FR Volatilidad H - página 8
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Aquí es donde se pone interesante, Yurixx. Me parece que con nuestro nivel de acceso al mercado estamos simplemente condenados, como mucho, a una descripción fenomenológica. A grandes rasgos, termodinámica clásica, no termodinámica estadística. ¿No funciona bien el clásico? Aunque dentro de ella no entendamos muy bien qué es la entropía o la temperatura, sigue funcionando, y muy bien además.
Los clásicos funcionan bien. Pero antes de que funcionara, y antes de que naciera, el dragón de tres cabezas Charles-Boyle-Mariotte trabajó en el sudor y las leyes que derivó fenomenológicamente resultaron ser casos especiales de la ecuación de Mendeleev-Clapeyron, es decir, desde la fenomenología logró elevarse para revelar las leyes reales. Y si no fuera así, ¿qué sería de la termodinámica clásica?
Y estamos condenados a la descripción fenomenológica sólo en la medida en que tenemos un objetivo puramente utilitario: crear TS y ganar dinero. Pero si alguien con una mente brillante se distrae de los intereses mercantiles y dedica su tiempo a un estudio profundo del mercado, tendrá todo lo necesario para realizar descubrimientos interesantes: herramientas, datos, etc. Necesario pero no suficiente ... :-)
De arriba, pero no sé dónde escribir. Si no me equivoco, el Libro Guinness de los Récords tiene un récord del 1200% anual. Larry Williams http://web-investor.academ.org/index.php?action=articles&id=71
En el hilo de la Resonancia Estocástica, cuando publiqué mi trabajo, hice una pregunta sobre el FR en cuestión. No hubo respuesta a ello. Y sólo hubo tres intentos. Y resulta que es un caso particular de una función muy conocida e investigada llamada distribución Gamma. Lo encontré por casualidad, mientras leía un libro sobre estadística bayesiana.
No me considero un estadístico, pero aquí están los gráficos p.v. de estas distribuciones. Y lo más probable es que su distribución sea una distribución Rayleigh-Rice, pero no una distribución gamma, si entiendo bien la fórmula.
Sqrt(x^2+y^2) es la distribución de Rayleigh, muy utilizada en radar, es la distribución de la amplitud del ruido en la descomposición de la serie de Fourier (x es la componente real, y es la componente imaginaria). El cuadrado de esta cantidad es la distribución lognormal, estrechamente relacionada con la energía de la señal. La distribución de Rayleigh, es un caso especial de la distribución de Rayleigh-Rice, que sí tiene una cola gruesa.
P.D. Si es necesario puedo intentar escanear las páginas necesarias y enviárselas, pero puedo hacerlo la semana que viene. Intenta ponerte en contacto conmigo o deja las coordenadas, intentaré ayudarte. Todas estas distribuciones están bien descritas en Levine B.R. Theoretical foundations of statistical radio engineering. - Moscú: Radio y Comunicaciones, 1989.
Estoy principalmente en Skype -> privalov-sv
Adjunto archivo matcad, donde están todos construidos y están sus características + como modelarlo
Hola colegas.
No abandono mis intentos de modelar cualitativamente el historial de ticks de las series monetarias mediante modelos AR de enésimo orden. Permítanme recordarles que la primera serie de diferencias X[i]=Y[i]-Y[i-1] del AR original se modela directamente: , donde a[i] son los coeficientes autorregresivos, sigma es de alguna manera una variable aleatoria distribuida.
¿Cómo crees que podemos relacionar la FA de la primera diferencia de la serie monetaria y la FA de la primera diferencia de la serie modelo, a través de la FR de una variable aleatoria (sigma) en el modelo AR?
El problema tiene solución. Se puede elegir a mano la ley de distribución sigma "correcta", pero es un procedimiento doloroso. Yurixx, parece que el problema de esta formulación es de tu interés. En caso de resultado positivo tendríamos en nuestras manos un algoritmo para construir un BP idéntico al generador en el sentido de la volatilidad y preservando las relaciones entre los ticks (barras en diferentes TFs), lo cual, como señaló Mathemat, es necesario para la prueba representativa de un TS.
