+
एक अनुकूली Kalman फिल्टर के साथ बाजार के आंकड़ों पूर्वानुमान परिचय भविष्यवाणी विज्ञान हाल ही में जब तक, भविष्यवाणियों जटिल गणितीय मॉडल के आधार पर गणना की एक बड़ी संख्या में शामिल हैं और कुछ व्यावहारिक आवेदन किया था, जहां गणितीय आँकड़ों में अपनी नींव है। सिर्फ कंप्यूटर उपलब्ध हो रहे थे के रूप में 1950 के दशक में, रडार और अन्य डेटा की बड़ी मात्रा में एकत्र किया जा रहा था, और जब, नई प्रौद्योगिकियों के लिए अधिक अनुकूल थे कि अलग भविष्यवाणी तरीके के लिए की जरूरत स्पष्ट हो गया। नए रैखिक भविष्यवाणी एल्गोरिदम इस जरूरत को पूरा करने के लिए वैज्ञानिकों और इंजीनियरों द्वारा शुरू किए गए थे। इनमें से एक उसके लेखक, रे के लिए नामित किया गया, Kalman फिल्टर के रूप में जाना बन गया है 1960 में इसे पेश किया है जो Kalman, (संदर्भ देखें [1])। बाजार के आंकड़ों एक विशेष बाजार आइटम की कीमतों में एक चार्ट, या समय-श्रृंखला के रूप में आम तौर पर उपलब्ध है। एक Kalman फिल्टर दो घटकों, एक बुलाया संकेत और अन्य बुलाया शोर में एक समय श्रृंखला अलग नहीं कर सकता है कि एक युक्ति है। आदि मिसाइलों, पनडुब्बियों, से सामान्य ट्रैकिंग डेटा की एक किस्म से बाहरी 'शोर' के साथ दूषित कर दिया गया है कि वस्तु के स्थान (संकेत) के लिए एक 'सच' मूल्य के होते हैं, क्योंकि दृष्टि से 'सिग्नल' और 'शोर' का इस्तेमाल किया जाता है सूत्रों का कहना है। सही मूल्यों का अनुमान है कि अगले स्थान किसी भी सटीकता के साथ भविष्यवाणी की जा सकती है कि उपलब्ध हैं जब यह केवल है। बाजारों के लिए इन तरीकों को लागू करने में, हम अपने समय श्रृंखला के बारे में कुछ मौन मान्यताओं बना रहे हैं। हम इसे 'बाजार शोर' से परेशान था इससे पहले कि कुछ समझ में, हमारे बाजार आइटम के 'सच' मूल्य का प्रतिनिधित्व करता है, जो डेटा के भीतर एक चिकनी प्रवृत्ति रेखा है मान रहे हैं। इस तरह हम जिनका काम पनडुब्बी के अगले स्थिति भविष्यवाणी करने के लिए है एक दुश्मन को शोर सोनार संकेतों को भेजने के लिए एक पनडुब्बी, कहते हैं, के व्यवहार की नकल उतार रहे हैं। एक उपयुक्त मॉडल के लिए पिछले कुछ ट्रेंड लाइन मूल्यों ढाले करके, हम तो अगली बार-मूल्य के लिए मॉडल का विस्तार, और एक भविष्यवाणी उत्पन्न कर सकते हैं। एक Kalman फिल्टर एक दो चरण की प्रक्रिया का उपयोग कर एक समय श्रृंखला पटरियों। समय श्रृंखला में हर बिंदु पर 1. एक भविष्यवाणी सबसे हाल के अनुमानों के कुछ ही आधारित अगले मूल्य से बना है, और Kalman फिल्टर समीकरणों में निहित डेटा मॉडल पर किया जाता है। 