Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1792
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
oops. Interessanter Gedanke. Auswahl/Trennung von Abschnitten einer Serie nach dem Ausmaß, in dem das Modell den Abschnitt beschreibt. Nur wie können wir feststellen, ob das Modell die Reihe schlecht oder gut beschreibt. Wir können die Korrelation nicht auf einen Blick erkennen. Aber es ist etwas dran. Die Frage/Aufgabe besteht nicht darin, Vorhersagen zu treffen, sondern das Verhalten der Serie zu ändern.
Begriffe und ihre Eindeutigkeit machen das Leben leichter)))) Ich habe SB zunächst im Minus- bis Plusunendlichkeitsbereich in unendlicher Zeit und erst dann die Regeln. Das Wiener's war sofort in den Regeln)))), deshalb ist es wohl näher dran).
Im Grunde handelt es sich bei der üblichen Matstat um einen Test statistischer Hypothesen. Haben wir zum Beispiel nur eines von zwei möglichen Modellen - SB oder Ornstein-Uhlenbeck -, dann haben wir ein Problem, zwischen zwei Hypothesen zu unterscheiden, das durch den bekannten Dickey-Fuller-Test gelöst wird.
Im Wesentlichen handelt es sich bei dem üblichen Matstat um einen statistischen Hypothesentest. Haben wir zum Beispiel nur eines von zwei möglichen Modellen - SB oder Ornstein-Uhlenbeck -, dann haben wir das Problem, zwischen zwei Hypothesen zu unterscheiden, das durch den bekannten Dickey-Fuller-Test gelöst wird.
Es ist eine Frage der Mindestfläche, die für einen gültigen Test ausreicht))) Ich wüsste allerdings nicht, wie. DF-Test auf Stationarität, wie kann er auf die Korrektheit der Modellbeschreibung angewendet werden?
DF-Stationaritätstest, wie wenden wir ihn auf die Korrektheit der Modellbeschreibung an?
Streng genommen ist dies falsch - es handelt sich um einen Test auf das Vorhandensein einer Einheitswurzel (dies ist die Nullhypothese) gegen die Annahme, dass es keine solche Wurzel gibt (dies ist die Alternativhypothese). Es ist NICHT wahr, dass JEDE Nicht-Stationarität mit dem Vorhandensein einer Einheitswurzel identisch ist - das Beispiel eines Ornstein-Uhlenbeck-Prozesses mit sich ändernden Parametern (Divergenz) ist offensichtlich nicht-stationär, aber kein autoregressiver Prozess mit einer Einheitswurzel.
Ihre Anwendbarkeit auf unser Problem ergibt sich aus unserer Annahme, dass jeder Abschnitt entweder SB, Ornstein-Uhlenbeck oder ein Umschaltabschnitt zwischen diesen beiden ist. Der geringe Wert des p-Wert-Tests legt nahe, dass Ornstein-Uhlenbeck besser geeignet ist als SB und umgekehrt. Ein weiterer Punkt ist, dass unsere Annahme, dass nur zwei Optionen möglich sind, in der Praxis möglicherweise nicht anwendbar ist und wir die Liste der Modelle erweitern müssen.
Es geht um eine ausreichende Mindestfläche für einen gültigen Test)))
Das ist eine komplizierte, nicht triviale Frage, die man besser mit dem Auge oder durch Auswahl löst).
Aleksey Nikolayev:
1) Verwendung eines Modells zur Preisprognose.
Wie kann ein stochastisches Modell eine Vorhersage treffen? Bei jedem Durchlauf wird eine andere Flugbahn gezeichnet. Auch wenn es ähnlich ist.
Auf die übliche Art und Weise - Erwartung und Wahrscheinlichkeiten der Abweichung davon um einen bestimmten Wert. Eine andere Sache ist, dass diese Vorhersage zum Beispiel für SB nicht viel Sinn macht. Bei einem stationären (oder stückweise stationären) Prozess ist dies jedoch sinnvoll. Beim Ornstein-Uhlenbeck-Prozess zum Beispiel (über den ich eigentlich geschrieben habe) ist die Vorhersage, dass der Mittelwert wieder erreicht wird.
Streng genommen ist dies falsch - es handelt sich um einen Test auf eine Einheitswurzel (dies ist die Nullhypothese) gegen die Annahme, dass es keine Einheitswurzel gibt (dies ist die Alternativhypothese). Es ist NICHT wahr, dass JEDE Nicht-Stationarität mit dem Vorhandensein einer Einheitswurzel identisch ist - das Beispiel eines Ornstein-Uhlenbeck-Prozesses mit sich ändernden Parametern (Divergenz) ist offensichtlich nicht-stationär, aber kein autoregressiver Prozess mit einer Einheitswurzel.
