Рыночные регулярности.

Ну эт уже прям Грааль!! :-) Насчёт трендовых индикаторов - тут байес в помощь, имхо, и статистическая степень доверия оценке.

Байес это мультиконъюнкция. Вопрос в том что конъюнктировать и наксколько независимы множители что бы это вообще было оправданно.[rolleyes]

Пардон за мою серость, а что такое "мультиконъюнкция" и что она значит сий термим в контексте? Байесовские оценки в данном случае используются для оценки спектра и выделения несущих частот. Могу литературу по этому поводу подсказать, ежели интересно.

Да, был бы благодарен, возможно это я сер))

Я имел в виду теорему Байеса, или наивный Байесовский классификатор на её основе, там умножаются(конъюнктируют) вероятности(априорные, апостериорные, условные) или их плотности. В контексте системостроительства это равносильно использовать логику конъюнкций(И, &) при определении например тренда, когда берется показатели например моментума разных таймфрэймов и в месте их «пересечений» вроде как определённо тренд)))

Жду мыла для расшарки по гуглдрайву. ;-) Насчёт наивного байесовского классификатора - тут да, мультиконъюнкция. Но классификатор же может быть и не наивный. ;-) Даже совсем и нелинейный. ;-)

"Грааля нет" сказал мудрец брадатый.
Другой на ЛЧИ смог победить.
Сильнее б он не смог бы возразить!
Хвалили все ответ замысловатый.

В формате форума, стихотворение должно звучать примерно так.
Вставлю свой взгляд на проблему. Индикаторов много. Какие-то из них работают, а какие-то - никогда. Одни перестают работать, а другие - начинают. В результате и вероятности предсказаний меняются с изменением рынка. В связи с этим для себя давно сделал выбор в пользу опционов. В качестве индикаторов сейчас планирую использовать элементы модовой декомпозиции по Хуангу.

И чтобы не казалось, что тут просто так квакнул - и в тинку, подкину одну идейку.
Допустим, мы используем датамайнинг. Стоит цель выявить индикаторы, показатели, любые рыночные или околорыночные переменные, имеющие (как нам кажется) значение для правильного прогноза цены. Включаем цену (ее изменение) как одно из измерений в многомерное пространство признаков, анализ которого производится, после чего с учетом этой переменной производим анализ как обычно. Ведь задним числом цену мы всегда знаем. После этого проверяем сочетания рыночных переменных на симметричность относительно ноля цены (разбиваем пространство рыночных переменных гиперплоскостью с ценой = 0 и оцениваем распределение относительно нее). Есть несимметричность - значит имеется возможность извлечения прибыли. Есть распределение, сильно отличающееся от нормального - аналогично. Такой вот датамайнинг. Вся фишка в рыночных переменных, которые используются для оценки, а также в правильной организации алгоритмов перебора и проверки в пространстве признаков.

Ну, да, можно так переделать стихотворение в рамках форума. :-)
Насчёт модовой декомпозиции - несколько раз слышал, но что-то литературы не видел особо. Чем она лучше DWT и STFT?

Нужно читать статьи и думать, что лучше. У всех трех методов есть недостаток в виде краевых искажений, все они принципиально разные. Для разных задач соответственно дадут разные результаты. Кроме того, они еще и друг с другом могут сочетаться ;)

Ну, вейвлет-анализ развитием Фурье-анализа можно считать (вопрос в атомах, да, у STFT они постоянные). Если есть ссылки на модовую декомпозицию - поделитесь тоже, плз. Хотел бы почитать, благо в R есть либа соответствующая.

Я Вас не совсем понимаю. Интернет наверное есть. В гугле не забанен. Какие проблемы? Поиск по запросу - "преобразование Гильберта-Хуанга". Куча ссылок, вагон статей, корзина скриптов для MatLab.