2. फिर, अगले वास्तविक डेटा बिंदु पढ़ा जाता है, और भविष्यवाणी की है और वास्तविक मूल्यों के बीच एक समझौता मूल्य समय श्रृंखला में शोर की मात्रा के आधार पर गणना की है। यह समझौता मूल्य भविष्यवाणी के लिए अगले 'सच' मूल्य के रूप में कार्य करता है। & Quot; आज के & quot; डेटा बिंदु, & quot; कल की & quot; मूल्य उपलब्ध नहीं है और हम कल की कीमत के बारे में हमारी भविष्यवाणी के रूप में पहले चरण से भविष्यवाणी मान ले। एल्गोरिथ्म भी अपनी ऐतिहासिक सटीकता पर आधारित है, जो इस भविष्यवाणी की सटीकता के एक अनुमान कहना है, और भविष्यवाणी के मानक विचलन के रूप में सूचना दी है। बाजार के आंकड़ों की भविष्यवाणी में अनुप्रयोगों के लिए, अल्फा सूचक खरीदने / बेचने के संकेतों को पैदा करने का एक तरीका के रूप में पेश किया है। यह सूचक एक संख्या में एक बाजार में आइटम की भविष्यवाणी की कीमत बदलने के लिए, और भविष्यवाणी की अनिश्चितता, को शामिल किया गया। बाजार मदों की एक पोर्टफोलियो आगे विचार के लिए उनके अल्फा मूल्यों से हल किया जा सकता है, या अल्फा के एक व्यापार योजना में अन्य बाजार संकेतक के साथ संयोजन के रूप में इस्तेमाल किया जा सकता है। फॉर्च्यून नामक एक दूसरी सूचक, एक आइटम अगले टिक में कदम होगा सही दिशा की भविष्यवाणी करने में एल्गोरिथ्म के ऐतिहासिक सफलता तक पहुँचने के लिए शुरू की है। फॉर्च्यून सूचक हर टिक पर एक भविष्यवाणी करता है कि किसी भी योजना पर इस्तेमाल किया जा सकता है। समय श्रृंखला और सिग्नल प्रोसेसिंग एक समय श्रृंखला संख्याओं के किसी भी पड़ोसी जोड़ी के बीच एक ही समय अंतराल के साथ, कालानुक्रमिक क्रम में व्यवस्थित संख्याओं के किसी भी सेट के रूप में परिभाषित किया गया है। एक ठोस उदाहरण के रूप में हम 10/23/95 को समाप्त हुए आईबीएम शेयर की दैनिक बंद कर देता है (264 डेटा अंक) से एक साल का उपयोग करेगा (चित्रा 1 देखें)। हमारे प्रयोजनों के लिए चार्ट की तिथि सीमा महत्वहीन है; हम केवल अनुमान लगाया है कि & quot के साथ संबंध है, कल की & quot; आज के माध्यम से डेटा से कीमत। परिचय में उल्लेख किया है, एक Kalman फिल्टर दो घटकों, एक कहा जाता है की प्रवृत्ति, या संकेत है, और अन्य बुलाया शोर में एक समय श्रृंखला को अलग करती है। 10/23/95 को समाप्त हुए एक 264 दिन की अवधि के लिए चित्रा 1. आईबीएम दैनिक समापन की कीमतों की संख्या के अनुक्रम द्वारा हमारे समय श्रृंखला का प्रतिनिधित्व करते हैं जहां एन = हमारे मामले में 264, और यह फार्म की एक मॉडल के आधार पर निर्मित किया गया है ग्रहण सबस्क्रिप्ट n समय परिवर्तनशील है और एन 1 से मान लेता है, जहां (विवरण के लिए संदर्भ [2] देखें)। पत्र एक्स एक राज्य वेक्टर कहा जाता है और, हमारे मामले में, पिछले कुछ ट्रेंड लाइन (संकेत) का अनुमान है रखती है। पत्र एक प्रवृत्ति मूल्यों अपडेट किया जाता है जिसके द्वारा मॉडल शामिल है कि एक मैट्रिक्स का प्रतिनिधित्व करता है। सिद्धांत रूप में, इन अद्यतन तो बी एन द्वारा भ्रष्ट कर रहे हैं। अगले राज्य वेक्टर उत्पादन करने के लिए, मॉडल शोर बुलाया। ज्यामिति मैट्रिक्स सी एक नंबर करने के लिए राज्य वेक्टर धर्मान्तरित और अंत में एन डी। कहा जाता अवलोकन शोर मनाया जेड मूल्य