나는 약 5 년 전에이 기사를 읽었습니다. 흥미롭지 만 추가 정보가 거의 없습니다. 저자는 더 "편리한"변동성 측정을 배우기 위해 OHLC로 무언가를 저어줍니다. 이것은 기본적으로 새로운 것이 아닙니다. 고전 Dacorogna "소개 지난 세기에 "고빈도 금융으로 돌아가기"에서 변동성의 척도로 제곱 평균 제곱보다 평균 절대 수익률을 취하는 것이 좋습니다. 글쎄, 황소의 예측 가능성도 잘 알려진 사실이며, 계절성과 관성이라는 두 가지 요인에 95% 의존합니다. 그러나 (로그)수익률이 변동성에 따라 정렬되더라도 이것은 아무 것도 제공하지 않으며 거래에 기호가 필요하며 어떤 식으로든 분포에 영향을 미치지 않습니다.
예를 들어, 가우스 잡음을 취하면 정상 상태에도 불구하고 이전 샘플에서 다음 샘플을 예측하는 것은 분명히 불가능하지만, 예를 들어 이 계열이 정렬되면 분포는 변경되지 않지만 완전히 예측할 수 있으면 매우 넓은 범위 내에서 동적 변동성을 가지고 놀 수 있으며 고정적이지 않지만 그럼에도 불구하고 쉽게 예측할 수 있습니다.
하나의 시간 프레임이 아니라 일부 세그먼트에서 이 모든 작업을 수행하는 데 어느 정도 의미가 있습니다. 결과 그림을 유사한 분산을 가진 가우시안 SB에 있어야 하는 것과 비교합니다.
하나의 시간 프레임이 아니라 일부 세그먼트에서 이 모든 작업을 수행하는 데 어느 정도 의미가 있습니다. 결과 그림을 유사한 분산을 가진 가우시안 SB에 있어야 하는 것과 비교합니다.
수익률 분포와 관련하여 평균화의 진부한 이유로 인해 기간이 높을수록 분포가 가우스 분포가 더 많이 되는 것이 매우 중요합니다(비정규 분포의 집계가 정규 분포를 제공한다는 것을 모두 기억합니다). 시장에서 실제 "무작위" 이벤트는 최상의 변경(요청/입찰), 주문 또는 거래 배치/철회, 몇 분 만에 틱 집계가 이미 분포를 변경하여 가우시안에 더 가깝게 만듭니다(12회 반복이면 충분합니다. 균일한 가우스 분포를 만듦), 실제 시장 분포는 틱 분포일 뿐이고 완전히 비정상적입니다.
수익률 분포와 관련하여 평균화의 진부한 이유로 인해 기간이 높을수록 분포가 가우스 분포가 더 많이 되는 것이 매우 중요합니다(비정규 분포의 집계가 정규 분포를 제공한다는 것을 모두 기억합니다). 시장에서 실제 "무작위" 이벤트는 최상의 변경(요청/입찰), 주문 또는 거래 배치/철회, 몇 분 만에 틱 집계가 이미 분포를 변경하여 가우시안에 더 가깝게 만듭니다(12회 반복이면 충분합니다. 균일한 가우스 분포를 만듭니다), 실제 시장 분포는 틱 분포일 뿐이며 완전히 비정상적입니다.
통화의 경우 실제가 아닙니다. 보다 정확하게는 완전히 비현실적이며 완전히 "비정상적"입니다(분포 측면에서도 아님).
센터가 없기 때문입니다. 진드기의 단일 출처는 없으며 사용자에게 도달할 것임을 보장합니다. 특정 서버의 "가상의 틱 스트림"은 다른 서버의 집계 산물일 뿐만 아니라 이 스트림도 기술적인 이유로 서버와 터미널 모두에 의해 축소됩니다.
