¿Qué hace que un gráfico no sea estable o por qué el petróleo es petróleo? - página 33
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
Каждая реализация помноженная на вероятность данной реализации равно мат.ожидание равно сегоднящней цене или нулю, смотря какая точка отсчёта. Для формулы x(t) = x(t-1) + e(t) мат.ожидание будет равно E[x(t)] = E[x(t-1)] + E[e(t)], где E[e(t)] = 0. Соответственно, E[x(t)] = E[x(t-1)]= E[x(t-2)] = E[x(t-3)] для любого t вплоть до того момента когда цена тебе уже известна и равна не мат.ожиданию, а конкретной цифре.
...
Mira, ya he escrito que no voy a discutir sobre ello. Mi opinión es que la serie de citas x(n)-x(n-1) es estacionaria, en el sentido de que se conservan los principales parámetros de la distribución. O bien, sus fluctuaciones pueden considerarse estacionarias(a diferentes escalas). El ACF de turno no lo es. También escribí más arriba sobre la necesidad de estudiar el comportamiento de más segmentos (lee con atención):
Ese es el punto que los métodos de verificación claros (para mí) y probados requieren por alguna razón un mayor número de segmentos, simplemente requiere una serie. La serie de parámetros obtenida por segmentos se analiza para comprobar su coherencia con una determinada (según el método o su variante) distribución y sólo después se puede aplicar el criterio de tendencia. Es difícil sacar estas conclusiones por dos motivos.
Que es en realidad lo que hice hace unos años. Esto fue confirmado por las pruebas de estacionariedad - pruebas estadísticas normales. Si crees que la serie x(n)-x(n-1) no es estacionaria, tampoco hay nada malo en ello.
Por cierto, ¿por qué lo has citado? En primer lugar, lo he leído, y en segundo lugar, no contradice lo que he dicho. Por cierto, la construcción x(n)-x(n-1), ln(x(n)/ln(x(n-1), ((1/n)SUM(x(n)) están muy bien descritas por Shiryaev y las recomienda para reducir las series a estacionarias (no voy a dar capturas de pantalla, los libros están en papel).
....
Я только хотел сказать, что приведенная мной методика проверки ряда на независимость приращений дает практически однозначный и теоретически на 99,99% обоснованный результат - ценовой ряд не является рядом с независимыми приращениями (даже если они мало или вообще не коррелируют). А это, в свою очередь, говорит о том, что все модели работы с ценой, подразумевающие независимость соседних отсчетов - неадекватны.
Более того, по-видимому (хотя это еще и надо доказать - а для этого просто не хватает исторических данных), статистическая зависимость между соседними отсчетами одинакова по форме на графиках ряда, по крайней мере, нескольких младших таймфреймов (вплоть до Н4 я это проверял с достаточной точностью). Т.Е. похоже на то, что указанная зависимость - явление неслучайное, как минимум, отчасти - а значит может быть спрогнозировано.
Еще раз повторюсь - этот вывод теоретический и основан исключительно на математике, никаких домыслов из области "фундаментального анализа":)
Una afirmación poderosa, y lo más importante es que todo el mundo quiere inconscientemente que sea verdad.
Una prueba indirecta de los incrementos "no aleatorios" de las series de precios son los resultados positivos en el mercado con NN. Una serie aleatoria (cualquier serie aleatoria) no puede ser aproximada, ni la propia serie, ni sus incrementos, ni las regularidades latentes de la serie. Si no lo es, entonces (la serie) no es aleatoria y tiene regularidades intrínsecas.
Y probablemente sea el momento de dejarse de "accidentes" en los mercados y de discutir las características del MF. Todo el foro está ya plagado de argumentos tan poco prácticos.
Mira, ya he escrito que no voy a discutir sobre ello. Mi opinión - una serie de citas x(n)-x(n-1) es estacionaria, en el sentido de que los principales parámetros de la distribución se conservan. O de lo contrario, sus fluctuaciones pueden considerarse estacionarias(en diferentes escalas). El ACF de turno no lo es. También escribí más arriba sobre la necesidad de estudiar el comportamiento de más segmentos (léelo con atención):
Lo cual hice hace unos años. Se confirmó mediante pruebas de estacionariedad - pruebas estadísticas normales. Si crees que la serie x(n)-x(n-1) no es estacionaria, tampoco tiene nada de malo.
Por cierto, ¿por qué lo has citado? En primer lugar, lo he leído, y en segundo lugar, no contradice lo que he dicho. Por cierto, la construcción x(n)-x(n-1), ln(x(n)/ln(x(n-1), ((1/n)SUM(x(n)) están muy bien descritas por Shiryaev y las recomienda para reducir series a estacionarias (no voy a dar capturas de pantalla, los libros están en papel).
Bueno, si lo lees, se ha mencionado muchas veces que la volatilidad tiene una memoria, una dependencia de los valores anteriores. La estacionariedad implica que la varianza es independiente de los valores anteriores y es una constante. El logaritmo resuelve otro problema: la proporcionalidad de la volatilidad con el valor absoluto, pero no el efecto de agrupación y otros efectos de memoria. Cuando una acción valía 1 rub y la volatilidad diaria era del 5%, lo que suponía 5 kopeks. Cuando pasó a 10 rublos, el mismo 5% de voltaje fue de 50 kopeks en incrementos absolutos.
