Was macht ein unstetes Diagramm unstetig oder warum ist Öl Öl? - Seite 33

 
timbo >>:
Каждая реализация помноженная на вероятность данной реализации равно мат.ожидание равно сегоднящней цене или нулю, смотря какая точка отсчёта. Для формулы x(t) = x(t-1) + e(t) мат.ожидание будет равно E[x(t)] = E[x(t-1)] + E[e(t)], где E[e(t)] = 0. Соответственно, E[x(t)] = E[x(t-1)]= E[x(t-2)] = E[x(t-3)] для любого t вплоть до того момента когда цена тебе уже известна и равна не мат.ожиданию, а конкретной цифре.
Natürlich ist das Wichtigste hier der Ausgangspunkt. Die Frage war, dass - schauen Sie - der durchschnittliche Preis bei uns 1,18, was darauf hindeutet, dass angeblich die MO wir haben eine positive und Sie können Kohl schneiden, was sicherlich nicht - das ist, was ich erklären wollte. Ich habe wiederholt geschrieben, dass die absolute Preisskala nichts zu tun hat, es - Bedingtheit, das heißt, dass der Ausgangspunkt standardmäßig immer Null ist, und gerade Ihr Bild illustriert es gut.
 
Avals >>:

...

Ich habe bereits geschrieben, dass ich nicht darüber streiten werde. Meiner Meinung nach ist die Quotenreihe x(n)-x(n-1) stationär in dem Sinne, dass die wichtigsten Verteilungsparameter erhalten bleiben. Andernfalls können ihre Fluktuationen als stationär betrachtet werden(auf verschiedenen Skalen). Der ACF in einer Schicht ist es nicht. Ich habe oben auch über die Notwendigkeit geschrieben, das Verhalten von mehr Segmenten zu untersuchen (lesen Sie aufmerksam):

Das ist der Punkt, dass klare (für mich) und bewährte Überprüfungsmethoden aus irgendeinem Grund eine größere Anzahl von Segmenten erfordern, es braucht einfach eine Reihe. Die erhaltene Reihe von Parametern nach Segmenten wird auf Übereinstimmung mit einer bestimmten (je nach Methode oder ihrer Variante) Verteilung analysiert, und erst danach kann man die Trendkriterien anwenden. Es ist aus zwei Gründen schwierig, solche Schlussfolgerungen zu ziehen.

Genau das habe ich vor ein paar Jahren getan. Dies wurde durch Stationaritätstests - normale statistische Tests - bestätigt. Wenn Sie glauben, dass die Reihe x(n)-x(n-1) nicht stationär ist, dann ist daran auch nichts auszusetzen.

Übrigens, warum haben Sie sie zitiert? Erstens habe ich sie gelesen, und zweitens widerspricht sie nicht dem, was ich gesagt habe. Übrigens sind die Konstruktionen x(n)-x(n-1), ln(x(n)/ln(x(n-1), ((1/n)SUM(x(n)) von Shiryaev sehr gut beschrieben und er empfiehlt sie für die Reduktion der Reihe auf stationär (ich werde keine Screenshots geben, das Buch ist in Papierform).

 
alsu >>:

....

Я только хотел сказать, что приведенная мной методика проверки ряда на независимость приращений дает практически однозначный и теоретически на 99,99% обоснованный результат - ценовой ряд не является рядом с независимыми приращениями (даже если они мало или вообще не коррелируют). А это, в свою очередь, говорит о том, что все модели работы с ценой, подразумевающие независимость соседних отсчетов - неадекватны.

Более того, по-видимому (хотя это еще и надо доказать - а для этого просто не хватает исторических данных), статистическая зависимость между соседними отсчетами одинакова по форме на графиках ряда, по крайней мере, нескольких младших таймфреймов (вплоть до Н4 я это проверял с достаточной точностью). Т.Е. похоже на то, что указанная зависимость - явление неслучайное, как минимум, отчасти - а значит может быть спрогнозировано.

Еще раз повторюсь - этот вывод теоретический и основан исключительно на математике, никаких домыслов из области "фундаментального анализа":)

Urain >>:
Eine starke Aussage, und die Hauptsache ist, dass jeder unbewusst will, dass sie wahr ist.

Ein indirekter Beweis für "nicht zufällige" Preisreiheninkremente sind positive Ergebnisse auf dem Markt mit NN. Eine Zufallsreihe (jede Zufallsreihe) kann nicht angenähert werden, weder die Reihe selbst, noch ihre Inkremente, noch die latenten Regelmäßigkeiten der Reihe. Wenn dies nicht der Fall ist, dann ist sie (die Reihe) nicht zufällig und hat eine inhärente Regelmäßigkeit.

Und es ist wahrscheinlich an der Zeit, mit den "Unfällen" auf den Märkten und der Diskussion über die Merkmale von MF aufzuhören. Das ganze Forum ist bereits mit solchen unpraktischen Argumenten übersät.

 
Farnsworth писал(а) >>

Ich habe bereits geschrieben, dass ich nicht darüber streiten werde. Meiner Meinung nach ist eine Reihe von Zitaten x(n)-x(n-1) stationär in dem Sinne, dass die wichtigsten Verteilungsparameter erhalten bleiben. Andernfalls können ihre Fluktuationen als stationär betrachtet werden(auf verschiedenen Skalen). Der ACF in einer Schicht ist es nicht. Ich habe weiter oben auch über die Notwendigkeit geschrieben, das Verhalten von mehr Segmenten zu untersuchen (lesen Sie es aufmerksam):

Das habe ich vor ein paar Jahren auch getan. Sie wurde durch Stationaritätstests - normale statistische Tests - bestätigt. Wenn Sie glauben, dass die Reihe x(n)-x(n-1) nicht stationär ist, dann ist auch daran nichts auszusetzen.

Übrigens, warum haben Sie sie zitiert? Erstens habe ich sie gelesen, und zweitens widerspricht sie nicht dem, was ich gesagt habe. Übrigens sind die Konstruktionen x(n)-x(n-1), ln(x(n)/ln(x(n-1), ((1/n)SUM(x(n)) von Shiryaev sehr gut beschrieben und er empfiehlt sie für die Reduktion von Reihen auf stationäre Werte (ich werde keine Screenshots zeigen, die Bücher sind auf Papier).


Nun, wenn Sie es gelesen haben, wurde bereits mehrfach erwähnt, dass die Volatilität ein Gedächtnis hat - eine Abhängigkeit von früheren Werten. Stationarität bedeutet, dass die Varianz unabhängig von früheren Werten ist und eine Konstante darstellt. Der Logarithmus löst ein weiteres Problem - die Proportionalität der Volatilität zum absoluten Wert, aber nicht den Clustering-Effekt und andere Speichereffekte. Wenn eine Aktie 1 Rubel wert war und die tägliche Volatilität 5 % betrug, waren das 5 Kopeken. Als er auf 10 Rubel anstieg, betrug die gleiche 5 %ige Vol. 50 Kopeken in absoluten Schritten.

Farnsworth schrieb (a) >>.

Und genau das habe ich vor einigen Jahren getan. Sie wurde durch Stationaritätstests - normale statistische Tests - bestätigt. Wenn Sie glauben, dass die Reihe x(n)-x(n-1) nicht stationär ist, dann ist daran auch nichts auszusetzen.


ok :)

 
joo >>:

И пора, наверное, уже завязывать со "случайностями" на рынках и обсасыванием характеристик СЧ. Весь форум уже захламлен подобными непрактичными рассуждениями.

Um zu wissen, wie man Geld verdient, muss man zuerst genau verstehen, wie man kein Geld verdienen kann, damit man später keine Zeit damit verschwendet. Und ziehen Sie keine voreiligen Schlüsse über die Unpraktikabilität dieses oder jenes Ansatzes; wenn Sie nicht wissen, wie es geht, heißt das nicht, dass es niemand anders kann.

 
timbo >>:

1) Чтобы знать как можно заработать, необходимо сперва точно уяснить как заработать нельзя, чтобы потом не терять на это время.

2) Ну и не стоит делать скорополительных выводов о непрактичности того или иного подхода, если ты не знаешь как, это не значит что никто не знает.

1) Haben Sie es? Das ist gut!

2) Ich ziehe keine voreiligen Schlüsse. Verdienen Sie so viel wie möglich und so gut wie möglich, ich habe nichts dagegen.

 
Avals >>:


ну если читали, то многократно упоминалось, что волатильность имеет память - зависимость от предыдущих значений. Стационарность же подразумевает, что дисперсия не зависит от предыдущих значений и является константой

Formal kann die Varianz x(n)-x(n-1) als eine Konstante betrachtet werden. Allein aufgrund der Komplexität der verschiedenen Prozesse entwickeln sie so ausgeklügelte Methoden zur Analyse des Verhaltens von Parametern von Segmenten. Nimmt man eine Sinuskurve, so ist es bei einer kleinen Segmentgröße und einer großen Sinuskurve einfach, diese Abhängigkeit von früheren Werten und ihre Nicht-Stationarität zu erkennen.

