Können MQL-Programmierer als Programmierer betrachtet werden? - Seite 7
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
San Sanych, ich verrate Ihnen ein schreckliches Geheimnis: MQL ist es auch. Es ist auch ein Dolmetscher.
Woher hast du das Feuerholz?
San Sanych, ich verrate Ihnen ein schreckliches Geheimnis: MQL ist es auch. Auch ein Dolmetscher.
Ich reihe mich in die Warteschlange ein und weihe Sie in ein nicht weniger schreckliches Geheimnis ein: ex4- und ex5-Dateien sind nativer Code. ))
Nützliche Informationen:
http://keldysh.ru/papers/2013/prep2013_19.pdf
M.A. Ananiev, N.A. Mitin
Vergleich von linearen und nichtlinearen autoregressiven Modellen mit bedingter Heteroskedastizität am Beispiel der RTS-Indexrendite
ANMERKUNG
In diesem Beitrag werden die Prognosefähigkeiten von linearen und nichtlinearen bedingten Volatilitätsmodellen am Beispiel von GARCH-Modellen für die RTS-Indexrendite verglichen. Auf der Grundlage der täglichen Schlusskurse des RTS-Index über einen Zeitraum von 10 Jahren wird eine Reihe parametrischer Modelle geschätzt und eine Reihe von Volatilitätsprognosen für verschiedene Zeithorizonte erstellt. Die Prognosefähigkeiten der Modelle werden anhand der ausgewählten Kriterien verglichen. Es wurden nichtlineare Modelle entwickelt, um die erkannten Merkmale der Zeitreihen zu berücksichtigen, aber die Qualität der mit ihrer Hilfe gewonnenen Prognosen wird manchmal in Frage gestellt. Die Ergebnisse dieser Studie ergänzen die Ergebnisse anderer Arbeiten: nichtlineare Modelle der bedingten Volatilität zeigen bessere Ergebnisse. Eine mögliche Erklärung für diesen Erfolg könnte die Tatsache sein, dass nichtlineare Modelle über relativ kurze Zeithorizonte eine bessere Vorhersage liefern, während sie über längere Zeithorizonte einen größeren Fehler aufweisen können.
Ja, natürlich, danke.
Es gibt jedoch eine umfangreiche Literatur über die Anwendung von Garch, die insbesondere für die Finanzmärkte von Bedeutung ist. Irgendwo gab es einen Artikel, in dem nach Müllparametern am Beispiel aller Aktien im S&P500-Index gesucht wurde, der aus 500 Aktien besteht.
Wie ich gelesen habe (nicht meine Erfahrung, ich kann nicht alles wiederholen, es ist zu lang), sind die modernsten Modelle heute RealGARCH. Das Präfix Real bezieht sich auf die bereits realisierte Varianz, d.h. das Modell verwendet zwei Varianzen: auf die größere TF und auf die kleinere TF, für die es einen Fakt gibt.
Jeder hier fordert, dass jemand mit dem Graben beginnt. Ich hatte einen solchen Begleiter, aber er entschied sich für eine Arima, die Teil der Garch ist. Und der Arbeitsaufwand ist für mich allein zu groß.
Es ist bequemer, nicht weil der Interpreter zweitrangig ist, sondern weil R eine Modellierungsumgebung ist, auch (oder vor allem) für statistische Zwecke.
Übrigens, obwohl R interpretiert wird, ist die Sprache selbst eine Skriptsprache und dient hauptsächlich zur Verknüpfung von Wörtern in einem Satz, d. h. von Funktionalität und verschiedenen Paketen untereinander. Und die Sprache selbst nimmt einen vernachlässigbaren Teil der Programmausführungszeit in Anspruch.
Daher sind alle Beschwerden über die Geschwindigkeit von R völlig unbegründet. Hier geht es um die direkte Verwendung von R in TC und die Sinnlosigkeit des Umschreibens von Codes in MQL).
Ich stimme Ihnen vollkommen zu: R ist ein sehr gut durchdachtes Werkzeug für die Forschung und Entwicklung in der Statistik, und nun wird auch die maschinelle Modellierung in die Statistik aufgenommen. Und es ist sehr einfach, die Ergebnisse der Forschung in der Industrie zu nutzen.
