¿Se puede considerar a los programadores de MQL como programadores? - página 6

 

Ser programador o no depende de la persona.
MQL4-5 es una de las ramas de la programación.
Hay diferentes grados de habilidad-compilación de algoritmos-programas.
Por ejemplo, si sólo puedes usar MQL4-5, serás un dios de la programación entre los novatos y los no programadores.
Si eres bueno en MQL4-5, entre los programadores experimentados serás un novato perdedor.
Todo depende del entorno en el que te encuentres.
Todo en el mundo es relativo.
Un vaso de agua es más grande que una gota, un barril de agua es siempre más grande que un vaso de agua, y así sucesivamente.


Y si pruebas algo frente a profesionales que sólo saben usar MQL4-5.

te pisotearán en una zanja con ***, con risas salvajes y rugidos.


P.D. Cada uno tiene que estar en su nicho y discutir sólo dentro de su nivel.

 
Alexander Ivanov:

Y si pruebas algo frente a profesionales que sólo saben usar MQL4-5

te pisotearán en una zanja con ***, y con risas y rugidos salvajes.

Ni siquiera serán pisoteados. Ni siquiera serás pisoteado. No tiene sentido.

 
Yuriy Asaulenko:

Ni siquiera habrá pisoteo. Tampoco habrá risas ni relinchos. No tiene sentido.

Siempre habrá quien le guste hacerlo...

así )

 
Yuriy Asaulenko:

Si lo haces, puedes considerarte no un superprogramador, sino un superidiota. En lugar de aplicar lo que ya se ha creado muchas veces, hacerlo uno mismo y perder el tiempo en ello. Este enfoque de "todo por tu cuenta" no se ajusta al concepto de programación moderna).

Por favor, díganme dónde puedo encontrar, bueno, al menos códigos de trabajo C++ para GARCH.
 
Aleksey Ivanov:
Por favor, dígame dónde puedo encontrar, bueno, al menos códigos de trabajo C++ para GARGH.

En R-Project, con el código fuente. Parece que también hay algunos en los módulos de Python. Y todo en C++. Y si no es en C++, ¿quién-qué impide conectarse a estos módulos desde cualquier otra aplicación? Sólo tienes la interfaz detrás de ti. ¿Por qué necesitas código C++? - No necesitas ningún código para la aplicación.

PD Aquí está lo primero que apareció en una búsqueda - garch for Python - Time Series Analysis (TSA) in Python - Linear Models to GARCH A juzgar por la búsqueda, garch C++ también es suficiente.

Time Series Analysis (TSA) in Python - Linear Models to GARCH
Time Series Analysis (TSA) in Python - Linear Models to GARCH
  • 2016.11.08
  • Brian Christopher
  • www.blackarbs.com
So what?  Why do we care about stationarity?  A stationary time series (TS) is simple to predict as we can assume that future statistical properties are the same or proportional to current statistical properties.Most of the models we use in TSA assume covariance-stationarity (#3 above). This means the descriptive statistics these models predict...
 
Yuriy Asaulenko:

Si lo haces, puedes considerarte no un superprogramador, sino un superidiota. En lugar de aplicar lo que ya se ha creado muchas veces, hacerlo uno mismo y perder el tiempo en ello. El concepto de la programación moderna no se ajusta a este enfoque de "todo por ti mismo").

Por eso he mencionado la baja productividad y la necesidad de aprender la tecnología "sobre la marcha". Si tengo estos problemas, ¿qué clase de jugador de tanques soy? Un programador, quiero decir.

 
Aleksey Ivanov:
Por favor, dígame dónde puedo encontrar, al menos, códigos de trabajo C++ para GARCH.

El problema es que el GARCH(1,1) puro es un modelo prácticamente inviable.

Hay que coger el paquete adecuado, el más interesante es rugarch. Hay que simular la media, ARCH propiamente dicho, y hay un montón de estos modelos, se pueden obtener buenos resultados con EGARCH, además hay que simular la distribución. Hay muchas publicaciones que destacan los resultados de la utilización de este paquete en los mercados financieros, incluido el Forex. Aquí puedes encontrar códigos ya hechos y ejemplos, es muy instructivo.

Si buscas en Rugarch y obtienes un buen resultado, está disponible en Srp, los códigos son de código abierto.

Pero estás muy lejos de Srp porque no es seguro que obtengas los resultados que necesitas experimentando con GARCH. De todos modos, es incomparablemente más cómodo realizar experimentos en R que en µl, porque R es un intérprete.

 
СанСаныч Фоменко:

En cualquier caso, es incomparablemente más cómodo realizar los experimentos en R que en µl, porque R es un intérprete.

Es más conveniente no porque el intérprete sea secundario, sino porque R es un entorno de modelado, incluso (o ante todo) estadístico.

Por cierto, a pesar de que R es interpretado, el lenguaje en sí es un lenguaje de scripting y sirve principalmente para enlazar palabras en una frase, es decir, funcionalidad y varios paquetes entre sí. Y el propio lenguaje ocupa una parte insignificante del tiempo de ejecución del programa.

Por lo tanto, todas las quejas sobre la velocidad de R son completamente infundadas. Se trata de utilizar R directamente en TC, y de la inutilidad de reescribir códigos en MQL).

 
СанСаныч Фоменко:

El problema es...

Información útil :

http://keldysh.ru/papers/2013/prep2013_19.pdf

M.A. Ananiev, N.A. Mitin

Comparación de modelos autorregresivos lineales y no lineales de heteroscedasticidad condicional utilizando como ejemplo el rendimiento del índice RTS

ANOTACIÓN

En este trabajo comparamos la capacidad de previsión de los modelos de volatilidad condicional lineal y no lineal mediante el ejemplo de los modelos GARCH para el rendimiento del índice RTS. A partir de los precios de cierre diarios del índice RTS durante 10 años, se estima un conjunto de modelos paramétricos y se construye un conjunto de previsiones de volatilidad para horizontes de diferente duración. Se comparan las capacidades de previsión de los modelos según los criterios seleccionados. Se han desarrollado modelos no lineales para tener en cuenta las características detectadas de las series temporales, pero a veces se cuestiona la calidad de las previsiones obtenidas con su ayuda. Los resultados de este estudio complementan los de otros trabajos: los modelos de volatilidad condicional no lineal muestran mejores resultados. Una posible explicación de este éxito puede ser el hecho de que los modelos no lineales dan mejores previsiones en horizontes relativamente cortos, mientras que en horizontes más largos pueden dar mayores errores.

 
СанСаныч Фоменко:

El problema es que el GARCH(1,1) puro es un modelo prácticamente inviable.

Hay que coger el paquete adecuado, el más interesante es rugarch. Hay que simular la media, el ARCH propiamente dicho, y hay un montón de estos modelos, se pueden obtener buenos resultados con el EGARCH, además hay que simular la distribución. Hay muchas publicaciones que destacan los resultados de utilizar este paquete en los mercados financieros, incluido el Forex. Códigos listos, ejemplos, es muy instructivo.

Si buscas en Rugarch y obtienes un buen resultado, está disponible en Srp, los códigos son de código abierto.

Pero estás muy lejos de Srp porque no es seguro que obtengas un resultado decente con GARCH. De todos modos, es incomparablemente más cómodo realizar experimentos en R que en µl, porque R es un intérprete.

San Sanych, déjame contarte un terrible secreto: también lo es MQL. También es un intérprete.

Razón de la queja: