Woran erkenne ich den Unterschied zwischen einem FOREX-Chart und einem PRNG? - Seite 30
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
Der Autor dieses Threads hat eine äußerlich sehr einfache (in der Formulierung), aber tiefgründige Frage gestellt: Wie kann man zwischen einem echten Quotidian und einem HSPC unterscheiden?
Die örtlichen Akademiker wurden schnell abgeführt und begannen, ihr Wissen über einige kleine Details zu demonstrieren, bis hin zur Erfindung eines weiteren Fahrrads und dessen Einbau in eine kodobase.
Welchen Unterschied macht es, welche Formel zur Berechnung des ACF verwendet wird? Viel wichtiger ist das Programm zur Berechnung des ACF, das die meisten Wirtschaftswissenschaftler zur Analyse von Wirtschaftsdaten verwenden. Nein. Einige Hinweise von einem DSP-Spezialisten, Matcadas mit Matlab. Handelt es sich dabei um spezielle Pakete für die Analyse von Wirtschaftsdaten? Folglich ist der Kreis der Wirtschaftswissenschaftler, die diese Pakete verwenden, sehr klein. Warum werden die Ergebnisse der Berechnung des ACF in spezialisierten Paketen, die von Millionen von Nutzern verwendet werden und alle Fehler längst beseitigt haben, nicht angegeben? Wer hat die Algorithmen und ihre korrekte Anwendung festgelegt?
Wir hätten auf die Erwähnung von Sonderpaketen verzichten können. Aber dieser Thread ist offen für die Diskussion einer allgemeinen Aufgabe, und ACF ist nur ein Schritt zur Lösung dieser allgemeinen Aufgabe. Hätten wir im Rahmen spezieller Pakete (EViews, R ....) darüber diskutiert, hätten wir sofort verstanden, dass ACF eine Lappalie ist, die ersten Analyseschritte, die möglicherweise die gestellte Frage beantworten könnten, werden von anderen Berechnungen durchgeführt. Außerdem müssten wir nach der Berechnung des ACF einige weitere Schritte unternehmen, um die Frage des Themas zu beantworten.
Und vor allem würden wir die Methodik der Statistik verletzen, die immer Zweifel an den ermittelten Zahlen aufkommen lässt. Wie bei der ACF müssen die Korrelationswerte in der ACF zwangsläufig mit einer Wahrscheinlichkeit versehen werden, die den Grad des Vertrauens in die resultierenden Korrelationswerte angibt. Die Erfahrung bei der Verwendung von ACF in dieser Form zeigt, dass diese Wahrscheinlichkeit sehr oft um 0,5 kreist, d.h. es ist nicht klar, ob man dem in diesem Lager verfügbaren Korrelationswert vertrauen kann oder nicht.
Ich schlage vor, auf den ersten Beitrag des Themas zurückzukommen. Beschreiben Sie zumindest in Worten eine Liste von Aktionen, die die Frage des Themas beantworten würden. Und das Thema hat es verdient.
Es gibt keinen strengen Beweis.
Die Periodizität der Volatilität ändert sich - eine Vermutung kann angestellt werden. Aber die Serie muss lang genug sein und die TF kleiner als 4H. Bei einer Stichprobe von 500 Beobachtungen, wie sie in den Schaubildern dargestellt ist, ist es nicht sicher, dass eine reale Preisreihe einen solchen Effekt hätte. Und es ist nicht die Tatsache, dass gpsh nicht eine Realisierung mit dem gleichen Effekt geben wird. Oder besser gesagt, die Tatsache, dass es die gleiche oder eine größere Wirkung haben wird.
Die berüchtigten dicken Schwänze sind in Wirklichkeit das Vorhandensein von "Ausreißern". Außerdem muss die Serie lang genug sein. Bei einer relativ kurzen Probe können Sie ein Werkzeug wählen, das keine so offensichtliche Wirkung hat. Ein gewöhnliches gpsh zeigt einen solchen Effekt natürlich nicht.
Autokorrelation - es gibt beides. Das ist Unsinn.
Entweder das, was vorgeschlagen wurde - ein Unterscheidungskriterium für bestimmte TS finden.
