Obtención de una PA estacionaria a partir de una PA de precio - página 14
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
Pues bien, la DFT genera 2 matrices de coeficientes para senos y cosenos + el valor medio de Ak0. Como estamos utilizando la DFT en cada muestra, Ak0 es en realidad un LMA con periodo = tamaño de la ventana. En consecuencia, debemos extrapolar los muwings para reconstruir los armónicos que los rodean
Allí utilicé la transformada del coseno, puedes utilizar la transformada de Hartley (sus coeficientes también tienen estacionariedad, Hartley también tiene la fórmula de transición a la transformada de Fourier y viceversa). Me parece que es necesario predecirlos por separado, lo que aumenta el error. Pero tal vez no entiendo algo.
¿Qué es usted? !!!!! Mira tu avatar desde fuera - Dios no quiera que sueñes con él. Sólo quiero aclararlo. Esa no es una definición correcta. Una más correcta se da, por ejemplo, en este sitio en la sección de AT. Simplemente hay definiciones establecidas que no necesitan ser cambiadas y arropadas con quién sabe qué. Además ninguna de las herramientas (incluida la tuya, presentada en este mito) no se ajusta a la definición de esta puta wikipendia (simplemente no hay un análisis real del comportamiento de los precios y además no hay regularidades, que describe). Todo lo que tiene que ver con el precio entra en esta definición en absoluto. Por ejemplo, FA (sí, sí, lo hace), matemática financiera estocástica perfectamente autosuficiente, descrita por ejemplo por Shiryaev en dos volúmenes (hechos y modelos), "sistemas de control estocástico con estructura fija/aleatoria" que también son autosuficientes. Todos los anteriores trabajan con series de precios, pero funcionan con principios completamente diferentes a los del AT.
Si se define el AT por los métodos de análisis, estoy de acuerdo. Simplemente definí el AT por el objeto de análisis. Eso es todo. Y decir que uno tiene razón y el otro no, es extraño. Ambos son correctos, pero describen el tema desde puntos de vista diferentes. Ya sabes, como en una base de datos relacional - un objeto - muchas relaciones.
¡No, no, no! ¡El ego pellizcado no! Por cierto, nunca he dicho nada sobre tus conocimientos ni te he insultado... :о) ¿Y cómo sé lo que esconde tu subconsciente?
... te ves bastante patético. Los conocimientos y la comprensión del tema son ínfimos ¡ ¡¡Tengo todas las jugadas escritas!!! ))) Pero olvídalo... para qué molestarse. Sólo soy eso: por la verdad histórica.
Si no importara, lo habría olvidado hace tiempo.
Realmente no importa. La esencia de lo que hacemos no depende de las sutilezas de la clasificación. Es sólo una manera, una manera, otra manera. Todo son palabras.
¡¡¡¡GOES!!!! ¡¡¡ACUERDO!!! ¡¡¡NI UNA PALABRA MÁS!!! En general, soy pacífico, quizá un poco empollón, pero pacífico. :о))))
La paz.
Hurra. Y ya está, el tema está cerrado.
Si se define el AT por los métodos de análisis, estoy de acuerdo. Simplemente definí el AT por el objeto de análisis.
Y como siempre, a pesar de todo, el sentido común se impone. :о)
El problema de las ST adaptativas es que también se reentrenan según algún algoritmo, que está incorporado en ellas, pero que puede no coincidir con el algoritmo de los cambios del mercado. Es decir, el algoritmo de los cambios del mercado puede coincidir con el algoritmo de la reconversión de la ST en algún periodo de tiempo, pero luego puede "desaparecer". El mercado no cambia según un algoritmo determinado, ese es el problema.....
Estoy de acuerdo contigo.
Por este motivo, parece sensato avanzar hacia algoritmos de adaptación de un solo parámetro. Entonces, el número de asas que se puede manejar es el mínimo posible. Puede parecer que en este caso marginal, la eficacia del modelo no es la más alta y que se puede obtener un resultado más "avanzado" ajustando 2,3 o 5 parámetros. Sin embargo en las condiciones de estacionariedad débil (en el límite de su ausencia, que son los BPs de precio) la configuración óptima será la mínima, porque sus requisitos de longitud de la muestra de entrenamiento y estacionariedad del parámetro optimizado son mínimos. Es imposible demostrar estrictamente esta afirmación, pero su plenitud en lo que respecta al mercado queda demostrada por la experiencia y la justicia para el caso límite cuando la estacionariedad tiende a cero.