का उत्पादन करने के लिए जोड़ा गया है। राज्य मॉडल-अद्यतन मैट्रिक्स एक, एक साथ उसके संबंधित राज्य वेक्टर एक्स के साथ, इस Kalman अन्य सभी Kalman फिल्टर के बीच अद्वितीय फिल्टर करता है क्या कर रहे हैं। मैट्रिक्स एक की व्युत्पत्ति और अपनी संपत्तियों की एक चर्चा में [3] समाहित कर रहे हैं। असल में, संकेत एक की डिग्री बहुपद की डिग्री और उप-क्षेत्रों की लंबाई निर्धारित करता है जहां तय लंबाई के हर उप-खंड पर एक (अलग) बहुपद माना जाता है। इस फिल्टर पर सिमुलेशन परिणाम में [4] समाहित कर रहे हैं, और इस फिल्टर के उपयोग पर परिणाम सैन्य ठिकानों में समाहित कर रहे हैं ट्रैक करने के लिए [5]। उपयुक्त स्टार्टअप राज्य एक्स 0 के लिए। फिल्टर ए और सी में निहित तय डेटा मॉडल से जेड उत्पन्न करता है कि एक ब्लैक बॉक्स, और शोर शब्दों के रूप में के बारे में सोचा जा सकता है। ये शोर शर्तों प्रत्येक अंततः बाजार आइटम के उतार-चढ़ाव में परिलक्षित होता है कि एक निश्चित अज्ञात विचरण, या तीव्रता है। वे जाने जाते थे, तो Kalman फिल्टर समायोजित किया जा सकता है, या शुरू में शोर प्रसरण के अनुपात निर्दिष्ट द्वारा डेटा अस्थिरता को देखते। वीबी बी एन के विचरण का प्रतिनिधित्व करता है और वी डी डी एन के विचरण है। उनके अनुपात ट्रैकिंग पैरामीटर टी कहा जाता है और टी = वीबी / वी डी के रूप में परिभाषित किया गया है। (यह भी देखें [6]।) फिल्टर एक्स के डेटा पैदा अनुमानों के ऊपर से गुजरता है, यह भी वीबी और वी डी के मूल्यों का अनुमान है। प्रत्येक डाटा तो बिंदु पर, फिल्टर टी ट्रैकिंग फिल्टर 'अनुकूली' बनाता है के दौरान डाटा से मिलान करने के लिए ट्रैकिंग पैरामीटर समायोजित करने के लिए इस क्षमता को समायोजित करने के लिए इन अनुमानों का उपयोग करता है। प्रत्येक बाजार आइटम के लिए सबसे अच्छा टी मूल्य मिल जाए, एल्गोरिथ्म 0.1-10.0 टी के 100 मूल्यों के माध्यम से पुनरावृति और कीमतों में समग्र आइटम की वास्तविक ऐतिहासिक कीमतों के करीबी रहे हैं भविष्यवाणी की है कि भावना में सबसे अच्छा मूल्य मिल की अनुमति दी है। सामान्य में, छोटे टी मूल्यों अधिक अस्थिर बाजार आइटम के साथ पाए जाते हैं। चित्रा 1 में डेटा स्वचालित रूप से ऊपर वर्णित के रूप में चुना ट्रैकिंग पैरामीटर के साथ, एक तिहाई डिग्री Kalman फिल्टर के साथ लगाया गया था। चित्रा 2 एक साथ प्रत्येक बिंदु पर Kalman भविष्यवाणियों के साथ, विस्तार से पिछले 25 डेटा बिंदुओं से पता चलता है। डेटा अपेक्षाकृत चिकनी है जब फिल्टर अच्छी तरह से करता है कि नोटिस। डेटा एक अचानक दिशा बदल देता है लेकिन जब विफल रहता है। फिल्टर भविष्य में "देख" और डेटा अपने मौजूदा रुझान बनाए रखने की उम्मीद नहीं कर सकते हैं क्योंकि यह है। "कल की" कीमत, extrapolated रहे हैं, शोर से मुक्त राज्य मूल्यों की तरह भविष्य भविष्यवाणियों: और हां, तो एक साथ उनके मानक विचलन के साथ। तीन