1. Das ist genau falsch. Für die Autokorrelationsfunktion gibt es eigentlich nur eine Definition:
2. aber es gibt mindestens zweiundvierzig Möglichkeiten, ihn zu schätzen (nicht zu berechnen), d. h. den ACF der Stichprobe zu berechnen.
2. In Punkt 2 haben Sie Recht, wie ich bereits Privalov sagte, aber der Autor dieses Forums hat offensichtlich Probleme mit dem Sehvermögen.
1. In Punkt (1) irren Sie sich, und zwar in ungeheuerlicher Weise.
Zuerst haben sie den ACF erfunden, dann haben sie eine Formel dafür übernommen, und dann haben sie eine moderne statistische "Definition" entwickelt.
Es gibt keine "Definition" der Autokorrelation. Was Sie oben anführen, ist nur ein zusammengewürfelter Ausschnitt des Kolmogorovianismus.
Karls Freund Yule beschrieb 1926 die Autokorrelation WELTWEIT - als die Korrelationsähnlichkeit von PUSHES einer Zeitreihe oder einer Sinuswelle (oben habe ich dieses für Mathematiker der damaligen Zeit selbstverständliche Konzept einfach in WORTEN wiederholt). Yule hat nicht einmal eine Formel für die "serielle Korrelation", wie er sie in diesem Artikel nennt. Er gab nur Diagramme des ACF an. Die Methode erwies sich als nützlich, und später formalisierte Walker sie ein wenig, und die bekannten modernen Formeln erschienen bereits nach Kolmogorovs Arbeit, etwa 1942, von Anderson.
Hier ist die Originalseite, auf der die serielle Korrelation zum ersten Mal in der Welt erwähnt wird:
Es gibt keine einheitliche "Formel" für die Autokorrelation, genauso wenig wie es eine einheitliche "Formel für die Mustererkennung" gibt und geben kann. All diese modernen Formeln sind lediglich Implementierungen verschiedener privater Methoden zur Erkennung der Ähnlichkeit einer Funktion mit sich selbst.
Die serielle Korrelation, wie ihr Autor Yule sie nannte, oder die Autokorrelation, ist - in einfachen Worten - nur ein Maß für die Selbstähnlichkeit einer Funktion. Und wie dieses Maß zu berechnen ist - ja, da haben Sie recht - sogar auf hundertzweiundvierzig Arten. Die Hauptsache ist, dass ein Ergebnis erzielt wird.
1942:
Das war das Ende der Geschichte.
Das wäre also geklärt.
Ach, wenn es doch nur so einfach wäre!
Er wird bald Karl und seinen Freund Jürl ausgraben und sie hierher bringen, um seinen Standpunkt zu beweisen....
Ach, wenn es doch nur so einfach wäre!
Eben nicht einfach: Es stellt sich heraus (und so ist es auch), dass alles, was wir in den Büchern haben, entweder extrem allgemeine Formulierungen oder enge Spezialfälle sind, die, wenn überhaupt, nur mit großen Vorbehalten und Einschränkungen in den Vordergrund passen. Vor allem, wenn man bedenkt, dass es neben der linearen Korrelationsanalyse (die kaum eine nichtparametrische Analyse einschließen kann) auch nichtlineare Analysen gibt, zum Beispiel den dynamischen Time-Warping-Algorithmus, der in diesem Forum bereits erwähnt wurde. Und das ist nur die Spitze des Eisbergs.
Eröffnung.
Natürlich sind alle Methoden der matten Statistik durch die Merkmale der verwendeten Eingabedaten begrenzt. Und es ist klar, dass die Preisreihen der Finanzmärkte aufgrund des Vorhandenseins von Rückkopplungen nicht direkt für diese Methoden verwendet werden können, ohne sie zu transformieren.
DTW? Vielleicht wird eine nichtlineare Verzerrung im Laufe der Zeit bei der Suche nach Mustern etwas bringen. Aber bis jetzt ist das alles nur Theorie.
Das Problem wird hier behoben: https://forum.mql4.com/ru/54199/page38
faa1947:
.....Der Text Ihres Codes gibt keine Antwort auf diese Frage.......
Das tut sie. Darin steht das Wort "Periode". Aber ein Händler ist nicht an einem reinen "Zeitraum" interessiert. Wie Mark Twain sagte: "Die Geschichte wiederholt sich nicht, sie RIFMS".
