@韭菜Hulk 多谢大神回复 可能是没有表达清楚我的意思 我原本理解这个滤波输出的趋势线跟N日均线一样可以过滤短时间内股价的高频波动所以几日内股价的波动不会影响整个趋势线的走势，又由于它低延迟的特性所以能够及时准确的反映股价大的涨跌趋势 在策略中就想用这个趋势线的拐点来确认买入和卖出点 但是实际使用中发现滤波输出的趋势线在最新位置并没有很好的过滤掉小幅波动，但是继续回测加入新数据后原来地方的波动又被过滤掉了 比如300171.XSHE 这只股票使用bpf(c,20,1000000,True)滤波进行回测到2014-03-19时蓝色趋势线因为3月15日到19日大上涨而向上翻转了，所以策略会确认大趋势向上而买入股票 ![1.png][1] 但是当测试进行到2014-03-24日后由于接连下跌最新输出的趋势线又变成往下走了**并且之前3月15日到19日向上的曲线也变成了向下** ![2.png][2] 实际上之前 3月19日计算出的趋势线向上翻转的趋势在24日看就是错误的，趋势线并没有过滤掉3月15-19日的股价波动 对比红色的传统均线在19日时计算是向下的并且一旦3月19号均线位置计算出来后后面再新加入20-24号的数据计算也不会影响3月19号的均线的位置，而这个趋势线3月19号的位置却因为3月20-24号新数据的加入而发生了变化，由于这个趋势线每日位置的形状以后会改变那么根据每日最新的趋势线做出的判断就会是无效的 [1]: https://joinquant-image.b0.upaiyun.com/dc256e5ce34d5ee36d97e58fcae79abc [2]: https://joinquant-image.b0.upaiyun.com/e3f733efaf8f5485122fe4263c349cc7

@yysongge 恩 是这样的，所以我才说得每天每天计算 这个是模型的缺陷 响应快的话就会不稳定 稳定的话响应就慢了 我自己是把这里的带通滤波器用在提取低频信号中的 然后做成hilbert相位图 可以参考我公司主页的信号。他也是每天每天差别很大，会根据历史数据的变化纠正策略中的错误。 链接： http://goinvest.com.sg/sti_signals

@yysongge 其实历史数据的变动也可以用来建模的 这些信息其实很宝贵 你可以留一下历史数据变动大的时间点 然后可能会有新的思路也说不定呢 ：）

其实那个对称矩阵不一定要用2T的矩阵来算啊，这个对称矩阵是先用B构成上三角矩阵，再对称一下生成下三角阵，这样应该能减少计算量吧

@酷Z 恩 是的 我就是翻译下别人的matlab代码 偷懒了 没做优化

有一点，就是需要的矩阵阶数是跟数据的长度有关不是和pu有关哦

滤波器没看懂，是什么公式

@hackerwei 你好 公式可以参考这篇论文 http://onlinelibrary.wiley.com/doi/10.1111/1468-2354.t01-1-00076/abstract

@韭菜Hulk 不情之请，我下载不了，可以发邮箱吗，我想研究下 mefwei@163.com，谢谢

@hackerwei 发你邮箱了

谢谢大神分享，论文看过了，但是怎么找到作者代码的？

谢谢大神分享

@韭菜Hulk 和大神学习一下，我自己试了下通过傅立叶变换和逆傅立叶变换来滤波，发现在采样期间的中段效果非常好，但是在采样期间的末端就比较差，滤波后的走势与实际走势差别很大，想问问有什么好的思路来解决这个问题吗？多谢了！

楼主对带通滤波器的意义个人感觉解释得比较简单了，不是很懂什么叫过滤股价信号中的高频部分，是不是这样就能增强均线预测的敏感性，为什么？麻烦能不能详细介绍一下。

老板的思路很受启发，不过，发现实际回测效果并不好，因为研究的时候，是基于历史全量数据回顾全量，所以滤波效果才那么好，但是，实际交易的时候，往往需要滚动历史数据来预测未来。 然后拟合效果基本不如均线，收益率更是惨，不过启发还是蛮大的。