Fourier transform
Hej!
Är det någon som sysslat med Fast Fourier Transform (FFT) vid cykelanalyser och känner för att redovisa lite ev sina erfarenheter?
Finns det någon site (eller dokument) allmänt tillgänglig som behandlar detta på ett bra sätt?
Mvh bjornpe
#0 Det finns ett flertal bra artiklar som behandlar användning av avancerad signalanalys för analys av börsdata på följande sajt. www.mesasoftware.com/papers.htm Just FFT är ingen höjdare för detta men det finns en hel del annat vettigt där. En artikel som diskuterar användning av FFT har titeln "CYCLE MEASUREMENTS"..
Inlägget är redigerat av författaren.
#1
Nja, som jag har förstått det så kan man med hjälp av FFT "filtrera" ut och sortera fram de "viktigaste" cyklerna för en viss aktie eller index.
Hela meningen med FFT är just att "se igenom" oregelbundet data och dela upp detta i ett antal regelbundna komponenter bestående av sinuskurvor.
När man applicerar detta på marknadsdata är det just den "viktigaste" sinuskurvan man vill hitta.
Det enda jag har hittat om applikationen FFT på marknadsdata är följande:
Mvh bjornpe
Inlägget är redigerat av författaren.
#2
Tack!
Vad är nackdelarna med FFT förutom att man måste "avtrenda" datat?
Mvh bjornpe
Läs artikeln som jag refererade till så framgår det ganska tydligt vad nackdelarna var. Jag kom inte riktigt ihåg detaljerna nu men i korthet behöver FFT-metoden för mycket data bakåt i tiden för att korrekt bestämma cykellängden och då denna längd i regel inte är konstant särskilt länge för börsdata så vill man kunna uppskatta den dominanta cykellängden från enbart en bråkdel av en full cykel för att det skall vara användbart. En annan metod presenteras i artiklarna för detta som jag testade och implementerade för ett tag sedan men jag fick det aldrig att fungera fullt ut så det projektet ligger på is för tillfället..
#5
Ok, jag ska kika på det där. Tack än en gång!
Mvh bjornpe
Detta är intressant!
Läste artikeln om Cycle measurements men tyckte han generaliserade lite konstigt. Om man har ett 64 dagars fönster kan man inte se cykler längre än 64 dagar (kan man det annars?) och bara cykler jämt delbara med heltal (använder inte intradata?).
Eftersom jag är ingenjör och inte ekonom har jag redan från början funderat på det här att applicera FFT på börskurvorna. Jag drar genast en parallell till "min värld" där kurvan är en vagt känd elektrisk signal. Om bruset är tillräckligt stort så kan man inte se den "nyttiga" signalen och vet därmed inte hur den ser ut. Jag gör då följande:
1. Spelar in ett tillräckligt långt "fönster" av signalen i tidsplanet.
2. Applicerar FFT på hela fönstret = omvandling till frekvensplanet.
3. Söker toppar i frekvensplanet vilket indikerar en ofta förekommande och troligen "nyttig" frekvens.
4. Gör ett filter (bandpass kanske?) för att separera nyttosignalen från bruset.
5. Applicerar filtret på signalen och voila, den syns!
Filter använder ju alla som tittar på kurvor. MA är ju ett enkelt lågpassfilter. Det svåra är ju att veta vilket filter som behövs för att särskilja vad som är nyttig information och vad som bara är brus (onyttig). Där kanske FFT kan hjälpa till.
FFT borde kunna användas i alla tidsperspektiv för att hitta cykler om det förekommer, såväl årslånga som luchdippar. Frågan är nog hur mycket data som behövs för att få vettig upplösning i frekvensplanet. Det är inte säkert att det fungerar för alla aktier/index men är de cykliska borde det kunna synas på FFT.
Om någon har provat detta så håller jag med bjornpe att skulle det vara mycket intressant att få veta resultatet.
#7 Det du säger är helt riktigt och klart intressant. Kollade just lite på artikeln igen själv och det han skriver är ju också korrekt, dvs att man inte får tillräckligt bra upplösning i det område i vilket man ofta är intresserad av att detektera cykellängder men det kan ju dock lösas med intraday-data som du säger. Det stora problemet är annars att signalen från börsdatat inte är stationär i hela fönstret till skillnad från tex ditt exempel, vilket gör att man inte får väldefinierade frekvenstoppar utan något mer utsmetat istället.
Lösningen är att istället för att använda FFT direkt på börsdatat så använder man ett mycket mindre fönster och anpassar en AR-modell till börsdatat i fönstret och därefter gör en FFT på data genererat från modellen. Man kan då uppskatta frekvenser med cykler som är betydligt längre än fönstrets längd vilket gör att man mycket snabbare kan detektera signalen innan den blir söndertradad då alltför många upptäckt den. Exempel på metoder för att finna modellen är tex Burgs metod eller Modified Covariance metoden. Sök på nätet så hittar du åtskilliga träffar på dessa metoder.
Jag höll själv på och testade sådana metoder för ungefär ett år sedan men det stora problemet var just att hitta väldefinierade frekvenser. Mitt intryck var att Burgs metod inte gav tillräckligt skarpa spektrum och att ModCov ibland var instabil och inte gav vettiga lösningar alls. Det kom dock andra ideer emellan då så jag blev aldrig riktigt färdig med projektet men man kanske skulle återuppta det igen vid närmare eftertanke.
Jag tänker också titta djupare på detta!
Jag har hittat en "crash course" i signalbehandling på följande adress:
http://www.abo.fi/~htoivone/sigbe.html
Länkar till PDF-dokument finns under "Litteratur" längst ner på sidan.
Mvh bjornpe
Inlägget är redigerat av författaren.
#8 OK, tack. Digital signalbehandling är ett intressant område. Skall försöka läsa mer om det. Hittade en del om AR här men som jag förstår tappar man upplösning i magnitud d.v.s. det kan vara svårt att jämföra vikten av de olika frekvenstopparna och hitta den dominanta (om det nu finns flera). Men det är väl priset man får betala för att se in i framtiden.
Det är nog som du säger troligt att man inte får särskilt distinkta spikar utan kanske pucklar som har en viss utbredning i frekvensplanet. Men det kan ju hjälpa till att bestämma vilken karaktär det applicerade filtret skall ha.
Visa sida
Ogilla! 1
Gilla!
#0 bjornpe
Fourier Transformationer använder man tex för att "göra fyrkantvågor utgående från sinuskurvor"...(med andra ord en ganska "exakt" vetenskap).
Att tillämpa FFT på börskurvor är nog att använda "kirurgiska precisionsinstrument på patienter, som lider av allmänt psykopatiska störningar, en eller flera av de sju dödssynderna etc". Status på dessa kurvor kan nog mätas med "lämplig febertermometer"...;-)
mvh/viotto