل، تم الحصول على أربعة من صندوق النقد الدولي والمخلفات. وتمت إضافة جميع صناديق النقد الدولي باستثناء المخزونات الأولى إلى المخلفات. وهكذا، استبعد المكون الأعلى تردد الذي تم العثور عليه من تتابع المدخلات. إذا تجاهلنا المكونين الأولين عند إضافتها، فإن المنحنى الناتج سيكون أكثر سلاسة. مثال آخر لتطبيق إمد يمكن أن يكون توليد توقعات استنادا إلى صناديق النقد الدولي المستخرجة من تسلسل المدخلات. لتوليد توقعات، يمكنك استخدام أي استقراء حيث يتم إنشاء توقعات لكل من صندوق النقد الدولي والمخلفات على حدة. ثم تضاف التنبؤات الناتجة بهذه الطريقة حتى تنتج نتيجة التنبؤ المطلوبة لتسلسل المدخلات. وبالنظر إلى الطبيعة التذبذبية لصندوق النقد الدولي الفردي، يمكننا أن نفترض أنه من أجل توليد توقعات، سيكون من المعقول استخدام وحدات استقراء مع مراعاة السلوك الدوري لتسلسل التنبؤات. وفي حالتنا، سنستعرض مثالا على تشغيل عملية استقراء أبسط حيث سيتم إنشاء توقعات لكل صندوق من صناديق النقد الدولي باستخدام استقراء خطى مستقيمي من 10 خطوات. وترد نتيجة هذا التنبؤ في الشكل 7. الشكل 7. توليد التنبؤات بالنسبة لقيمة الدولار مقابل الفرنك السويسري، ونقلت H4 وتجدر الإشارة إلى أنه عند توليد التنبؤ، يمكن التخلص من واحد أو أكثر من مكونات الترددات الأعلى. وبالتالي، يمكن التخفيف من تأثير الضوضاء عالية التردد على التنبؤ. ويظهر الشكل 7 نتيجة التوقعات التي تستثني صندوق النقد الدولي الأول. ولم يتم تقييم إمكانية التنبؤ بهذه الطريقة في هذه الحالة. لم يتم تقديم تحليل مفصل لأساليب التنبؤ التي تقوم على تحليل الوضع التجريبي هنا حيث يقع هذا الموضوع خارج نطاق هذه المقالة. ولا يسعنا إلا أن نذكر أن الانعطاف أيضا. بعد الحصول على مكونات تسلسل الفردية باستخدام إمد، خوارزمية مرنة إلى حد ما يمكن تطوير ل ديترندينغ. ويمكن اعتبار بقايا التحلل أو المخلفات المضافة إلى واحد أو أكثر من صناديق النقد الدولي المستخرجة كتوجه. وقد يختلف عدد صنادیق صندوق النقد الدولي المشارکین في إنشاء خط الاتجاه جنبا إلی جنب مع المخلفات تبعا لعدد مکونات التردد المنخفض المطلوبة للبقاء في تسلسل بعد الانحراف. وهكذا، من أجل التغلب على ذلك، يكفي أن نضيف كل صندوق النقد الدولي المستخرجة نتيجة للتحلل، باستثناء المكون الأخير أو عدة مكونات أخيرة. ويمكن بسهولة الجمع بين هذا الإجراء مع تجانس النتيجة التي تم الحصول عليها، إذا تم استبعاد عنصر أعلى تردد أيضا من عملية إضافة المكونات. ويبين الشكل 8 مثالا للتجليب باستخدام التقنية المذكورة أعلاه. الشكل 8. التجول جنبا إلى جنب مع تمهيد A تسلسل من اليورو مقابل الدولار الأميركي، وقد اتخذت يقتبس اليومية والبيانات الأولية. بعد التحلل، تمت إضافة جميع المكونات المستخلصة، باستثناء بقايا التحلل، وآخر وآخر صندوق النقد الدولي. ونتج عن ذلك ليس فقط في ديترندينغ ولكن أيضا في تمهيد معين من المنحنى الناتج. ومن المؤكد أن مجال تطبيق الأسلوب التجريبي للتحلل بأسلوب لا يقتصر على الأمثلة البسيطة الواردة في هذه المادة. ولكن نظرا لأن هذه المقالة تركز بشكل أكبر على قضايا تنفيذ طريقة إمد على هذا النحو، بدلا من تطبيقها، فلننظر في الأمثلة الواردة أدناه. الشكل 9 الذي يدل على نتيجة التحلل التي تم الحصول عليها باستخدام المعلمات المحددة في CEMDecomp. mqh بشكل افتراضي يمكن أن تكون بمثابة توضيح إضافي من الوظائف التي يوفرها هذا التنفيذ لطريقة إمد. ويستند هذا المثال إلى استخدام عروض أسعار شوس H4. طول التسلسل هو 150 عنصر. الشكل 9. مثال التحلل باستخدام شوسد H4 يقتبس تطبيق المقياس التلقائي على كل من المكونات في الشكل 9. الخاتمة تذكر أن طريقة التحلل التجريبي، وكذلك تحويل هيلبرثوانغ، تهدف إلى تحليل البيانات من العمليات غير الخطية وغير الخطية. وهذا لا يعني أن هذا النهج لا يمكن تطبيقه على التسلسلات الخطية والثابتة. تم تناول بعض الأساليب المستخدمة في خوارزميات التحلل