Discussion de l'article "Approche Économétrique de l'Analyse des Graphiques" - page 6

Nouveau commentaire
 

Je vois maintenant.

  1. Vous avez supprimé la valeur du décalage de zéro. La valeur de l'ACF est toujours =1, ce qui permet de mieux voir. Il s'avère que déjà à lag =1 la différence est de 1e4 fois. Vous avez un ACF qui a la forme d'une fonction delta . Il n'y a qu' un seul modèle pour ce type d'ACF - c'est le bruit ( et on vous l'a déjà demandé, car c 'est une conséquence du fait que vous prenez les jours et que vous les logarithmez). Réfléchissez ...
  2. Après tout, on prend le module et on l'élève au carré )) J'avais raison. Je veux dire que tu le fais correctement,
      Data21[i].opMultEq(cData[i]);  //production d'un nombre complexe par son conjugué 
                     //donne un nombre complexe dont la partie réelle n'est pas nulle

z avec un tiret est un nombre complexe conjugué.

3. mais malheureusement vous n'avez pas bien compris pourquoi vous soustrayez le MOG et non la tendance. Bien que vous ayez raison, il s'agit d'une question théorique très intéressante.

  double m=mean(res);               // moyenne arithmétique du tableau res
   ArrayResize(rets1,nFFT);          // ajustement de la taille du tableau
   for(int t=0;t<ArraySize(res);t++) //copier le tableau d'observations original 
       // à celle du service, ajustée en fonction de la moyenne
     rets1[t]=res[t]-m;

et il est dommage que vous ne puissiez pas en parler aux autres. Mais ne vous adressez pas encore une fois à des étrangers, il vaut mieux le dire avec vos propres mots. Ce sera plus clair pour vous. C'est toujours ainsi, quand tu l'expliques aux autres, tu le comprends très bien toi-même.

4) Je me suis trompé, j'ai cru que c'était votre article https://www.mql5. com/ru/articles/185 c'est pourquoi j'ai posé ces questions sur le traitement spectral, je m'excuse de vous avoir attribué le travail de quelqu'un d'autre. Votre article est très beau, cela faisait longtemps que je n'avais pas lu de tels articles.

 
Trolls:

Je vois maintenant.

  1. Vous avez supprimé la valeur du décalage de zéro. La valeur de l'ACF est toujours =1, ce qui permet de mieux voir. Il s'avère que déjà à lag =1 la différence est de 1e4 fois. Vous avez un ACF qui a la forme d'une fonction delta . Il n'y a qu' un seul modèle pour ce type d'ACF - c'est le bruit ( et on vous l'a déjà demandé, car c 'est une conséquence du fait que vous prenez les jours et que vous les logarithmez). Réfléchissez ...

Trolls, soit je n'ai pas écrit en russe, soit vous n'avez pas lu attentivement...

Je me cite moi-même.. :

...Quelques mots sur la description des axes du diagramme. Tout est clair avec l'axe des x - il montre les indices de retard. L'axe des y indique la valeur exponentielle par laquelle la valeur originale de l'ACF a été multipliée. Ainsi, 1e4 signifie que la valeur originale a été multipliée par 1e4 (1e4=10000), et 1e2 - par 100, etc. Cette multiplication a été effectuée pour faciliter la lecture du diagramme.

D'autres questions sur cette thèse ?

Passons maintenant au décalage zéro. Voici deux graphiques de l'ACF de l'usdjpy:


Le premier a un décalage nul (sa valeur se trouve dans le coin supérieur gauche), tandis que le second n'en a pas. Maintenant, dites-moi quel graphique est le plus illustratif ? N'oubliez pas le décalage zéro. Alors tout ira bien. Dans mon script, j'ai laissé la deuxième variante, comme vous le comprenez....

 
Trolls:

2. Still you take the module and square it )) J'avais raison. C'est à dire que tu le fais correctement,

z avec un tiret est un nombre complexe conjugué.

Je suis heureux que vous ayez eu raison.....

3. mais malheureusement, vous n'avez pas bien compris pourquoi vous soustrayez le MOG et non la tendance. Bien que vous ayez raison, il s'agit d'une question théorique très intéressante.

et il est dommage que vous ne puissiez pas en parler aux autres. Mais ne vous adressez pas à nouveau à des étrangers, il vaut mieux le dire avec vos propres mots. Ce sera plus clair pour vous. C'est toujours ainsi, quand on l'explique aux autres, on le comprend très bien soi-même.

Cette question ne me concerne pas. Même si je suppose que c'est pour cette raison :

la moyenne arithmétique est souvent utilisée comme valeur moyenne ou tendance centrale, ce concept ne s'applique pas aux statistiques robustes, ce qui signifie que la moyenne arithmétique est fortement influencée par les "grands écarts". Notamment, pour les distributions ayant un coefficient d'asymétrie important, la moyenne arithmétique peut ne pas être cohérente avec le concept de "moyenne", et les valeurs moyennes des statistiques robustes (telles que la médiane) peuvent mieux décrire la tendance centrale.

La soustraction des tendances est une autre affaire, à mon avis.

 
denkir:

Trolls, soit je n'ai pas écrit en russe, soit vous n'avez pas lu attentivement...

Je me cite moi-même :

D'autres questions sur cette thèse ?

...

c'est un peu faux. J'ai probablement mal exprimé l'idée que je voulais vous transmettre. Que sur le 0ème retard l'ACF soit égal à 1 est clair, et que vous l'ayez enlevé pour mieux refléter le graphique l'est aussi.