수익률 분포와 관련하여 평균화의 진부한 이유 때문에 기간이 높을수록 분포가 가우스 분포가 더 많이 되는 것이 매우 중요합니다(비정상 분포의 합계가 정상적인 분포를 제공한다는 것을 모두 기억합니다). 시장에서 실제 "무작위" 이벤트는 최상의 변경(요청/입찰), 주문 또는 거래 배치/철회, 몇 분 만에 틱 집계가 이미 분포를 변경하여 가우시안에 더 가깝게 만듭니다(12회 반복이면 충분합니다. 가우스 분포를 균일하게 함), 실제 시장 분포는 틱 분포일 뿐이며 완전히 비정상적입니다.
그래도 틱 수준에서 더 정확한 모델은 푸아송 과정의 일부 변형입니다. 예를 들어 점프와 일정하지 않은 강도(시간에 대한 일정하지 않은 함수)의 이산 분포가 있는 복합 푸아송 과정입니다. 그러나 동시에 실제 거래 시간의 불연속성은 무시됩니다.
히스토그램의 모양은 포함된 영역에 따라 다릅니다(Maxim Dmitrievsky는 혼합물에 대해 조금 더 높게 썼습니다). 때로는 이중 험프 히스토그램도 얻을 수 있습니다.
완전한 Markov 모델을 metak으로 전송하는 방법을 모르기 때문에 Python에서 모든 계절 구성 요소를 클러스터링한 다음 클러스터를 예측하도록 간단한 MOHA를 훈련하고 테스트 샘플에서 확인하는 아이디어가 있습니다. 그리고 터미널로 이동합니다. 이것은 폭탄 번호 3이 될 것입니다.
완전한 Markov 모델을 metak으로 전송하는 방법을 모르기 때문에 Python에서 모든 계절 구성 요소를 클러스터링한 다음 클러스터를 예측하도록 간단한 MOHA를 훈련하고 테스트 샘플에서 확인하는 아이디어가 있습니다. 그리고 터미널로 이동합니다. 이것은 폭탄 번호 3이 될 것입니다.
완전한 Markov 모델을 metak으로 전송하는 방법을 모르기 때문에 Python에서 모든 계절 구성 요소를 클러스터링한 다음 클러스터를 예측하도록 간단한 MOHA를 훈련하고 테스트 샘플에서 확인하는 아이디어가 있습니다. 그리고 터미널로 이동합니다. 이것은 폭탄 번호 3이 될 것입니다.
각 클러스터는 일정한 분산과 수학을 가질 것으로 예상됩니다.
bonba 숫자 5 - 일정한 간격으로 반복되는 특정 비율의 추세 이동. 하지만 여전히 4번을 통과해야 합니다.
항상 그러한 진드기가있을 것입니다. 이것이 시장이 작동하는 방식입니다-왜 발생하는 또 다른 질문
틱 수준에서 점프에 대한 가정을 따르면 이러한 이상값을 고려하게 되지만 이러한 틱은 추가 이동 방향을 형성하지 않으며 최대값은 해당 막대가 부딪히는 고/저에서 발생합니다.
나는 Halt에서 틱 표시기의 스크린샷을 찾을 수 없었습니다. 그는 이러한 이상값을 매우 잘 표시했습니다. 이 틱이 어디에서 왔는지 추측하지 않기 위해 옵션 중 하나는 MM이 종종 물음/입찰에 혼합된다는 것입니다. 따옴표는 시간 지연이 있는 스트림이지만 이것은 실제 따옴표입니다! 말하자면 "간략한 속임수와 사기 없음"))))
나는 약 5 년 전에이 기사를 읽었습니다. 흥미롭지 만 추가 정보가 거의 없습니다. 저자는 더 "편리한"변동성 측정을 배우기 위해 OHLC로 무언가를 저어줍니다. 이것은 기본적으로 새로운 것이 아닙니다. 고전 Dacorogna "소개 지난 세기에 "고빈도 금융으로 돌아가기"에서 변동성의 척도로 제곱 평균 제곱보다 평균 절대 수익률을 취하는 것이 좋습니다. 글쎄, 황소의 예측 가능성도 잘 알려진 사실이며, 계절성과 관성이라는 두 가지 요인에 95% 의존합니다. 그러나 (로그)수익률이 변동성에 따라 정렬되더라도 이것은 아무 것도 제공하지 않으며 거래에 기호가 필요하며 어떤 식으로든 분포에 영향을 미치지 않습니다.
