小波变换与MACD 小波变换与MACD原理上没多大区别. 小波变换用的是正交数字滤波器把离散信号分成各种时间尺度的信号, 这一点正好弥补快速傅列叶变换的频域分析缺陷. 我们知道时间尺度与频率这对参量,按测不准原理是不能同时测得很准确的. 所以不要指望对同一问题,两种方法都能获得最佳结果. 小波变换,讲得通俗一点,就是用带通滤波器将不用频段的信号进行分离处理, 这其实与MACD的两条平均线分割信号是一回事,我们将价格信号减去平均线价格, 就会得到价格信号的高频分量.原理上真是差不多,古人的智慧真是不得不佩服. 从实现的角度,小波变换要精致与精确的多,因为它作为近代实用数学的代表算法, 最初是用来进行数据压缩的,也即由小波变换取得的数据可以重新构造与还原信号. 在期货或股票的技术分析领域,这个还原功能可以完全忽略. 在本软件中的二次编程中,有小波变换函数, CreateFWTObj(count) ;//小波变换函数 DeleteFWTObj() CalFWT(check flug) SetFWTData(no,data) GetFWTData(no) 这些函数我们一般不推荐使用,因为用类似MACD原理方法,我们处理数据可能更轻松一些.
永清兄 我曾经对有趋势段的价格用斜率的方式进行测算,出现的情况让我吃惊,呈现的是类似随机噪声频谱或者白噪声的频谱,但是如果将其累计求和,呈现的是于价格相似或相同的曲线。 我一直纳闷,难道这就是市场混沌特征,走势的随机性和总体的有效性 无名
假如你用快速傅列叶变换把价格高频分量去掉后再还原价格曲线,就可以得到一条比较光滑的曲线,假如你只用低频分量还原价格,就能得到类似均线的稳定趋势. 同样你假如将小波变换得的小尺度分量忽略,而用大尺度分量来还原价格,也会得到一条比较满意的光滑曲线.而小尺度就是高频分量. 所以当你用一个算法将价格分割,总是或多或少得到类似的结果.
-------------------------------------------------------------------------------- 非常赞同永清兄的观点,可以简单的说,一个是度,一个是量,不同的的量程得到不同的结果,对于非线性的课题,用分形测量来测量是否更科学准确。 永清兄,请指点