L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1014
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Je ne me lasserai pas ici de citer des extraits de Kolmogorov :
En d'autres termes, ils sont considérés comme tels :
1. Renvoie à
2. l'ACF pour les retours
Si ACF satisfait à la condition suivante :
alors une telle série de retours discrets est prévisible.
C'est tout.
Il n'y a pas d'autres prédicteurs.
D'où viennent les ACF des augmentations de prix ? Ils sont évidemment non stationnaires et la fonction de covariance dépendra de deux variables : B=B(t,k) et vous n'avez tout simplement pas assez de données pour la calculer.
D'où vient l'ACF des incréments de prix ? Ils sont évidemment non stationnaires et la fonction de covariance dépendra de deux variables : B=B(t,k) et vous n'avez tout simplement pas assez de données pour la calculer.
L'ACF qui est montré dans l'image est l'algorithme tiré de l'ARIMA. Il est calculé par les n dernières barres.
L'algorithme ACF de l'image est tiré de l'ARIMA. Il est compté par les n dernières barres.
Tout d'abord, mon commentaire concernait l'attachement inapproprié de l'article de Kolmogorov sur les processus stationnaires à un cas manifestement non stationnaire.
Cependant, l'ARIMA réduit également tout à la stationnarité, ce qui ne peut être vrai qu'approximativement pour les prix et seulement sur certains intervalles de temps (par exemple, un coefficient autorégressif pendant une tendance, un autre pendant un creux ultérieur). Nous ne pouvons pas prévoir quand changer de modèle, ce qui est une conséquence de la non-stationnarité.
Tout d'abord, mon commentaire concernait l'attachement inapproprié de l'article de Kolmogorov sur les processus stationnaires au cas clairement non stationnaire.
Cependant, l'ARIMA réduit également tout à la stationnarité, qui ne peut être vraie pour les prix qu'approximativement et seulement à certains intervalles de temps (par exemple, un coefficient autorégressif pendant une tendance, mais un autre pendant un creux ultérieur). Nous ne pouvons pas prévoir quand il sera nécessaire de changer de modèle, ce qui est une conséquence de la non-stationnarité.
+
Que signifie la périodicité ?
Et pour autant que je sache, ACF n'est pas seulement la somme des produits. Il existe un algorithme beaucoup plus compliqué.
Je maintiens mon opinion - l'estimation de l'ACF pour une série discrète de retours est la somme des produits de 2 retours consécutifs d'échantillons glissants.
A propos de la périodicité...
Je pense que la manière la plus simple est la suivante :
Il faut trader (prédire le prochain retourné) lorsque la valeur ACF actuelle>0, c'est-à-dire lorsqu'il y a une dépendance évidente des incréments, ce qu'on appelle la "mémoire".
Je maintiens mon opinion - l'estimation de l'ACF pour une série discrète de rapatriés est la somme des produits de 2 rapatriés consécutifs à échantillon glissant.
A propos de la périodicité...
Je pense que la manière la plus simple est la suivante :
Trader (prédire le prochain retourné) lorsque l'ACF>0, c'est-à-dire lorsqu'il existe une dépendance évidente des incréments, ce qu'on appelle la "mémoire".
Regardez l'indicateur, est-il comme ça ou faut-il changer quelque chose ?
Regardez l'indicateur, est-il comme ça ou faut-il refaire quelque chose ? Il est probablement préférable de laisser la valeur absolue des incréments (moins multiplié par moins plus), le minimum ne sera alors que de 0.
Désolé, je ne peux pas. Occupé à chercher le Graal dans les processus de diffusion. C'est moi - j'aide ici autant que je peux, parce que je crois aux réseaux neuronaux et aux forêts.
Désolé, je ne peux pas. Occupé à chercher le Graal dans les processus de diffusion. J'aide ici autant que je peux parce que je crois aux réseaux neuronaux et aux forêts.
Puis je enlever l'indicateur ?
Ensuite, je retire l'indicateur ?
Oui. Nous n'avons pas besoin d'un indicateur. Nous avons besoin de prédicteurs Kolmogorov. Il n'y a pas d'autre moyen et vous pouvez continuer pour 1000 pages supplémentaires d'hilarité.
Je maintiens mon opinion - l'estimation de l'ACF pour une série discrète de rapatriés est la somme des produits de 2 rapatriés consécutifs à échantillon glissant.
A propos de la périodicité...
Je pense que la manière la plus simple est la suivante :
Il convient de négocier (prédire le prochain retourné) lorsque ACF>0, c'est-à-dire lorsqu'il existe une dépendance évidente des incréments, ce que l'on appelle la "mémoire".
1) Il n'existe pas d'ACF pour les processus instationnaires. Lisez au moins Orlov parmi les livres que vous avez suggérés sur les moments des processus non stationnaires.
2) La "mémoire" des processus non stationnaires n'est pas bonne non plus. On peut le trouver quand il n'existe pas (un processus non stationnaire avec des incréments indépendants), si on fait les calculs comme pour un processus stationnaire. Vous pouvez l'avoir, mais il peut être différent à tout moment et on ne sait pas exactement ce dont le processus "se souvient" à ce moment-là.