예를 들어, 가우스 잡음을 취하면 정상 상태에도 불구하고 이전 샘플에서 다음 샘플을 예측하는 것은 분명히 불가능하지만, 예를 들어 이 계열이 정렬되면 분포는 변경되지 않지만 완전히 예측할 수 있으면 매우 넓은 범위 내에서 동적 변동성을 가지고 놀 수 있으며 고정적이지 않지만 그럼에도 불구하고 쉽게 예측할 수 있습니다.
하나의 시간 프레임이 아니라 일부 세그먼트에서 이 모든 작업을 수행하는 데 어느 정도 의미가 있습니다. 결과 그림을 유사한 분산을 가진 가우시안 SB에 있어야 하는 것과 비교합니다.
엄격함이 필요한 경우, 우리는 예를 들어 수익률의 로그의 넓은 의미에서 정상성의 부재에 대해 이야기하고 있다고 가정할 수 있습니다.
https://github.com/BlackArbsCEO/mixture_model_trading_public/blob/master/notebooks/current_public_notebooks/03_Are_Gaussian_Mixture_Components_More_Stationary_2019-01-01.ipynb
하나의 시간 프레임이 아니라 일부 세그먼트에서 이 모든 작업을 수행하는 데 어느 정도 의미가 있습니다. 결과 그림을 유사한 분산을 가진 가우시안 SB에 있어야 하는 것과 비교합니다.
수익률 분포와 관련하여 평균화의 진부한 이유로 인해 기간이 높을수록 분포가 가우스 분포가 더 많이 되는 것이 매우 중요합니다(비정규 분포의 집계가 정규 분포를 제공한다는 것을 모두 기억합니다). 시장에서 실제 "무작위" 이벤트는 최상의 변경(요청/입찰), 주문 또는 거래 배치/철회, 몇 분 만에 틱 집계가 이미 분포를 변경하여 가우시안에 더 가깝게 만듭니다(12회 반복이면 충분합니다. 균일한 가우스 분포를 만듦), 실제 시장 분포는 틱 분포일 뿐이고 완전히 비정상적입니다.
수익률 분포와 관련하여 평균화의 진부한 이유로 인해 기간이 높을수록 분포가 가우스 분포가 더 많이 되는 것이 매우 중요합니다(비정규 분포의 집계가 정규 분포를 제공한다는 것을 모두 기억합니다). 시장에서 실제 "무작위" 이벤트는 최상의 변경(요청/입찰), 주문 또는 거래 배치/철회, 몇 분 만에 틱 집계가 이미 분포를 변경하여 가우시안에 더 가깝게 만듭니다(12회 반복이면 충분합니다. 균일한 가우스 분포를 만듭니다), 실제 시장 분포는 틱 분포일 뿐이며 완전히 비정상적입니다.
통화의 경우 실제가 아닙니다. 보다 정확하게는 완전히 비현실적이며 완전히 "비정상적"입니다(분포 측면에서도 아님).
센터가 없기 때문입니다. 진드기의 단일 출처는 없으며 사용자에게 도달할 것임을 보장합니다. 특정 서버의 "가상의 틱 스트림"은 다른 서버의 집계 산물일 뿐만 아니라 이 스트림도 기술적인 이유로 서버와 터미널 모두에 의해 축소됩니다.
틱의 통계적 특성은 특정 DC, 피어 및 소프트웨어에 따라 다릅니다.
수익률 분포와 관련하여 평균화의 진부한 이유 때문에 기간이 높을수록 분포가 가우스 분포가 더 많이 되는 것이 매우 중요합니다(비정상 분포의 합계가 정상적인 분포를 제공한다는 것을 모두 기억합니다). 시장에서 실제 "무작위" 이벤트는 최상의 변경(요청/입찰), 주문 또는 거래 배치/철회, 몇 분 만에 틱 집계가 이미 분포를 변경하여 가우시안에 더 가깝게 만듭니다(12회 반복이면 충분합니다. 가우스 분포를 균일하게 함), 실제 시장 분포는 틱 분포일 뿐이며 완전히 비정상적입니다.