भविष्य भविष्यवाणियों भी चित्रा 2 में दिखाया गया है। पिछले 25 आईबीएम डेटा बिंदुओं के लिए चित्रा 2. Kalman भविष्यवाणियों (+), भविष्य में 3 अंक के लिए डेटा (ठोस लाइन), और भविष्यवाणियों shownwith। क्रय-विक्रय सिग्नल और अल्फा संकेतक Kalman योजना हर भविष्यवाणी के लिए (पहले कुछ स्टार्टअप अंक) को छोड़कर डेटा श्रेणी में हर समय बिंदु पर भविष्यवाणियों, और मानक विचलन प्रदान करता है। फिल्टर डेटा पर गुजरता है, ये मानक विचलन ऊपर धारा 2 में टी परिभाषित कि प्रसरण से संबंधित है कि एक औसत मूल्य के लिए करते हैं। एक भविष्यवाणी की कीमत परिवर्तन एक महत्वपूर्ण राशि से इस औसत से अधिक है, जब भी नतीजतन, यह व्यापारी के ध्यान के योग्य हो जाता है। भविष्यवाणी की कीमत परिवर्तन और उसके साथ मानक विचलन हम भविष्यवाणी के मानक विचलन से विभाजित भविष्यवाणी की कीमत परिवर्तन के रूप में यहाँ परिभाषित है, जो एक से, एक ही चलता में शामिल अल्फा कहा जाता है, और चिह्नित किया जा सकता है इस तरह से परिभाषित किया, एक एक सामान्यीकृत सूचक है और इसलिए अलग बाजार आइटम्स के बीच तुलना करने के बजाय, ऐतिहासिक रूप से बस के भीतर एक आइटम के लिए इस्तेमाल किया जा सकता है। बाजार मदों की एक पोर्टफोलियो एक मूल्यों सबसे बड़ा भविष्यवाणी परिवर्तन और / या छोटी से छोटी अनिश्चितताओं प्रकट करने के लिए (आइटम को कम करने के लिए हटाया ऋण चिह्न) के साथ अपने वर्तमान से हल किया जा सकता है। इस सूची के शीर्ष के पास आइटम तो आगे का अध्ययन किया जा सकता है। एक एक से अधिक है जब भी, उदाहरण के लिए, भविष्यवाणी की कीमत परिवर्तन है कि "अपनी स्कैन के दौरान पर फिल्टर द्वारा 'अनुभव किया गया है कि औसत मानक विचलन है, एक मानक विचलन से अधिक है। आईबीएम डेटा के लिए 3. ऐतिहासिक अल्फा मूल्यों चित्रा। चित्रा 3. आईबीएम डेटा के लिए ऐतिहासिक एक है दिखाता है। पहले 50 अंक स्टार्टअप फिल्टर करने के लिए, की वजह से नजरअंदाज कर रहे हैं, तो हम एक शायद ही कभी एक से अधिक है कि देखते हैं, और केवल एक बार दोनों का एक मूल्य पर पहुंच गया। अभ्यास में, एक पाया गया है दस से अधिक से अधिक है। इस तरह के बड़े मूल्यों आमतौर पर आइटम कई दिनों के लिए एक ही दिशा में ट्रेंडिंग कर दिया गया है मतलब चित्रा 3 निम्नलिखित खरीदने / बेचने के झंडे चलता है: एक एक पूर्वनिर्धारित मूल्य से अधिक है जब खरीदने; यह एक अन्य की तुलना में कम है, जब बेचते हैं। मूल्य पूर्व में परिभाषित किया। नीचे दिए गए उदाहरण में, इन मूल्यों को क्रमश: 1.8 और -1.8, पर सेट है, और खरीदता है और दर्ज बेचता है। इन शर्तों के तहत फिल्टर के प्रदर्शन का एक सारांश अगले परिभाषित फॉर्च्यून सूचक द्वारा प्रदान की जाती है। पीछे-परीक्षण और फॉर्च्यून संकेतक एक व्यापार योजना एक बाजार चार्ट के साथ प्रस्तुत जब खरीदने / बेचने के संकेतों को पैदा करने के लिए इनपुट-आउटपुट डिवाइस के रूप में यहाँ के बारे में सोचा जा सकता है। पीछे-परीक्षण एक व्यापार योजना के संभावित प्रभाव का परीक्षण करने के लिए एक सामान्य प्रक्रिया है। विचार प्रतिनिधि पोर्टफोलियो चार्ट पर ऐतिहासिक आंकड़ों के योजना लागू करने के लिए है। यही कारण है, बस खरीदता रिकार्ड है और वास्तव में निवेश के बिना, इस योजना ने संकेत दिया बेचता है, और लाभ और हानि का ट्रैक रखने के लिए। इस योजना का ऐतिहासिक प्रदर्शन के एक दृश्य रिकॉर्ड उपलब्ध कराने के लिए, हम इस प्रकार के रूप फॉर्च्यून नामक एक सूचक को परिभाषित। हम एक सरल जुआ प्रणाली के रूप में एक व्यापार योजना मॉडलिंग से शुरू करते हैं। पहिया पर मानों संभव समापन की कीमतों का प्रतिनिधित्व करते हैं जहां रूले पहिया & quot ;, और पहिया अगले मूल्य निर्धारित करने के लिए हर दिन एक बार घूमती है, प्रत्येक बाजार आइटम अपने स्वयं के लिए & quot मान लीजिए। प्रत्येक पर व्यापारी पर एक सट्टेबाजी इकाई की एक भी शर्त जगह हो सकती है स्पिन या तो व्यापार योजना से आ रही खरीदने / बेचने के संकेतों पर निर्भर करता है (एक कमी के लिए), या लाल, (मूल्य वृद्धि के लिए) काले। एक शर्त जगह है, और फिल्टर कीमत आंदोलन की सही दिशा अनुमान लगाया गया है, तो हम हमारे निवेश के साथ साथ जो भी राशि की वृद्धि या कमी एक दांव लगा इकाई के भागों में प्रतिनिधित्व लौट रहे हैं। यदि नहीं, तो हम अपने निवेश को वापस शून्य से है कि एक ही राशि मिलता है। फिल्टर की परवाह किए बिना कीमत आंदोलन की दिशा का सही ढंग से अनुमान जब भी व्यापारी एक लाभ से पता चलता है कि ध्यान दें। प्रत्येक शर्त के बाद, हम आज तक हमारी किस्मत के रूप में इकाइयों सट्टेबाजी का संचित संख्या रिकॉर्ड है। आईबीएम डेटा के लिए फॉर्च्यून सूचक का एक ग्राफ इस स्कैन के लिए 4 चित्र में दिखाया गया है, एक एक खरीद का संकेत (खरीदें ध्वज) के मूल्य में 1.8 पर स्थापित किया गया था, और बेचने के ध्वज -1.8 पर स्थापित किया गया था। फिल्टर स्थिर है, जबकि इसके अलावा, निवेश के उद्देश्य के लिए, स्कैन के पहले 50 दिनों अनदेखी कर रहे हैं। चित्रा 4 आईबीएम डेटा के लिए फॉर्च्यून सूचक। अल्फा खरीदें झंडे = 1.8, झंडा = -1.8 बेचते हैं। दिन 102 से कम एक 2.01 (चित्रा 3 देखें) पर खरीदें ध्वज से अधिक है, और एक इकाई निवेश किया गया था। हालांकि, कीमत फॉर्च्यून में के बारे में 0.6% की एक बूंद के रूप में दिखाया गया है और जिसके परिणामस्वरूप हानि (चित्रा 1 से सावधान निरीक्षण पर देखा जा सकता है) अगले दिन गिरावट के साथ बंद। दिन 139 में एक बस के 1.86 पर खरीदें झंडा पार हो गई। इस बार निवेश 1.7% की एक लाभ में हुई। अंत में, लगातार दो दिन, 222 और 223 के लिए, -1.82 और -1.86 पर बेचने के ध्वज के नीचे एक के क्रमश: 0.9% और 1.6%, के मुनाफे में हुई। इसी नीचे प्रवृत्ति चित्रा 1 में देखा जा सकता है, और Kalman भविष्यवाणियों के साथ एक साथ चित्रा 5 में फिर