如何操纵价格序列(指标)围绕中心价值波动？

Question

我不是专业的程序员，但我试图改变一些技术指标显示在一个名为TradeStation的财务图表包中的方式(并不是说特定的图表供应商是相关的)。

问题是:大多数指标都是在零点附近绘制的，有时在这个点附近振荡，有时在很远的地方振荡。我想改变这些指标的绘制方式，使它们更多地围绕着零振荡。但这里有一个棘手的部分，我不想过多地扭曲它们的形状；有些变化是好的、不可避免的，但我仍然希望这些指标能够被识别出来。

在过去，我尝试过许多方法，其中一种方法是使用对数式标度，但这并不成功，因为它使任何一个很高值的振荡几乎无关紧要--这不是目标。目标是尽量保持指示器的任何一个振荡几乎相同，但改变它的位置，使其更接近于零(中心)。换句话说，目标是使指标表现出类似的形状振荡，但这些振荡的中心应该更接近于零(指标尺度的中心)。

有没有人知道，或能想出一种方法可以做到这一点？是否有任何算法可以帮助价格序列在中心点附近保持更多的振荡，而不会对原始数据产生太大的失真？

如能对此提供任何帮助，将不胜感激，谢谢。

==UPDATE==

粉红线是原来的振荡器，是我画的黑线。它粗略地代表了我的目标。圈出的区域显示画在线上的线穿过零，这样它的零值大致在振荡的中心.但是，振荡的总体形状与原始振荡相比仍然是可识别的，而且每个振荡的高低相差较小，即它们的值更相似。我尝试在各种指标中添加几个不同的下降趋势函数，但我发现这对形状造成了太大的扭曲。

更新2

我试着把y轴线性地除以50%和80%，不幸的是，这似乎就像比例因子那样起作用了？这是正确的吗？它似乎并没有改变不同振荡之间的关系。如果你看我的例子图，在黑线画有更稳定的高和低振荡，即它们的值/大小更相似，这是关键的目标。

接下来，我将尝试在图中添加一个高通过滤器，看看它会产生什么结果，以及它在任何方面是否更接近我的目标。

如往常一样，请随时张贴任何意见，因为他们是感激的收到。

克里斯

更新3

我还实现了一个高通过滤器的指示器。这也没起什么作用。这似乎也是一个规模因素。本质上，我要做的是使大的振荡变小，小的振荡变大。将任何使用的指示器带入一个更同步的范围--并在保持该指示符的基本属性的同时进行此操作。更好的描述方法可能是我想要一个阻尼公式？

有没有人有其他的想法，或者我应该尝试的东西？

Answer 1

如果你想做一些特制的事情，例如，你可以过滤傅里叶变换的低频成分。

假设我们有以下信号：

​

​

然后计算FFT，只保留高频分量。假设我们忽略了前1.5%的组件。原始信号和由此产生的振荡信号的结果图是：

​

​

哈哈！

编辑2

正如上面所描述的，这就是你可以期望的高通滤波器，增加指数阻尼，而不是仅仅处理低频分量。

数学程序(以防万一)：

centerOsc[x_] := 
  Module[{list, n, fp, coef, s}, 
   list = (Transpose@FinancialData[#, "Jan. 1, 2005"])[[2]] &@x;
   n = Length@list;
   fp = Transpose[{N[Range[n]]/n, list}];
   coef = FourierDST[list, 1]/Sqrt[n/2];
   coef = Table[N[coef[[i]] (1 - E^(-i/6))], {i, 1, Length@coef}];
   s = IntegerPart[Length@coef/100]; s = 1;
   {fp, {#, 
       Sum[coef[[r]]*Sin[Pi r #], {r, s, n - 1}]} & /@ (N[Range[n]]/
       n)}];
l = {"GE", "GOOG", "IBM", "MSFT"} ;(*Real prices from*)
GraphicsGrid@
 Partition[ListLinePlot[centerOsc[#],
     Axes -> False, Frame -> True, PlotLabel -> #,
     PlotRange -> {{0.1, .9}, Full}, 
     Epilog -> Line[{{0, 0}, {1, 0}}]] & /@ l, 2]

​

​

编辑2

根据您的上一次更新，似乎可以更容易地实现您想要的。只需查看将y轴线性减少50%和80% (使用从绘图中提取的数据)可以得到什么：

​

​

与你的情节相比：

​

​

Answer 2

我建议你做的第一件事就是把所有的指标标准化到平均为0，标准差为1，这至少会使你所有的指标都以0为中心。

得分

-Ralph温特斯

Answer 3

在您的示例中，我标记了输入/输出信号的低频分量：

就像“belisarius”所说的，你想要的是--只要对信号进行FFT，并去除低频部分即可。也就是说-你需要高通滤波器算法。另外，高通滤波器也可以用一维卷积和高通内核实现.例如，对于3个组件内核向量，高通内核可以是[-1; 3; -1].在我看来，高通滤波器的卷积实现是最简单的。但是通常通过FFT来实现相对于cpu的使用是最快的。

hth