Diskussion zum Artikel "Aufbau von Volatilitätsmodellen in MQL5 (Teil I): Die erste Implementierung"
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
Neuer Artikel Aufbau von Volatilitätsmodellen in MQL5 (Teil I): Die erste Implementierung :
Die hier vorgestellte Bibliothek ist vom Python-Paket arch inspiriert, einem spezialisierten Toolkit für die Finanzökonometrie, das sich auf Autoregressive Conditional Heteroskedasticity (ARCH)- und Generalized ARCH (GARCH)-Modelle konzentriert. Während die Hauptfunktion des Pakets arch in der Implementierung verschiedener Volatilitätsmodelle besteht, bietet es auch verschiedene Optionen für die Modellierung der Mittelwertgleichung, wie z. B. konstante Mittelwerte, Nullmittel oder autoregressive (AR) Modelle. Ferner können die Nutzer verschiedene Verteilungen für standardisierte Residuen angeben, einschließlich Normal-, Student's t- und Skewed Student's t-Verteilungen. Unser Ziel ist es, diese Funktionalität nativ in MQL5 abzubilden.
Die Architektur dieser nativen Implementierung ist modular und entkoppelt den Mittelwertprozess von dem Volatilitätsprozess und der Fehlerverteilung. Folglich ist ein Modell eine Zusammensetzung dieser drei unterschiedlichen Komponenten. Der Mittelwertprozess dient als primäre Komponente, an die die anderen angeschlossen sind; insbesondere wird die gemeinsame Schätzung aller Parameter ausschließlich über diese zentrale Komponente verwaltet. Jedes Element wird als Basisklasse implementiert, wobei die Unterklassen spezifische Variationen darstellen.
Autor: Francis Dube