से दिखाया गया है। चित्रा 5. आईबीएम डेटा (ठोस लाइन) और एक लाभदायक नीचे प्रवृत्ति से युक्त एक 20 दिन की अवधि के लिए Kalman भविष्यवाणियों (+)। सारांश Conclosions उपयुक्त संकेतक के साथ संयोजन के रूप में इस्तेमाल करते हैं, और ठीक से समायोजित जब सैन्य अनुप्रयोगों में बहुत उपयोगी साबित कर दिया है कि अनुकूली Kalman फिल्टर, भी बाजार भविष्यवाणियों में प्रभावी होने के लिए यहां दिखाया गया है। एक निवेश की स्थापना में फिल्टर का मूल्यांकन करने के लिए, धारा 3 में परिभाषित एक सूचक Kalman भविष्यवाणियों को रोजगार कि एक व्यापार योजना में एक खरीदने / बेचने के सूचक होने के लिए डिजाइन किया गया था। धारा 4 में परिभाषित फॉर्च्यून सूचक परिणामों की एक चित्रमय प्रदर्शन प्रदान करने के लिए डिजाइन किया गया था। एक मनमाने ढंग से चयनित बाजार आइटम परीक्षण किया गया था और एक-मूल्यों लाभदायक निवेश के चार बार के बाहर तीन हुई है कि पाए गए। हालांकि, इस योजना के लिए एक व्यावहारिक निवेश योजना के रूप में सीमित मूल्य का है। अभ्यास में, हमेशा एक जाहिरा तौर पर ट्रेंडिंग आइटम पाया जाता है जब हस्तक्षेप, और आइटम पर अतिरिक्त खबर के लिए खोज करना चाहिए एक भविष्यवाणी योजना को रोजगार के एक व्यापारी। इसके अलावा, यहां वर्णित योजना, दोनों गैर-यथार्थवादी स्थितियों के आसपास-बारी, और ट्रेडों पर कोई कमीशन एक ही दिन की आवश्यकता है। बाजार आइटम के केवल एक मुट्ठी के लिए आवेदन किया, अंत में जब बाजार की प्रकृति, इस के मूल्य, या किसी भी अन्य भविष्यवाणी योजना को देखते हुए संदिग्ध है। हालांकि, मौजूदा प्रौद्योगिकी उचित कीमतों पर जनता के लिए उपलब्ध बाजार आइटम के कई हजारों के लिए डेटा बना दिया है। इस ज्ञापन में परिणाम है, काफी ट्रेंडिंग बाजार वस्तुओं जैसे बड़े विभागों खोज और चयन प्रक्रिया पर पर्याप्त प्रतिबंध रखकर अनुकूली Kalman फिल्टर के साथ पाया जा सकता है, कि सुझाव। संदर्भ [1]। Kalman, R. E. & Quot; रेखीय छानने और भविष्यवाणी की समस्याओं के & quot ;, ASME लेन-देन, श्रृंखला डी, 82, 35-45, (1961) के लिए एक नया दृष्टिकोण। [3]। Martinelli, आर & quot; वक्र ढाले और Kalman फिल्टर & quot ;, Kentron अंतर्राष्ट्रीय विभागीय पत्राचार, 2 दिसंबर 1978। [4]। Martinelli, आर। & Quot; 3 डी ट्रैक पूर्वप्रक्रमक & quot ;, हनीवेल समुद्री सिस्टम्स सेंटर तकनीकी ज्ञापन, H476-90-001, 30 मार्च 1979 के गणितीय विवरण। [5]। पार्कर। जद & quot; परिशुद्धता इलेक्ट्रॉनिक सपोर्ट सिस्टम में & quot ;, रक्षा तकनीकी सूचना केंद्र के लिए ट्रैकिंग फिल्टर। कैमरून स्टेशन, सिकंदरिया। वर्जीनिया 22304. DTIC # A264 089, 1992। [6]। Kalata। पीआर & quot; ट्रैकिंग सूचकांक: अटल बिहारी और एबीजी लक्ष्य ट्रैकर्स ", एयरोस्पेस और इलेक्ट्रॉनिक प्रणालियों, वॉल्यूम एईएस 20, p174, 1984 पर आईईईई लेनदेन के लिए एक generarized पैरामीटर।