Abreviatura de FA ? descifrarlo por favor. ¿Es una función de autoregresión X[i]?
Abreviatura de FA ? descifrarlo por favor. ¿Es una función de autoregresión X[i]?
¡Oh! Lo siento. En todo el texto, debería decirse FR en lugar de FA.
¿Cómo crees que se pueden relacionar la FR de la primera diferencia de la serie monetaria y la FR de la primera diferencia de la serie modelo, a través de la FR de una variable aleatoria (sigma) en el modelo AR?
El problema tiene solución. Podemos encontrar manualmente la ley de distribución sigma "correcta", pero es un procedimiento doloroso.
Pues bien, si se supone que sigma debe conducir la FR de la serie modelo a la FR de la serie monetaria, entonces la FR de sigma debería construirse como la FR de la diferencia de los dos SV: el modelo X y el real Y. Sin embargo, como sigma interviene en la formación de X y toda la naturaleza aleatoria de X está determinada por sigma, es difícil decirlo inmediatamente.
Tal vez intente lo contrario. ¿Cómo construir la distribución X si Xi+1=Xi + sigma y FR sigma es conocida? Si resuelves este problema, entonces podrás resolver el que has planteado.
Todavía no está claro cómo se puede aplicar esto.
Mi pregunta, colegas, se sale del tema. Probablemente ahora muestre cierto interés por la posible aplicación de las redes neuronales (NS) en la ST. Contéstame, ¿he entendido bien que el uso de NS se justifica por un número suficientemente grande de parámetros de entrada, cuando el uso de una búsqueda habitual para la optimización de TS (incluso con el uso de algoritmo genético) no se justifica por razones técnicas? También podemos destacar la capacidad de autoaprendizaje de NS en el proceso, pero esta tarea no es difícil de resolver utilizando el procedimiento de optimización automática de la construcción lógica habitual.
Creo que es así, pero también creo que no es todo lo que hay.
No sé qué es la "optimización automática del diseño lógico ordinario", pero en NS sólo me atrae la posibilidad de implementar lógicas de decisión muy complejas. Incluso con un número no muy grande de parámetros, el espacio de fase del sistema resulta ser demasiado multidimensional para la percepción humana. Si el planteamiento es correcto y las estimaciones elegidas permiten la agrupación del espacio de fases, la ubicación y la forma de los grupos pueden tener una topología muy compleja. O bien tenemos que visualizarlo de alguna manera para describir la lógica de la decisión, o bien introducir ciegamente clases y criterios de pertenencia. NS maneja esto, así como las evaluaciones probabilísticas (como podemos ver) mucho mejor.
En el hilo de la Resonancia Estocástica, cuando publiqué mi trabajo, hice una pregunta sobre el FR en cuestión. No hubo respuesta a ello. Y sólo hubo tres intentos. Y resulta que es un caso especial de una función muy conocida e investigada llamada distribución Gamma. Me encontré con ella por casualidad, leyendo un libro de estadística bayesiana.
No me considero un estadístico, pero aquí están los gráficos p.v. de estas distribuciones. Y lo más probable es que su distribución sea una distribución Rayleigh-Rice, pero en ningún caso una distribución gamma, si entiendo bien la fórmula.
La distribución gamma tiene un parámetro. Dependiendo de su valor, puede tener diferentes formas, incluidas las similares a la distribución de Rayleigh. Sin embargo, sus características estadísticas y su comportamiento a gran x serán diferentes.
No sé qué distribución "necesito". Es sólo una pregunta que me surgió en su momento y que sólo encontré la respuesta tiempo después. La cuestión es qué hacer con el FR. Sólo cuando se resuelva la siguiente cuestión será sobre la forma de la función de distribución. Entonces podremos volver a todo este kit de caballeros.