그래도 틱 수준에서 더 정확한 모델은 푸아송 과정의 일부 변형입니다. 예를 들어 점프와 일정하지 않은 강도(시간에 대한 일정하지 않은 함수)의 이산 분포가 있는 복합 푸아송 과정입니다. 그러나 동시에 실제 거래 시간의 불연속성은 무시됩니다.
히스토그램의 모양은 포함된 영역에 따라 다릅니다(Maxim Dmitrievsky는 혼합물에 대해 조금 더 높게 썼습니다). 때로는 이중 험프 히스토그램도 얻을 수 있습니다.
완전한 Markov 모델을 metak으로 전송하는 방법을 모르기 때문에 Python에서 모든 계절 구성 요소를 클러스터링한 다음 클러스터를 예측하도록 간단한 MOHA를 훈련하고 테스트 샘플에서 확인하는 아이디어가 있습니다. 그리고 터미널로 이동합니다. 이것은 폭탄 번호 3이 될 것입니다.
각 클러스터는 일정한 분산과 수학을 가질 것으로 예상됩니다.
완전한 Markov 모델을 metak으로 전송하는 방법을 모르기 때문에 Python에서 모든 계절 구성 요소를 클러스터링한 다음 클러스터를 예측하도록 간단한 MOHA를 훈련하고 테스트 샘플에서 확인하는 아이디어가 있습니다. 그리고 터미널로 이동합니다. 이것은 폭탄 번호 3이 될 것입니다.
각 클러스터는 일정한 분산과 수학을 가질 것으로 예상됩니다.
완전한 Markov 모델을 metak으로 전송하는 방법을 모르기 때문에 Python에서 모든 계절 구성 요소를 클러스터링한 다음 클러스터를 예측하도록 간단한 MOHA를 훈련하고 테스트 샘플에서 확인하는 아이디어가 있습니다. 그리고 터미널로 이동합니다. 이것은 폭탄 번호 3이 될 것입니다.
각 클러스터는 일정한 분산과 수학을 가질 것으로 예상됩니다.
그래도 틱 수준에서 더 정확한 모델은 푸아송 과정의 일부 변형입니다. 예를 들어 점프와 일정하지 않은 강도(시간에 대한 일정하지 않은 함수)의 이산 분포가 있는 복합 푸아송 과정입니다.
여러 가지 이유로 작동하지 않을 것이며, 오랫동안 조사되었으며 DC 서버에서 틱을 필터링하는 문제도 아닙니다.
화살표가 이상값인 이 그림에서 https://www.mql5.com/ru/forum/102066/page9#comment_2968124 여기에서 볼 위치를 알고 있는 것에서
항상 그러한 진드기가있을 것입니다. 이것이 시장이 작동하는 방식입니다-왜 발생하는 또 다른 질문
틱 수준에서 점프에 대한 가정을 따르면 이러한 이상값을 고려하게 되지만 이러한 틱은 추가 이동 방향을 형성하지 않으며 최대값은 해당 막대가 부딪히는 고/저에서 발생합니다.
나는 Halt에서 틱 표시기의 스크린샷을 찾을 수 없었습니다. 그는 이러한 이상값을 매우 잘 표시했습니다. 이 틱이 어디에서 왔는지 추측하지 않기 위해 옵션 중 하나는 MM이 종종 물음/입찰에 혼합된다는 것입니다. 따옴표는 시간 지연이 있는 스트림이지만 이것은 실제 따옴표입니다! 말하자면 "간략한 속임수와 사기 없음"))))
bonba 숫자 5 - 일정한 간격으로 반복되는 특정 비율의 추세 이동. 하지만 여전히 4번을 통과해야 합니다.
그것은 이미 폭탄 #2에 있습니다 :)