لفترة وجيزة في بداية المقالة. وقد ذكر أن غالبية هذه الخوارزميات تتحلل تسلسل إلى مكونات لا تمثل في الواقع العمليات الأولية التي تشكل في الواقع التسلسل قيد النظر. هذه المكونات هي في بعض الطريقة الاصطناعية استخراجها يساعد فقط على فهم أفضل لهيكل تسلسل المدخلات وفي كثير من الحالات يسمح لتسهيل تحليلها. طريقة إمد ليست استثناء. يجب ألا تفكر أبدا أن المكونات التي تم الحصول عليها باستخدام هذه الطريقة تعكس العمليات الفعلية الفعلية التي تم تشكيلها في البداية البيانات التي تم تحليلها أصلا. وقد يتطلب التنفيذ المقترح في هذه المادة مزيدا من الاختبار والتحسين لأنه لا يمكن اعتباره مثاليا. غير أن الهدف الرئيسي من هذه المادة هو تعريف القارئ بطريقة إمد وبعض الخصائص المتعلقة بتنفيذها. تلخيص الامور. يتناول المقال بإيجاز شديد بعض القضايا العامة ذات الصلة بالتحلل في بضع كلمات فإنه يحدد جوهر الأسلوب التجريبي طريقة التحلل يتم عرض قائمة ووصف موجز للطبقة الطبقة سيمديكومب حيث يتم تنفيذ طريقة إمد مثال للتفاعل مع الطبقة سيمديكومب أيضا يدل على كيفية استدعاؤها أساليبها وتعطى بعض الخصائص الخاصة للتنفيذ المقترح لطريقة إمد وهناك بضعة أمثلة بسيطة يدل على تطبيق طريقة إمد في تحليل البيانات وتقدم في نهاية المقالة، يمكنك العثور على ملف CEMDecomp. mqh تنفيذ الأسلوب إمد، فضلا عن أرشيف EMDecomposition. zip التي تحتوي على حالة الاختبار الكامل يضم استخدام فئة سيمديكومب. المراجع تم نشر المقال الأصلي في 28 يونيو 2012. وقدم هذا الملحق في 5 يوليو 2012. وتقدم طريقة بديلة إمد طريقة إضافة إلى هذه المادة. يتم عرض هذا التنفيذ كطبقة سيمد ووضعها في ملف CEMD2.mqh المرفقة أدناه. طريقة جيدة حقا للعثور على دورية في أي سلسلة منتظمة من البيانات هو لتفقد طيفها السلطة بعد إزالة أي اتجاه العام. (وهذا يعطي نفسه جيدا للفحص الآلي عندما يتم تطبيع الطاقة الإجمالية إلى قيمة قياسية، مثل الوحدة.) إزالة الاتجاه الأولي (والاختلاف اختياري لإزالة الارتباط التسلسلي) أمر ضروري لتجنب فترات الخلط مع السلوكيات الأخرى. الطيف السلطة هو تحويل فورييه منفصلة من وظيفة أوتوكاريفاريانس من نسخة ممهدة بشكل مناسب من السلسلة الأصلية. إذا كنت تفكر في السلاسل الزمنية كأخذ عينات من شكل الموجة الفيزيائية، يمكنك تقدير كم من إجمالي موجات الطاقة يتم داخل كل تردد. ويحدد طيف القدرة (أو بيريوديغرام) القدرة مقابل التردد. سوف تظهر دوري (أي، أنماط متكررة أو موسمية) كما المسامير الكبيرة تقع على تردداتهم. وكمثال على ذلك، النظر في هذه (المحاكاة) سلسلة زمنية من المخلفات من قياس اليومي المتخذة لمدة سنة واحدة (365 القيم). تتذبذب القيم حول 0 دون أي اتجاهات واضحة، وتبين أن جميع الاتجاهات الهامة قد أزيلت. يظهر التذبذب عشوائيا: لا توجد دورية واضحة. هيريس مؤامرة أخرى من نفس البيانات، رسمها لمساعدتنا على رؤية أنماط دورية ممكنة. إذا كنت تبدو صعبة حقا، قد تكون قادرة على تمييز نمط صاخبة ولكن المتكررة التي تحدث 11 إلى 12 مرات. على الأقل تسلسل القيم فوق الصفر ودون الصفر على الأقل تشير إلى بعض الارتباط الذاتي الإيجابي، والتي تبين هذه السلسلة ليست عشوائية تماما. هيريس ذي بيريوديغرام، هو مبين للترددات تصل إلى 91 (ربع إجمالي طول السلسلة). وقد شيدت مع نافذة ويلش وتطبيع إلى منطقة وحدة (ل بيرثوغرام كامل، وليس فقط الجزء هو مبين هنا). السلطة تبدو وكأنها الضوضاء البيضاء (تقلبات عشوائية صغيرة) بالإضافة إلى اثنين من المسامير البارزة. أنها من الصعب أن تفوت، أرينت أنها أكبر يحدث في فترة من 12 وأصغر في فترة 52. هذه الطريقة قد كشفت بالتالي دورة شهرية ودورة أسبوعية في هذه البيانات. هذا كل شيء حقا هناك. لأتمتة الكشف عن دورات (الموسمية)، مجرد مسح بيريوديغرام (وهي قائمة القيم) ل ماكسيما أقصى المحلية نسبيا. وقتها للكشف عن كيفية إنشاء هذه البيانات. وتولد القيم من مجموع موجتين جيبيتين، واحدة مع التردد 12 (من السعة التربيعية 34) وآخر مع تردد 52 (من السعة التربيعية 14). هذه هي ما تم الكشف عن المسامير في بيريوديوغرام. ويظهر مجموعها كما منحنى أسود سميك. Iid Normal noise of variance 2 was then added, as shown by the light gray bars extending from the black curve to the red dots. This noise introduced the low-level wiggles at the bottom of the periodogram, which otherwise would just be a flat 0. Fully two-thirds of the total variation in the values is non-periodic and random, which is very noisy: thats why its so difficult to make out the periodicity just by looking at the dots. Nevertheless (in part because theres so much data) finding the frequencies with the periodogram is easy and the result is clear. Instructions and good advice for computing periodograms appear on the Numerical Recipes site: look for the section on power spectrum estimation using the FFT. R has code for periodogram estimation. These illustrations were created in Mathematica 8 the periodogram was computed with its Fourier function. answered Sep 28 11 at 16:38 The assumptionquotafter removing any overall trendquotis the Achilles Heel as there may be many time trends, many level shifts all of which were excluded in your example. The idea that the input series are deterministic in nature flies in the face of the possible presence of seasonal and regular ARIMA structure. Untreated Unusual One-Time Values will distort any periodogram-based identification scheme due to a downward bias to the periodogram estimates yielding non-significance. If weekly andor monthly effects changed at some point in the past the periodogram-based procedure would fail ndash IrishStat Sep 29 11 at 0:06 Irish I think your comment may exaggerate somewhat. It is most elementary to look for and treat quotUnusual One-Time Valuesquot (aka outliers), so this only bears mentioning to emphasize that some time series estimators may be sensitive to outliers. quotDeterministic in naturequot misrepresents the basic ideas: nobody supposes there is determinism (as evidenced by the huge amount of noise in the simulation). The simulation incorporates a definite periodic signal as a model --always approximate in reality--only to illustrate the connection between the periodogram and seasonality. (Continued. ) ndash whuber 9830 Sep 29 11 at 16:41 Yes, changes in seasonality can obscure the periodogram (and the acf, etc.), especially changes in frequency (unlikely) or phase (possible). The references in my post give a solution to handle that: they recommend using a moving window for periodogram estimation. There39s an art to this, and clearly there are pitfalls, so that much time series analysis will benefit from expert treatment, as you advocate. But the question asks if there are quotother methods to detect seasonalityquot and undeniably the periodogram is a statistically powerful, computationally efficient, readily interpretable option. ndash whuber 9830 Sep 29 11 at 16:46 In my world using sinescosines are quotdeterministic effectsquot much like month of the year indicators. Fitting any pre-specifed model restricts the fitted values to a user-specified pattern, often sub-standard. The data should be quotlistened toquot as helping the analystadvanced computer software to effectively discern between fixed and stochastic inputs n. b. I