Diskussion zum Artikel "Auf Markov-Ketten basierendes Matrix-Prognosemodell"
Gute Arbeit!!! Besonders gut hat mir gefallen, wie Sie in Preis, Zeit und Volumen aufgeteilt haben - das ist ein wirklich intelligenter Ansatz. Die Tests an EUR/USD sehen vielversprechend aus.
Aber wie wird sich das Modell bei starken Marktveränderungen wie bei Covid verhalten? Wenn die Übergangsmatrix auf historischen Daten aufgebaut wurde, wie wird sie sich dann an solche extremen Bedingungen anpassen können?
Es wäre interessant zu wissen, ob das Modell an anderen Paaren als EUR/USD getestet wurde? Gibt es eingebaute Mechanismen zur Anpassung an starke Veränderungen der Volatilität? Planen Sie, fundamentale Faktoren wie makroökonomische Nachrichten zu berücksichtigen?
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Auf Markov-Ketten basierendes Matrix-Prognosemodell :
Andrey Markov, ein prominenter Mathematiker des frühen 20. Jahrhunderts, entwickelte bei seiner Arbeit an der Wahrscheinlichkeitstheorie ein Konzept, das ein Jahrhundert später zu einem der Eckpfeiler der modernen Finanzmathematik wurde. Bei der Entwicklung der Theorie der stochastischen Prozesse untersuchte er Ereignisfolgen, bei denen die Zukunft nur vom aktuellen Zustand des Systems, nicht aber von der Vorgeschichte abhängt. Diese grundlegende Eigenschaft – das Fehlen eines „Gedächtnisses“ der Vergangenheit über den aktuellen Zustand hinaus – wurde als „Markov-Eigenschaft“ bezeichnet und bildete die Grundlage für eine ganze Klasse von Modellen.
Eine Markov-Kette ist ein mathematisches System, das in Abhängigkeit von probabilistischen Regeln von einem Zustand in einen anderen übergeht. Stellt man sich die möglichen Zustände eines Systems als Punkte im Raum vor, so beschreibt die Markov-Kette die Wahrscheinlichkeiten der Bewegung zwischen diesen Punkten. Die verblüffende Eleganz dieses Konzepts liegt in seiner Fähigkeit, unglaublich komplexe Prozesse durch einfache probabilistische Gesetzmäßigkeiten zu modellieren.
Autor: Yevgeniy Koshtenko