Der Logarithmus löst ein weiteres Problem - die Proportionalität der Volatilität zum absoluten Wert, nicht aber den Clustering-Effekt und andere Memory-Effekte. Wenn eine Aktie 1 Rubel wert war und die tägliche Volatilität 5 % betrug, kostete sie 5 Kopeken. Als der Anteil auf 10 Rubel anstieg, betrug derselbe 5 %-Volumenanteil 50 Kopeken.

Verstehen Sie mich nicht falsch, es gibt keine klare und präzise Definition des Begriffs "Zeitreihengedächtnis". Das hat niemand, und solche grundlegenden Entdeckungen sollten mit äußerster Vorsicht gemacht werden. Insbesondere schreiben Sie über Aktien, während ich über den Prozess x(n)-x(n-1) schreibe. Dieser Prozess hat nichts mit Aktien zu tun. Es ist ein Standardverfahren zur Reduzierung von Serien auf eine stationäre Serie und ist praktisch unanfechtbar; es tötet alle oder fast alle. Aber die Reihe x(n)=x(n-1)+(Fall) ist natürlich nicht stationär, und alles, was Sie geschrieben haben, gilt direkt für sie.

 
Farnsworth писал(а) >>

Es gibt keine klare und präzise Definition des Begriffs "Zeitreihengedächtnis". Das hat niemand, und solche grundlegenden Entdeckungen sollten mit äußerster Vorsicht gemacht werden.

Es wurde bereits geschrieben, dass es ein Modell gibt, bei dem das Volatilitätsgedächtnis berücksichtigt wird.

Engle, Robert (geb. 1942), amerikanischer Wirtschaftswissenschaftler, Spezialist für Methoden zur Analyse von Wirtschaftsstatistiken. Für seine gemeinsamen Bemühungen mit Clive Grainger um die Analyse von Zeitreihen mit zeitlich variierender Volatilität wurde er 2003 mit dem Nobelpreis für Wirtschaftswissenschaften ausgezeichnet.

....

Obwohl die reale Volatilität variabel ist, stehen den Ökonomen seit langem nur solche statistischen Methoden zur Verfügung, die auf der Annahme ihrer Konstanz beruhen. 1982 hat Engle das Modell der autoregressiven bedingten Heteroskedastizität (ARCH) entwickelt, auf dessen Grundlage Veränderungen der Volatilität vorhergesagt werden können. Seine Entdeckung der Methode der wirtschaftlichen Zeitreihenanalyse ermöglicht es, die Tendenzen des BIP, der Verbraucherpreise, der Zinssätze, der Wechselkurse und anderer Wirtschaftsindikatoren nicht nur für den nächsten Tag oder die nächste Woche, sondern sogar für ein Jahr im Voraus mit größerer Genauigkeit als bisher vorherzusagen. Die hohe Genauigkeit der mit diesem Modell erstellten Prognosen wurde insbesondere durch die Analyse der historischen Wirtschaftsstatistiken der USA und Großbritanniens bewiesen, als die auf den Daten der vergangenen Jahre basierenden Prognosen mit den tatsächlichen Indikatoren der folgenden Jahre verglichen wurden.

https://www.mql5.com/go?link=http://slovari.yandex.ru/dict/krugosvet/article/c/ca/1011225.htm

 
Avals >>:

Писали же уже, есть модель где учитывается память по волатильности.

...

Kein "Zeitreihengedächtnis" wurde jemals von diesem Modell berücksichtigt. Es gibt keinen Grund für ein vages Wunschdenken.

sehr viel zuverlässiger als bisher die Entwicklung des BIP, der Verbraucherpreise, der Zinssätze, der Wechselkurse und anderer Wirtschaftsindikatoren nicht nur für den nächsten Tag oder die nächste Woche, sondern sogar für ein Jahr voraussagen.

Haben Sie selbst schon einmal versucht, mit dieser Methode Prognosen zu erstellen?

 
Farnsworth писал(а) >>

Das "Zeitreihengedächtnis" wurde in diesem Modellnie berücksichtigt. Das ist kein vages Wunschdenken.

Haben Sie selbst schon einmal versucht, mit dieser Methode Prognosen zu erstellen?


Wenn Sie das Wort "Erinnerung" nicht mögen, machen Sie es wie Schirjajews "Nachwirkung". Das Modell nutzt bei der Vorhersage die Abhängigkeit der Volatilität von früheren Werten. Die Tatsache, dass Volatilität und Streuung keine Konstanten sind, sondern sich mit der Zeit verändern und von früheren Werten abhängen, ist einfach und offensichtlich. Das ist es, was in Modellen wie ARCH/GARCH verwendet wird. Sie behaupten aber, dass die Varianz konstant ist. Auch wenn Sie es so sehen können, wenn Sie etwas Nützliches daraus ziehen können :) Der Hauptwert von Modellen besteht darin, dass sie praktisch nützlich sind.