Desde este punto de vista, no importa qué algoritmo utilizar para el análisis de precios de BP (MACs, osciladores, desglose discreto, etc.), es importante que el número de parámetros de optimización sea 1 (2 - en el caso extremo). Obviamente, para el algoritmo de un solo parámetro tenemos que decidir sobre la elección de los parámetros (sólo hay 2 de ellos - el precio y el tiempo). En mi opinión, el parámetro más importante es la escala de precios. Es observando las variaciones de los precios como tomamos las decisiones de entrar o salir del mercado, y sólo en segundo lugar analizamos el tiempo (no me refiero a las estrategias por pips). Para el modelo de dos parámetros se deben considerar ambos parámetros - precio y tiempo, pero aquí, como he mencionado anteriormente, podemos encontrarnos con el problema de la estacionariedad "corta" (el tiempo característico de existencia del cual es más corto que la longitud mínima de la muestra de entrenamiento). Me parece que no tiene sentido considerar tres o más modelos paramétricos, ya que son una combinación lineal de estos dos parámetros.
El análisis de la EMA presenta un interés especial (es el movimiento más suave de todos, con el mínimo FP). Este MA contiene un parámetro y tiene en cuenta los componentes de amplitud y tiempo de la PA. Dos en uno, en definitiva. Aunque es posible que con la EMA todo sea un engaño y no se produzca ningún milagro.
grasn escribió >>
Hola Sergei. :о) Me alegro de verte. ¿Dónde has estado, qué cosas interesantes has estudiado?
>> Espera, vayamos paso a paso. Tenemos un problema de transformación de series, con unas propiedades bastante específicas:
(1) estacionariedad
(2) la normalidad.
(3) posibilidad de recuperación inversa
Todo este tiempo estuve investigando el problema de la búsqueda de la longitud óptima de la muestra de entrenamiento y sus relaciones con el tiempo característico de la cuasi estacionalidad de los procesos en el mercado. Resulta que el valor requerido está en el nivel del 5-10%. Entonces hay que volver a entrenar. La comisión de la empresa de corretaje define a su vez el tamaño mínimo del movimiento de los precios, y un aumento gradual pero seguro de la eficiencia del mercado con el crecimiento del horizonte de las operaciones define el área de operaciones de forma inequívoca. Y más o menos me decidí por eso.
En cuanto a la respuesta a tus preguntas sobre las conversiones de BP, no conozco en absoluto la viabilidad de dicha conversión. Tu ". Permitirá utilizar métodos estándar de procesamiento de estadísticas..." no dice nada. Por favor, exponga el concepto en sí.
Esto es exacto, pero obtenga una transformación de la serie de precios original que tenga las siguientes propiedades
es muy posible, por supuesto con algunos supuestos aceptables. A la pregunta "¿por qué lo necesitamos?", la respuesta es muy sencilla y la única: es una oportunidad para utilizar el marco probado, y nada más. Mi opinión.
Es imposible discutirlo.
Y como siempre, a pesar de todo, el sentido común se impone. :о)
Estoy de acuerdo contigo.
Por este motivo, parece sensato avanzar hacia algoritmos de adaptación de un solo parámetro. Entonces, el número de asas que se puede manejar es el mínimo posible. Puede parecer que en este caso marginal, la eficiencia del modelo no es la más alta y que una sintonía de 2,3 o 5 parámetros puede producir resultados más "avanzados". Sin embargo en las condiciones de estacionariedad débil (en el límite de su ausencia, que son los BPs de precio) la configuración óptima será la mínima, porque sus requisitos de longitud de la muestra de entrenamiento y estacionariedad del parámetro optimizado son mínimos. Es imposible demostrar estrictamente esta afirmación, pero su plenitud en lo que respecta al mercado queda demostrada por la experiencia y la justicia para el caso límite cuando la estacionariedad tiende a cero.
Desde este punto de vista, no importa qué algoritmo utilizar para el análisis de precios de BP (MACs, osciladores, desglose discreto, etc.), es importante que el número de parámetros de optimización sea 1 (2 - en el caso extremo). Obviamente, para el algoritmo de un solo parámetro tenemos que decidir sobre la elección de los parámetros (sólo hay 2 de ellos - el precio y el tiempo). En mi opinión, el parámetro más importante es la escala de precios. Es observando las variaciones de los precios como tomamos las decisiones de entrar o salir del mercado, y sólo en segundo lugar analizamos el tiempo (no me refiero a las estrategias por pips). Para un modelo de dos parámetros se deben considerar ambos parámetros, el precio y el tiempo, pero aquí, como he mencionado anteriormente, podemos encontrarnos con el problema de la estacionariedad "corta" (cuyo tiempo característico de existencia es más corto que la longitud mínima de la muestra de entrenamiento). Me parece que no tiene sentido considerar tres o más modelos paramétricos, ya que son una combinación lineal de estos dos parámetros.