Was die Leistung angeht, stimme ich Ihnen vollkommen zu. Bei den Algorithmen, die ich verwende, sehe ich keine Möglichkeit, die Geschwindigkeit der mcl-Aufzählung zu erhöhen.
Und das Wichtigste ist, dass ich überhaupt keinen Bedarf für eine Neuprogrammierung sehe - die verschiedenen Tools für die verschiedenen Bereiche lassen sich perfekt und einfach kombinieren, alles funktioniert reibungslos.
Die Hauptsache ist, dass Sie GOTO und INPUT-Variablen lernen... auf dem ZX-Spectrum-Computer.
Der Rest ist Zeitverschwendung.
Die Hauptsache ist, dass Sie GOTO und INPUT-Variablen lernen... auf dem ZX-Spectrum-Computer.
der Rest ist ein Geschenk des Himmels.
Hmm, in den späten 80er Jahren hielten sich viele Leute für Programmierer, weil sie gut schreiben konnten ))
LOAD ""Ohne das konnte man aber kein Spiel spielen (damals noch von einem Kassettenrekorder).
Das Problem ist, dass ein reines GARCH(1,1)-Modell praktisch nicht praktikabel ist.
Sie müssen das entsprechende Paket nehmen, das interessanteste ist rugarch. Man muss den Mittelwert simulieren, das eigentliche ARCH-Modell, und davon gibt es viele, man kann mit EGARCH gute Ergebnisse erzielen, außerdem muss man die Verteilung simulieren. Es gibt viele Veröffentlichungen, die die Ergebnisse der Verwendung dieses Pakets auf den Finanzmärkten, einschließlich Forex, hervorheben. Sie können hier fertige Codes und Beispiele finden, das ist sehr lehrreich.
Wenn Sie sich Rugarch ansehen und ein gutes Ergebnis erzielen, ist es auf Srp verfügbar, die Codes sind Open Source.
Aber Sie sind weit von Srp entfernt, denn es ist nicht sicher, dass Sie mit GARCH ein anständiges Ergebnis erzielen. In jedem Fall ist es viel bequemer, Experimente in R statt in µl durchzuführen, da R ein Interpreter ist.
Nützliche Informationen:
http://keldysh.ru/papers/2013/prep2013_19.pdf
M.A. Ananiev, N.A. Mitin
Vergleich von linearen und nichtlinearen autoregressiven Modellen mit bedingter Heteroskedastizität am Beispiel der RTS-Indexrendite
ANMERKUNG
In diesem Beitrag werden die Prognosefähigkeiten von linearen und nichtlinearen bedingten Volatilitätsmodellen am Beispiel von GARCH-Modellen für die RTS-Indexrendite verglichen. Auf der Grundlage der täglichen Schlusskurse des RTS-Index über einen Zeitraum von 10 Jahren wird eine Reihe parametrischer Modelle geschätzt und eine Reihe von Volatilitätsprognosen für verschiedene Zeithorizonte erstellt. Die Prognosefähigkeiten der Modelle werden anhand der ausgewählten Kriterien verglichen. Es wurden nichtlineare Modelle entwickelt, um die erkannten Merkmale der Zeitreihen zu berücksichtigen, aber die Qualität der mit ihrer Hilfe gewonnenen Prognosen wird manchmal in Frage gestellt. Die Ergebnisse dieser Studie ergänzen die Ergebnisse anderer Arbeiten: nichtlineare Modelle der bedingten Volatilität zeigen bessere Ergebnisse. Eine mögliche Erklärung für diesen Erfolg ist die Tatsache, dass nichtlineare Modelle bei relativ kurzen Horizonten bessere Prognosen liefern, während sie bei längeren Horizonten größere Fehler aufweisen können.
Hmm, in den späten 80er Jahren hielten sich viele Leute für Programmierer, weil sie gut schreiben konnten )).
Man konnte wirklich kein Spiel ohne sie laufen lassen (damals noch von einem Kassettenrekorder).
es ist unsere eigene... und warm.
es ist unsere FS)).
Hmm, in den späten 80er Jahren hielten sich viele Leute für Programmierer, weil sie gut schreiben konnten )).
Ohne sie konnte man allerdings kein Spiel (damals noch von einem Kassettenrekorder) spielen.
Ich war 6 Jahre alt, als ich meinen ersten Master als Geschenk bekam.
Aber ich kann mich nicht erinnern, dass ich Load geschrieben habe ...