Ihre Anwendbarkeit auf unser Problem ergibt sich aus unserer Annahme, dass jeder Abschnitt entweder SB, Ornstein-Uhlenbeck oder ein Umschaltabschnitt zwischen diesen beiden ist. Der geringe Wert des p-Wert-Tests legt nahe, dass Ornstein-Uhlenbeck besser geeignet ist als SB und umgekehrt. Ein weiterer Punkt ist, dass unsere Annahme, dass nur zwei Optionen möglich sind, in der Praxis möglicherweise nicht anwendbar ist und wir die Liste der Modelle erweitern müssen.
Dies ist ein kompliziertes und nicht triviales Problem, so dass es besser ist, es nach Augenmaß oder durch Auswahl zu lösen).
Eine Einheitswurzel ist die Bedingung, dass die Wurzeln eines Polynoms gleich (oder kleiner) dem Modulus der Einheit sind, was auf Stationarität hinweist. Dass die Reihe nicht breiter als ein bestimmter Korridor ist. An den Rändern sind die Wurzeln des Polynoms 1 oder -1. Wenn die Wurzeln größer sind, wird die Reihe breiter, wenn sie kleiner sind, liegt die Reihe im Korridor. Wie lässt sich dies darauf anwenden, wie gut das System die Serien beschreibt? Wir sollten in der Lage sein, ein System mit so wenigen Variablen wie möglich zu finden, das die Reihe korrekt beschreibt.
Die Annahme, dass es zwei Zustände gibt, ist natürlich falsch. Genauso wenig wie die Messung eines einzigen Parameters mit einer gewissen Stationarität das Problem lösen kann, herauszufinden, wann der Expert Advisor zu versagen beginnt. Es gibt ein Problem mit einer Reihe von großen Maßstab. Auf jeder Skala verhält sich die Reihe anders, und der Einfluss einer Reihe von großen Skalen ist auf kleinen Skalen oft vernachlässigbar, manchmal sogar wesentlich. Im Allgemeinen gibt es ein Missverständnis darüber, wie die Merkmale von Reihen einer Skala auf andere Skalen anzuwenden sind.
Manchmal können die richtigen Einstellungen nach Augenmaß oder von Hand das Ergebnis erheblich beeinflussen))))
https://3dnews.ru/1011653
Ich verstehe nicht, was daran neu sein soll. Das neue ns hat das Material des alten ns erhalten und die Regeln und den Algorithmus des Ergebnisses des alten ns reproduziert. Oder ich habe etwas übersehen)))
Ich verstehe immer noch nicht, was daran neu sein soll, wenn dem neuen ns das Material des alten ns gegeben wurde und es die Regeln und den Algorithmus des Ergebnisses des alten ns reproduziert. Oder habe ich etwas übersehen?)
So wie ich es verstehe, ist das Ergebnis der geschriebene Code des neuen Programms, das das Spiel reproduziert, ohne neue / irgendwelche Daten in die Eingabe zu geben.
Eine Einheitswurzel ist die Bedingung dafür, dass die Wurzeln eines Polynoms gleich (oder kleiner) einem Modulus der Einheit sind und dass die Reihe nicht breiter als ein bestimmter Korridor ist. An den Rändern sind die Wurzeln des Polynoms 1 oder -1. Wenn die Wurzeln größer sind, wird die Reihe breiter, wenn sie kleiner sind, liegt die Reihe im Korridor.
Der Begriff der Wurzel (charakteristisches Polynom) ist NUR für autoregressive Prozesse definiert. Es gibt Gründe dafür, jeden stationären Prozess als autoregressiv zu betrachten. Es gibt auch nicht-stationäre autoregressive Prozesse. Aber es gibt noch viel mehr Prozesse, die NICHT stationär und NICHT autoregressiv sind (und sich auch nicht auf sie reduzieren lassen) - für sie macht das Nachdenken über Wurzeln überhaupt keinen Sinn.
Wie lässt sich dies darauf anwenden, wie gut das System die Serien beschreibt?
Dies ist eine notwendige (aber keine hinreichende) Bedingung, und sie funktioniert nur im Rahmen einer gegebenen Zwei-Zustände-Annahme. Wenn sie nicht erfüllt ist, macht es keinen Sinn zu sagen, dass es sich um eine andere Serie als SB handelt (die Einführung des zweiten Zustands hat sich als überflüssig erwiesen - der Preis ist immer ähnlich wie SB). Wenn sie erfüllt ist, müssen die Normalität und die Unabhängigkeit der Residuen, die Signifikanz der Differenz der Parameter von Null usw. geprüft werden.
Gut, wir sollten ein System mit einer minimalen Anzahl von Variablen finden, das die Reihe ausreichend korrekt beschreibt.
Nun, ja, beginnend mit ihrem Minimum und allmählich ansteigend, wobei man sich bewusst ist, dass irgendwann alles perfekt "beschrieben" sein wird, weil eine Überanpassung durch eine Fülle von Parametern erfolgt.