Que es exactamente lo que hice hace varios años. Se confirmó mediante pruebas de estacionariedad - pruebas estadísticas normales. Si cree que la serie x(n)-x(n-1) no es estacionaria, tampoco tiene nada de malo.
ok :)
И пора, наверное, уже завязывать со "случайностями" на рынках и обсасыванием характеристик СЧ. Весь форум уже захламлен подобными непрактичными рассуждениями.
Para saber cómo se puede ganar dinero, primero hay que entender exactamente cómo no se puede ganar dinero, para no perder tiempo en ello después. Y no saques conclusiones precipitadas sobre la impracticabilidad de tal o cual enfoque; si no sabes cómo hacerlo, no significa que nadie más lo sepa.
1) Чтобы знать как можно заработать, необходимо сперва точно уяснить как заработать нельзя, чтобы потом не терять на это время.
2) Ну и не стоит делать скорополительных выводов о непрактичности того или иного подхода, если ты не знаешь как, это не значит что никто не знает.
1) ¿Lo tienes? ¡Eso es bueno!
2) No estoy sacando conclusiones precipitadas. Gana todo lo que puedas y lo mejor que puedas, no tengo nada en contra.
ну если читали, то многократно упоминалось, что волатильность имеет память - зависимость от предыдущих значений. Стационарность же подразумевает, что дисперсия не зависит от предыдущих значений и является константой
El logaritmo resuelve otro problema: la proporcionalidad de la volatilidad con el valor absoluto, pero no el efecto de agrupación y otros efectos de memoria. Cuando una acción valía 1 rublo y la volatilidad diaria era del 5%, costaba 5 kopeks. Cuando la acción creció a 10 rublos, el mismo 5% de voltaje fue de 50 kopeks.
No me malinterpretes, no hay una definición clara y precisa de "memoria de series temporales". Nadie lo ha hecho, y hacer descubrimientos tan fundamentales debe hacerse con extrema precaución. Especialmente tú escribes sobre acciones, mientras que yo escribo sobre el proceso x(n)-x(n-1). Este proceso no tiene nada que ver con las acciones. Es un procedimiento estándar para reducir las series a una estacionaria y es prácticamente férreo; acaba con todas o casi todas. Pero la serie x(n)=x(n-1)+(caso) es por supuesto no estacionaria, y todo lo que has escrito se aplica directamente a ella.
Entiéndase bien, no hay una definición clara y precisa de "memoria de series temporales". Nadie lo ha hecho, y estos descubrimientos fundamentales deben hacerse con extrema precaución.
Ya se ha escrito antes, hay un modelo en el que se tiene en cuenta la memoria de la volatilidad.
Engle, Robert (1942), economista estadounidense, especialista en métodos de análisis de estadísticas económicas. Fue galardonado con el Premio Nobel de Economía en 2003 por su esfuerzo conjunto con Clive Grainger en el análisis de series temporales con volatilidad variable en el tiempo.
....
Aunque la volatilidad real es variable, durante mucho tiempo los economistas sólo han tenido a su disposición métodos estadísticos basados en la suposición de su constancia. En 1982 Engle desarrolló el modelo de Heteroskedasticidad Condicional Autorregresiva (ARCH), a partir del cual se pueden predecir los cambios en la volatilidad. Su descubrimiento del método de análisis de series temporales económicas permite prever las tendencias del PIB, los precios al consumo, los tipos de interés, los tipos de cambio y otros indicadores económicos no sólo para el día o la semana siguientes, sino incluso para un año después con mayor precisión que antes. La gran precisión de las previsiones realizadas con el uso de este modelo se demostró, en particular, al analizar las estadísticas económicas históricas de EE.UU. y Gran Bretaña cuando se compararon las previsiones basadas en los datos de los años anteriores con los indicadores reales de los años siguientes.
https://www.mql5.com/go?link=http://slovari.yandex.ru/dict/krugosvet/article/c/ca/1011225.htm
Писали же уже, есть модель где учитывается память по волатильности.
...Este modelo nuncaha tenido en cuenta la "memoria de la serie temporal". No hay que ser vagamente ilusionista.
mucho más fiable que antes, para predecir las tendencias del PIB, los precios al consumo, los tipos de interés, los tipos de cambio y otros indicadores económicos no sólo para el día o la semana siguientes, sino incluso para un año.
¿Ha intentado alguna vez hacer previsiones con este método?
Nunca se ha tenido en cuenta la "memoria de la serie temporal" en este modelo. No te quedes con las ganas.
¿Ha intentado alguna vez hacer previsiones con este método?
No te gusta la palabra memoria, hazlo como las "secuelas" de Shiryaev. El modelo utiliza la dependencia de la volatilidad respecto a los valores anteriores a la hora de hacer previsiones. El hecho de que la volatilidad y la dispersión no sean una constante, sino que cambien con el tiempo y dependan de los valores anteriores, es sencillo y evidente. Eso es lo que se utiliza en modelos como ARCH/GARCH. Pero usted afirma que la varianza es constante. Aunque puede pensar que sí si puede encontrar algo útil en él :) El principal valor de los modelos es su utilidad práctica.