От теории к практике - страница 1559
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
писал ему уже, он в некой ипостаси ищет смысл, то с уклоном на все что помнит из ВУЗа, то потом Ганна, то Колдунов, то Всевышнего пытается призвать к ответу
2 года всего человек ищет грааль, не нужно так строго, лет через 5 если ещё помучается то по другому запоёт или завоет
http://www.thealgoengineer.com/2014/online_linear_regression_kalman_filter/
есть еще rolling regression и прочие модификации
Калман мне не нравится тем, что всегда предполагает некоторое предварительное знание о системе. В статье - это знание о том, что коэффициенты связи двух котировок описываются случайным блужданием. Если наше знание соответствует действительности, то всё замечательно, а если нет то увы. Нужен подход Сократа - "я знаю, что я ничего не знаю")
rolling regression - насколько я понимаю это не конкретный алгоритм, а общий подход, когда коэффициенты постоянно пересчитываются вне зависимости от того произошла ли разладка. Здесь надо смотреть в каждом конкретном случае - происходит ли потеря точности при таком упрощении. Постоянство окна потенциально может приводить к неточности.
В поиске разладки обычно выделяют две задачи: 1) произошла ли разладка и 2) в какой момент времени она произошла. Первую можно решать последовательным (онлайн) способом, а вторую вроде бы только апостериорным (офлайн). Поскольку у нас цены весьма близки к СБ, то решать нашу задачу надо как можно точнее, т.е. использовать оба подхода.
Пока её обнаружишь стат. методами, будет уже поздно) Лучшая разладка - стоплосс, или пробой.
Любой алгоритмизируемый подход к решению задач в условиях неопределённости может быть описан как статистический (может - не означает, что обязательно должен). Правда, обычно при этом говорят не о матстате, а о теории статистических решений.
Калман мне не нравится тем, что всегда предполагает некоторое предварительное знание о системе. В статье - это знание о том, что коэффициенты связи двух котировок описываются случайным блужданием. Если наше знание соответствует действительности, то всё замечательно, а если нет то увы. Нужен подход Сократа - "я знаю, что я ничего не знаю")
rolling regression - насколько я понимаю это не конкретный алгоритм, а общий подход, когда коэффициенты постоянно пересчитываются вне зависимости от того произошла ли разладка. Здесь надо смотреть в каждом конкретном случае - происходит ли потеря точности при таком упрощении. Постоянство окна потенциально может приводить к неточности.
В поиске разладки обычно выделяют две задачи: 1) произошла ли разладка и 2) в какой момент времени она произошла. Первую можно решать последовательным (онлайн) способом, а вторую вроде бы только апостериорным (офлайн). Поскольку у нас цены весьма близки к СБ, то решать нашу задачу надо как можно точнее, т.е. использовать оба подхода.
ну просто скользящая регрессия прогоняется по графику, записываются коэффициенты и запихиваются в классификатор. Получается индикатор разладки, который можно проверит на новых данных.
Это если ничего придумывать не охото, высокоуровнево так сказать )
Нужны конкретные исследования, Алексей. CUSUM, карты Шухарта и т.д., если тебе это интересно и близко.
Я один тупо не успеваю все делать. И надежды на форумчан все меньше и меньше. Один - Высоцкого цитирует, другой - философствует и за какими-то сигналами следит, как будто это приблизит их к цели. Какой-то театр абсурда.
Я готов участвовать в обсуждении осмысленных теоретических вопросов. В какие-либо совместные проекты связанные с тратами времени и/или денег ввязываться не буду.
ну просто скользящая регрессия прогоняется по графику, записываются коэффициенты и запихиваются в классификатор. Получается индикатор разладки, который можно проверит на новых данных.
Это если ничего придумывать не охото, высокоуровнево так сказать )
Подход хорош для разведочного анализа ряда. Финальная торговая система должна быть даже ещё проще)
ну просто скользящая регрессия прогоняется по графику, записываются коэффициенты и запихиваются в классификатор. Получается индикатор разладки, который можно проверит на новых данных.
Это если ничего придумывать не охото, высокоуровнево так сказать )
Че уже подсказывал на счёт экспоненты что-то. Да и я уже давно говорил провести такой анализ (но у меня мозгов не хватит реализовать, как оказалось даже изменение цены по экспоненте не могу построить).
или строить массив цены с различным трендом (линейный,экспонента и т.д.) а потом сравнивать фактическую цену или может есть другие способы определить тип тренда.
Че уже подсказывал на счёт экспоненты что-то. Да и я уже давно говорил провести такой анализ (но у меня мозгов не хватит реализовать, как оказалось даже изменение цены по экспоненте не могу построить).
или строить массив цены с различным трендом (линейный,экспонента и т.д.) а потом сравнивать фактическую цену или может есть другие способы определить тип тренда.
Не знаю, я не занимаюсь визуальной др... исследованиями. Просто загоняю в модели и смотрю, оптимизирую. Самые неплохие результаты получаются именно на регрессионных фичах.
Любой алгоритмизируемый подход к решению задач в условиях неопределённости может быть описан как статистический (может - не означает, что обязательно должен). Правда, обычно при этом говорят не о матстате, а о теории статистических решений.
Че уже подсказывал на счёт экспоненты что-то. Да и я уже давно говорил провести такой анализ (но у меня мозгов не хватит реализовать, как оказалось даже изменение цены по экспоненте не могу построить).
или строить массив цены с различным трендом (линейный,экспонента и т.д.) а потом сравнивать фактическую цену или может есть другие способы определить тип тренда.
Просто разберитесь, как вычисляются коэффициенты регрессии (фиксированного порядка) методом наименьших квадратов на фиксированной выборке. Потом считайте их в скользящем окне фиксированного размера - получится набор индикаторов-коэффициентов.