El análisis de la EMA presenta un interés especial (es el movimiento más suave de todos, con el mínimo FP). Este MA contiene un parámetro y tiene en cuenta los componentes de amplitud y tiempo de la PA. Dos en uno, en definitiva. Aunque no se descarta que con la EMA sea un engaño y no funcione el milagro.
Investigo el problema de la búsqueda de la longitud óptima de la muestra de entrenamiento y su relación con el tiempo característico de la cuasi estacionalidad de los procesos en el mercado. Resulta que el valor requerido está en el nivel del 5-10%. Entonces hay que volver a entrenarlo. La comisión de la empresa de corretaje define a su vez el tamaño mínimo del movimiento de los precios, y un aumento gradual pero seguro de la eficiencia del mercado con el crecimiento del horizonte de las operaciones define el área de operaciones de forma inequívoca. Y me lo imaginé.
En cuanto a la respuesta a tus preguntas sobre la transformación de la BP, no conozco la razonabilidad de dicha transformación. Tu ". nos permitirá utilizar métodos estándar de procesamiento de estadísticas..." no significa nada. Por favor, sondea el concepto en sí mismo.
1) Estacionariedad débil - esto no es un borde de su ausencia, y los mercados no son. proceso estacionario débil - es cuando la media = const, y st.dev. depende del tiempo (pero no fuertemente) debido a la heterogeneidad de los mercados y la variabilidad de la volatilidad, que es inercial - este es un proceso predecible.Esta dependencia puede ser fácilmente descrita por una fórmula, que permite determinar el extremo del precio en cualquier período de tiempo definido, más allá del cual el precio no irá con la probabilidad, determinada por nosotros; no confundir con la determinación de la dirección del movimiento del precio.Un proceso tan débilmente estacionario puede tirarse a la basura. La tarea consiste en obtener un proceso altamente rentable y controlable que sacrifique la estabilidad adicional.
2) Para no tropezar con el problema de la estacionariedad "corta" existen estructuras de precios y pruebas estadísticas de FA y capital.
3) EMA es un filtro IIR común con FZ=1/3 mi opinión, incluso 1/10 - no cambiará nada, además las barras mismas ya tienen FZ.
4)La viabilidad de esta conversión es alta, pero hay que cambiar la farola con el cartel de "forex".
4)La viabilidad de esta conversión es alta, pero tenemos que cambiar la farola con un signo "forex".
Esta es quizás una observación valiosa, pero la viabilidad de tal conversión aún no está del todo revelada.
FOXXXi, piénselo: tenemos una serie de precios que es una CB integrada con MO casi nula y momentos no estacionarios. La idea de convertirla en una serie estacionaria implica alguna dependencia funcional de los momentos con respecto a algo más (por ejemplo, la hora del día, etc.). El problema de la "residualización", por tanto, se reduce a la identificación de esta dependencia funcional y su explotación... ¡y qué pasa si esta dependencia no existe o es ella misma no estacionaria!
Intentamos construir un castillo de arena, ignorando el hecho de que de todos modos se desmoronará tarde o temprano. Sospecho que nos dejamos llevar por las bellas palabras y la ciencia, perdiendo de vista la impracticabilidad de todas estas acciones. Este es el tipo de juego que tenemos, en el que el resultado no es importante, pero el proceso en sí es interesante. ¿Y qué nos dará esta "estacionalidad"? No tenemos que optimizar nuestro Asesor Experto cada vez que lo necesitamos. ¡Es un gran reto reoptimizarlo una vez al mes! De todos modos, según mi comprensión del problema, no vale la pena picar. Al igual que muchas otras estrategias de comercio de divisas.
El problema de los ST adaptativos es que también se reentrenan según algún algoritmo, que está incorporado en ellos, pero puede no coincidir con el algoritmo de los cambios del mercado. Es decir, el algoritmo de los cambios del mercado puede coincidir con el algoritmo de la reconversión de la ST en algún periodo de tiempo, pero luego puede "desaparecer". El mercado no cambia según un algoritmo determinado, ese es el problema.....
Buen punto. Pero a veces se puede establecer el EA adaptativo en la dirección correcta por la optimización inicial y va a ir más allá por sí mismo. Pero entonces el mercado y el adaptador tienen opiniones diferentes.
FOXXXi писал(а) >>
El objetivo es tener un proceso controlado altamente rentable y no comprometerse con la superestabilidad.
En este caso, el proceso es muy arriesgado e incontrolable, es decir, totalmente inestable.