4 votos

¿Cómo eliminar los efectos de borde en el denoising Wavelet?

Después de leer algunas referencias aquí a los wavelets, estoy tratando de des ruido (o al menos 'comprimir') una serie de tiempo de precios de forex usando un wavelet Daubechy04 (transformada hacia adelante, se mantienen los 8 coeficientes más importantes (en valor absoluto) entre los 64 valores, transformación inversa).

Cuando ocurre una tendencia hacia abajo o hacia arriba, hay un efecto de borde ya que los primeros y últimos valores difieren, en el último punto (y el primero, pero eso no importa, ya que es posible eliminar algunos de los primeros puntos).

El wavelet está en rojo, (en azul, un promedio móvil)

introducir descripción de la imagen aquí

(Esto también ocurre con la transformada discreta de Fourier, donde creo que es normal ya que asumen periodicidad)

Intenté hacer la diferencia (b[i] = a[i+1]-a[i]) y luego deshacer la diferencia de la serie antes de la transformada: resultados terribles.

Otro intento con b[i] = a[i] - ((a[63]-a[0])/63*i + a[0]) (restando la línea entre las dos extremidades: mejor resultado 'visual' introducir descripción de la imagen aquí
pero no perfecto, varios pasos de tiempo más adelante.. (la pendiente final no coincide bien): introducir descripción de la imagen aquí

También estoy leyendo métodos de umbral de wavelet, porque esta idea de depender de un número fijo de coeficientes (8) quizás sea problemática

2voto

WalterJ89 Puntos 175

Lo que buscas son wavelets causales, que es un enfoque de filtrado de wavelet que solo tiene en cuenta los datos presentes y pasados.

http://soliton.ae.gatech.edu/people/dcsl/papers/aiaa04.pdf

1voto

shyam Puntos 4133

Su señal en los bordes después del proceso de eliminación de ruido siempre estará alterada por el efecto de frontera de la extensión de los datos que se incorpora en la reconstrucción del filtro según cómo se construyen las wavelets (toman datos pasados y futuros), el efecto será mayor cuanto más larga sea la longitud del filtro que selecciones, ya que implica más coeficientes. Las wavelets causales, como mencionó el usuario2763361, serán exitosas en esto; sin embargo, se perderá una cantidad significativa de información, ya que solo tendrá en cuenta el historial pasado de los datos.

Otro punto que quería mencionar es que la eliminación de ruido con wavelets no estacionarias y procedimientos similares no es muy buena para eliminar el ruido (son mecanismos de fuerza bruta). Por lo tanto, la ubicación de frecuencia de su señal que dará su señal seguirá estando borrosa.

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X