George Marsaglia mischte Tracks mit Rap-"Musik" und präsentierte sie als eine perfekte Zufallsserie. Er nannte Rap "schwarzes Rauschen", das alle PRNG-Tests besteht.
https://tams.informatik.uni-hamburg.de/paper/2001/SA_Witt_Hartmann/cdrom/Internetseiten/stat.fsu.edu/diehard.html
oder
http://www.robertnz.net/true_rng.html
Wie kann es sich also um "zufälliges Rauschen" handeln, wenn wir sie auf dem Player interpolieren können und ein mehr oder weniger sinnvolles periodisches polyharmonisches Signal hören? Es geht um unzureichende Abtastung und Quantifizierung und darum, dass man die interne Struktur des "schwarzen Rauschens" nicht kennt. Der DIEHARD-Test, der Periodizität aus allem extrahieren kann, kann keine Periodizität aus Rap-Musik extrahieren, weil er glaubt, dass es keine interne Signalstruktur gibt. Aber sie ist da. Es ist das gleiche mit Forex - alle Handelssysteme (außer unserem System) können die interne Struktur des Signals nicht extrahieren.
Weil er sehr kurz ist.
Funktechniker würden niemals von solchen "ToRs" - technischen Aufträgen - träumen. Kein Funktechniker würde eine solche Aufgabe - die Bestimmung von Parametern eines unterabgetasteten Signals - für SEINE EINE PERIODE überhaupt in Angriff nehmen.
Lassen Sie uns ein wenig verallgemeinern, indem wir die Konzepte aus dem Thema "Was ist ein INDICATOR?
https://www.mql5.com/ru/forum/137416
1. Für Handelszwecke ist eigentlich nur wichtig, WO der Kurs im Durchschnitt steigen oder fallen wird. Der Händler erklärt sich im Voraus bereit, einen Teil seines Kapitals bei seinem Broker einzufrieren ("Margin"), damit seine Handelsposition zufällige Kursschwankungen aussitzen kann - solange der Händler genau WISSEN kann, wohin der Kurs im Durchschnitt in Richtung seiner Handelsposition gehen wird.
Es gibt nichts Neues in dieser Beschreibung, es ist nur so, dass alle Anfänger Händler nicht genau verstehen, verstehen, was sie tun.
2) Ausgehend von der rechtlichen Grundlage eines Handelsvertrags und auch von den wirtschaftlichen Zielen des Handels ist es für den Händler wichtig, nichts anderes zu kennen als ZWEI Positionen der Kursrichtung - aufwärts oder abwärts. Auf dieser Grundlage sollte ein guter oder "idealer" Indikator für den Handel nur zwei Signale (wie eine Semaphore) nach oben oder unten anzeigen. Rot oder grün. Alle anderen Grafiken auf dem Bildschirm sind für die Zwecke des Handels bedeutungslos. Dies gilt umso mehr, als das menschliche Auge gerne mit Illusionen und Visionen spielt. Ein Indikator für den Handel sollte ein Wechsel zwischen einem roten und einem grünen Balken sein - nach oben oder unten. Und ein solcher Balken zeigt einen "guten Durchschnittswert" der Preisreihe an.
3. Preisdurchschnitte werden derzeit mit Hilfe von gleitenden Durchschnitten (MAs) berechnet, die in der Technik verwendet werden. Und es ist allgemein bekannt, dass dieser Ansatz auf dem Devisenmarkt, dem volatilsten Markt mit den unvorhersehbarsten Kursbewegungen, nicht funktioniert. Das arithmetische Mittel ist also KEIN guter Indikator für die durchschnittliche Devisenmarktposition. Hier werden andere Durchschnittswerte benötigt. Diese anderen Durchschnittswerte können nicht einfach sein, weil der Devisenmarkt selbst komplex ist.
4. Die "anderen" Durchschnittswerte müssen in einem solch komplexen Fall mit komplizierten - statistischen - Methoden berechnet werden. Und die, die nicht auf dem Vertrauen in den RMS-Charakter der zufälligen Abweichungen von diesem sehr "guten Durchschnitt" beruhen.