Получение стационарного ВР из ценового ВР - страница 2
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Интересно, кому-нибудь приходилось получать белый шум при преобразованиях цены?
На дожи.Ботаническая пурга. Неужели своих мозгов недостаточно, чтобы понять, что все по указаной Вами ссылке - чушь?
Читаем дальше, цитирую: "Ограничения. Следует напомнить, что модель АРПСС является подходящей только для рядов, которые являются стационарными (среднее, дисперсия и автокорреляция примерно постоянны во времени); для нестационарных рядов следует брать разности. Рекомендуется иметь, как минимум, 50 наблюдений в файле исходных данных. Также предполагается, что параметры модели постоянны, т.е. не меняются во времени. " (Я не хочу обсуждать цифру 50 наблюдений, потому что даже дурню на этом форуме ясно, что 50 сделок - это не результат)
Пусть у нас ряд нестационарный, мы взяли остатки - delta(x). Сами остатки, как предполагается в данном ботаническом "труде" должны соответствовать требованиям, цитирую: "содержащие только шум без систематических компонент".
Хрен с ним. Пусть будет шум. Сам шум никакому прогнозу не поддается. Следовательно, его бесполезно аппроксимировать. Но зато у него есть свойство, цитирую: "Остатки д.б. распределены нормально и иметь МО=0"
Следовательно, вместо шума берем его МО = 0
Подставляем в прогноз: forecast(time + i + j) = price_appr(time + i + j) + delta_appr(time + i + j) = price_appr(time + i + j) + 0 = price_appr(time + i + j)
Итого, прогноз на шумах это первая аппроксимация: price_appr(x). А первая аппроксимация, как я уже говорил в третьем посте данного топика - голимая подгонка. В результате получается:
Прогноз по ботанической методе = подгонка
Чего шумим? Берем ZigZaz и баста, тот хвостик, что дергается - ждем когда перестанет дергаться. А если серьезно: эта новая модель стационарного ряда может представлять исходную нестационарную. Там где обсуждают АРПСС еще обсуждают и доверительные интервалы между исходным ВР и его моделью. Не могу понять, где ботаники, а где зоологи.
Интересно, кому-нибудь приходилось получать белый шум при преобразованиях цены?
В чистом виде, никому. Белый шум имеет равные амплитуды по всем гармоникам от 0 до бесконечной. В чистом виде в природе не встречается, потому что не существует таких идеальных акустических условий при которых хоть какие нибудь гармоники не пофиксятся.
А для проверки на предмет белого шума можно взять первые N гармоник и сравнить их амплитуды. Если примерно совпадают, то значит ВР шумит.
Ограничения. Следует напомнить, что модель АРПСС является подходящей только для рядов, которые являются стационарными (среднее, дисперсия и автокорреляция примерно постоянны во времени); для нестационарных рядов следует брать разности. Рекомендуется иметь, как минимум, 50 наблюдений в файле исходных данных. Также предполагается, что параметры модели постоянны, т.е. не меняются во времени.
Автор статьи какую то ерунду написал, поскольку указанная модель, и модели –«прородители» замечательно могут использоваться для нестационарных рядов (коэффициенты будут просто нестационарными). Существенные ошибки предсказания кроются в другом – в значимом несоответствии распределения источника и используемой модели. Другими словами, необходимое условие – это совпадение распределений АРПСС и ценовых рядов, чего конечно не наблюдается в природе.
PS: кстати, какой то глюк, выделение цитатой не работает Хммм, выделение цитаты работает, но отдельно от выделения текста (IE7),
Ботаническая пурга. Неужели своих мозгов недостаточно, чтобы понять, что все по указаной Вами ссылке - чушь?
Читаем дальше, цитирую: "Ограничения. Следует напомнить, что модель АРПСС является подходящей только для рядов, которые являются стационарными (среднее, дисперсия и автокорреляция примерно постоянны во времени); для нестационарных рядов следует брать разности. Рекомендуется иметь, как минимум, 50 наблюдений в файле исходных данных. Также предполагается, что параметры модели постоянны, т.е. не меняются во времени. " (Я не хочу обсуждать цифру 50 наблюдений, потому что даже дурню на этом форуме ясно, что 50 сделок - это не результат)
Пусть у нас ряд нестационарный, мы взяли остатки - delta(x). Сами остатки, как предполагается в данном ботаническом "труде" должны соответствовать требованиям, цитирую: "содержащие только шум без систематических компонент".
Хрен с ним. Пусть будет шум. Сам шум никакому прогнозу не поддается. Следовательно, его бесполезно аппроксимировать. Но зато у него есть свойство, цитирую: "Остатки д.б. распределены нормально и иметь МО=0"
Следовательно, вместо шума берем его МО = 0
Подставляем в прогноз: forecast(time + i + j) = price_appr(time + i + j) + delta_appr(time + i + j) = price_appr(time + i + j) + 0 = price_appr(time + i + j)
Итого, прогноз на шумах это первая аппроксимация: price_appr(x). А первая аппроксимация, как я уже говорил в третьем посте данного топика - голимая подгонка. В результате получается:
Прогноз по ботанической методе = подгонка
Это проверка адекватности модели прогнозирования. Остатки можно брать нетолько первого порядка. Т.е. delta2(time + i) = Open[time + i] - forecast(time + i). Метод говорит только что модель прогнозирования адекватна. В твоем случае модель прогнозирования это и есть forecast. Т.е.
"4. Проверяем delta(x) на предмет белого шума. Если шумит, то обломись бабулька. Если не шумит, то продолжаем"
это не обломись бабулька, а наоборот - модель прогнозирования хороша. Остатки не имеют систематической компоненты, независимы. Пока этого нет, можно до бесконечности строить модели экстраполирования остатков. Это критерий останова, что пришли к тому что искали.
Самому сложно что-ли разобраться? ;)
А для проверки на предмет белого шума можно взять первые N гармоник и сравнить их амплитуды. Если примерно совпадают, то значит ВР шумит.
А не лучше АКФ посчитать?
Это проверка адекватности модели прогнозирования. Остатки можно брать нетолько первого порядка. Т.е. delta2(time + i) = Open[time + i] - forecast(time + i).
Опять чушь несусветная.
В результате получим: delta2(x) = delta(x), потому что, forecast(x) = price_appr(x).
Самому сложно что-ли разобраться?
А не лучше АКФ посчитать?
Почему не орбращаем внимание на хвостик в ZZ? А ведь это точно прогноз. А у Вас еще надо доказать, что оно у Вас есть такое.
Опять чушь несусветная.
В результате получим: delta2(x) = delta(x), потому что, forecast(x) = price_appr(x).
Самому сложно что-ли разобраться?
напряги извилины еще :) То что МО случайной величины=0 не значит что саму СВ можно заменить нулем, как ты это ловко проделываешь :) :)