Construcción de un sistema de comercio mediante filtros digitales de paso bajo - página 18
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
La figura muestra la variabilidad de los rendimientos (a intervalos de cinco minutos) a lo largo del día. Aquí no hay ni debe haber estacionalidad. Está claro que si el rango H-L cambia, los rendimientos deberían cambiar por razones estadísticas.
Lo siento, tal vez no entendamos algo o confundamos los términos. Veamos un ejemplo. Tenemos una fila de números 1 2 3 4 5 hacemos dos procedimientos. El primero añade un número aleatorio a la fila para obtener un número -2 3 1 5 7. Con el otro procedimiento (a cada número sucesivo le restamos el anterior) obtenemos un número 1 1 1. Así que tenemos dos series, una no estacionaria y otra estacionaria.
Por lo tanto, esta frase "Está claro que si el rango H-L cambia, el rendimiento debería cambiar por razones estadísticas" es incorrecta. Sí, la segunda serie puede no ser estacionaria, pero no por esa razón. Aunque sigo dudando de que no sea estacionario.
Nada se pierde en ningún sitio. El H-L es esencialmente un diferencial de cambios, una estimación aproximada no muy correlacionada con el ganado. En las repeticiones, si se toman como cambios, se obtiene lo mismo. Es el mismo rango de variación, pero sólo cerca. En el gráfico podemos ver que H-L y los rendimientos difieren entre sí por un factor de 2, - debería ser así en teoría y así resulta en los datos. Hay muchos otros pequeños puntos que concuerdan bien con la teoría.
Además de esto, no puede ser que si dos series de datos obtenidas a partir de una, - una sea estacionaria y otra no, ¿por qué? Se han realizado operaciones primitivas, ¿qué cambian en los datos? El hecho de que 2 se haya convertido en 5 no significa nada, la escala de cambio es la misma.
Además, la figura, los datos reales - lo que puede ser incomprensible, cuando se puede ver que los cambios en las características de los datos alcanzan 2-3 veces. No es el 5%, sino el 200-300%.
Necesito uno que me permita, después de probar dos sistemas A y B en H4, decir con firmeza y confianza: "El sistema A con un 73% de probabilidad en cualquier intervalo de tiempo de 1 año mostrará un drawdown de más del 30%", o "El sistema B con un 61% de probabilidad en cualquier intervalo de tiempo de 1 año no superará el 6%, con un 94% de probabilidad - no más del 18%, y con un 99,9% - no más del 37%". Yo apostaría por la segunda...
Que no hay sistemas capaces de generar dinero para siempre, probablemente estoy de acuerdo contigo, bstone. Pero el hecho de que los sistemas que garantizan estadísticamente las detracciones limitadas a lo largo de un determinado periodo de tiempo sean posibles en un proceso sin vendedores, me convence de alguna manera. Pero en un proceso Wiener tampoco se puede dar tal garantía...
La única prueba de estacionariedad que conozco es la de Dickey-Fuller. Pero asume algún modelo del proceso (en este caso, una autoregresión de primer orden). Pero, ¿qué pasa si el modelo nos es desconocido de antemano?
...
Hmm, pero un modelo para ganar dinero sería más sencillo :). Porque no pretende reproducir todas las características del mercado (como el modelo diseñado para probar una TS arbitraria), sino sólo las esenciales para ganar dinero.
Sobre el punto 2: sí, pero eso ya implica algún tipo de algoritmo diseñado para revelar estas invariantes. En el caso de dos maniquíes se trata de unas invariantes, cuando se utilizan induladores adicionales son otras. Y si es ZZ+Fibo, entonces estas invariantes son muy complejas y las pruebas con esta idea son muy difíciles.
Por ahora, basta con que el modelo reproduzca el proceso estacionario en sentido amplio (MO, RMS, ACF).
Bueno, el que reclamará la estacionariedad. Por el momento es (dudoso, pero aún esperanzador).
Por cierto. Aquí me acordé, hurgando... S.V. Bulashev en su libro "Statistics for Traders" da un ejemplo de prueba (utilizando el criterio de Pearson) de que la distribución logarítmica de las relaciones de precios sigue la ley de distribución exponencial.
Sin embargo, la palabra "no estacionario" aparece una vez en su libro: admite que "la dinámica de los precios de los activos puede representarse como un proceso estocástico y no estacionario".
Así que dos nuevas ideas:
Pues bien, he aquí la transformación lineal más sencilla, que transforma lo no estacionario en estacionario: el Wiener con incrementos independientes es no estacionario, mientras que la serie de sus primeras diferencias (retornos) es el verdadero ruido estacionario, gaussiano.