refer to ARIMA lags structures as stochastic or adaptive quotdriversquot as the fitted values adjustadapt to changes in the history of the series. In my opinion the utilization of the periodogram quotoversellsquot simple statistical modelling ndash IrishStat Sep 29 11 at 17:44 whuber Repeating the same thing might not be useful. However, it might be nice too to fix the paragraph below the periodogram to say the spikes are located at a quotfrequency ofquot 12 and 52 times per year, and not quotperiod ofquot. Fixing the plot too to say quotfrequencyquot instead of quotperiodquot might be nice as well if you think it39s not too annoying. ndash Celelibi Oct 11 16 at 15:29 Seasonality can and does often change over time thus summary measures can be quite inadequate to detect structure. One needs to test for transience in ARIMA coefficients and often changes in the seasonal dummies. For example in a 10 year horizon there may have been June effect for the first k years but the last 10-k years there is evidence of a June effect. A simple composite June effect might be non-significant since the effect was not constant over time. In a similar manner a seasonal ARIMA component may have also changed. Care should be taken to include local level shifts and or local time trends while ensuring that the variance of the errors has remained constant over time. One should not evaluate transformations like GLSweighted least Squares or power transformations like logssquare roots, etc. on the original data but on the errors from a tentative model. The Gaussian assumptions have nothing whatsoever to do with the observed data but all to do with the errors from the model. This is due to the underpinnings of the statistical tests which use the ratio of a non-central chi-square variable to a central chi-square variable. If you wanted to post an example series from your world I would be glad to provide you and the list a thorough analysis leading to the detection of the seasonal structure. answered Sep 27 11 at 18:36 Charlies answer is good, and its where Id start. If you dont want to use ACF graphs, you could create k-1 dummy variables for the k time periods present. Then you can see if the dummy variables are significant in a regression with the dummy variables (and likely a trend term). If your data is quarterly: dummy Q2 is 1 if this is the second quarter, else 0 dummy Q3 is 1 if this is the third quarter, else 0 dummy Q4 is 1 if this is the fourth quarter, else 0 Note quarter 1 is the base case (all 3 dummies zero) You might want to also check out time series decomposition in Minitab -- often called classical decomposition. In the end, you may want to use something more modern, but this is a simple place to start. answered Sep 27 11 at 18:53 Im a bit new to R myself, but my understanding of the ACF function is that if the vertical line goes above the top dashed line or below the bottom dashed line, there is some autoregression (including seasonality). Try creating a vector of sine answered Sep 27 11 at 15:47 Fitting sinescosines etc can be useful for some physicalelectrical time series but you must be aware of MSB. Model Specification Bias. ndash IrishStat Sep 28 11 at 14:31 Autoregression does not imply seasonality. ndash Jens Nov 22 13 at 12:32 Your Answer 2017 Stack Exchange, Inc