Je voulais attirer votre attention sur le résultat que vous avez obtenu. Le type d'ACF que vous avez obtenu est l'ACF qui correspond au bruit.

Prenez le bruit et tracez son ACF, comparez-le à vos derniers graphiques. Comme on dit, trouvez dix différences...

et je vous redonne le lien, comparez avec cette figure https://www.mql5.com/fr/code/8295, l'ACF y chute doucement et le modèle mat. y correspond.

H.Y. comprend que je ne suis pas en train de gronder, je veux aider. Je vous parle de l'étape suivante de la recherche, celle dont vous n'avez pas parlé en raison des limites de l'article (on ne peut pas tout couvrir dans un article, les gens écrivent des thèses, ils y consacrent toute leur vie, cela ne peut pas être présenté sur 2 pages).

L'ordre de l'étude

Nous avons obtenu l'ACF, effectué le test Q, maintenant nous devons sélectionner un modèle par type d'ACF, puis trouver les paramètres de ce modèle, essayer de faire des prévisions avec le modèle obtenu et estimer la précision et l'horizon de prévision.

Et ainsi de suite jusqu'à ce que vous obteniez des résultats satisfaisants.

L'ACF que vous avez obtenu est du bruit, il est difficile de prévoir le bruit, même s'il est "coloré".

 
Trolls:

...Je voulais attirer votre attention sur le résultat que vous avez obtenu. Le type d'ACF que vous avez obtenu est l'ACF qui correspond au bruit.

Prenez le bruit et tracez son ACF, comparez-le à vos derniers graphiques. Comme on dit, trouvez 10 différences....

H.Y. comprend que je ne te gronde pas, je veux t'aider. Je vous parle de l'étape suivante de la recherche, celle dont vous n'avez pas parlé à cause des limites de l'article (on ne peut pas tout couvrir dans un article, les gens écrivent des thèses, ils y consacrent toute leur vie, cela ne peut pas être présenté en 2 pages).


Merci, c'était signalé... parlons des types d'ACF un peu plus tard....

Les cobayes se disputent - nous discutons :-)))

 

J'ai ajouté les fichiers Autocorrelation.zip et GarchTest_html.mq5 pour afficher les graphiques en utilisant les outils décrits dans l'article.

A partir de l'archive, le fichier Autocorrelation.htm doit être placé ici : %MetaTrader%\MQL5\Files, et le fichier GarchTest_html.mq5 dans le dossier scripts.

Je demande à l'administration de mettre à jour l'article.

 

Vous obtiendrez quelque chose comme ceci... mais au format *.htm. Le script GarchTest_html.mq5 est lancé sur le graphique et regardez les résultats obtenus.

 
denkir:

Je demande à l'administration de mettre à jour l'article.

Les mises à jour ont été publiées
 
...J'ai oublié d'ajouter que vous devez également placer les fichiers de bibliothèque highcharts.js et jquery.min.js dans le dossier %MetaTrader%\MQL5\Files .
 

alsu:
Спасибо, что дали ссылку.

Article très intéressant et unique dans le forum MQL.

Il me semble que le topkstarter a tenté de résoudre le problème par un coup de sabre fringant - les progiciels économétriques offrent bien plus de modèles que le GARCH. La sélection d'un modèle et la sélection des paramètres du modèle constituent le milieu de la route, et non le début.

Les analyses basées sur les différences ont fait l'objet de critiques dans des articles précédents. On pense que ces critiques sont dues au fait que l'auteur a sauté l'étape initiale de préparation des données.

Selon l'auteur de l'article, la non-stationnarité est le seul mal du marché. Ce n'est pas le cas. Les problèmes suivants doivent être résolus au préalable :

1. Nous devons décider du nombre de bougies dans l'échantillon. Le nombre de bougies dans l'échantillon dépend-il de l'horizon temporel ? D'après la littérature, 50 bougies devraient suffire.

2. Essayons d'adapter la distribution à notre échantillon. De préférence une distribution normale. La question du nombre de racks sur lesquels le graphique est tracé se posera immédiatement. Où avez-vous trouvé le nombre de casiers sur lesquels le graphique est tracé ? Nous procédons constamment à des ajustements visuels. Si nous pensons qu'il ne s'agit toujours pas d'une distribution normale, nous vérifions l'échantillon lui-même :

- présence de valeurs aberrantes : nous devrions remplacer les valeurs aberrantes, c'est-à-dire les citations supérieures à un certain seuil (par exemple 3 sigma) par la valeur du seuil. Bulashov a une opinion différente sur la valeur du seuil.

- vérifier par Fourier ou ACF la présence de cycles, juste au cas où. En raison de l'échantillon limité et des propriétés du marché lui-même, il est très probable qu'il n'y ait pas de cycles.

- résoudre le problème des tendances. Je ne peux pas être d'accord avec l'auteur - le fait de détendre la tendance en soustrayant le MOG est une grave simplification du problème. Le logarithme est pris pour une tendance exponentielle, alors que pour une tendance additive, les premières différences suffisent. La tendance devra être traitée séparément et les régressions ne seront pas nécessaires, ainsi que toutes sortes de régressions. Il faut soustraire la régression, et non le MOG. Cela vaut pour les tendances déterministes, mais il existe également des tendances statistiques.

Si ces questions ne sont pas résolues, le raisonnement sur les caractéristiques statistiques de l'échantillon n'a aucun fondement.

Ce n'est qu'après ces étapes, qui doivent être justifiées, que vous pouvez procéder à la sélection d'un modèle à partir d'une liste proposée par un logiciel spécialisé, ce qui résoudra de nombreux autres problèmes techniques.


123456789101112
Nouveau commentaire