L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1589
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
Non, c'est une dépendance, une dépendance constante.)
La détection peut être tentée avec le MO
C'est la bonne question, vous n'avez rien à faire, attendez qu'un échantillon statistiquement significatif apparaisse, toute action dans une telle situation serait un coup de chance s'il n'y a pas d'initié.
La stationnarité est l'INDEPENDANCE du MO, de la variance et de la fonction de distribution par rapport au temps.
Et quelles méthodes de MO déterminent le "changement de marché" ?
Il y a un échantillon - construire un modèle - construire un TS - petit profit dans chaque trade - "changement de marché" - grande perte, annulant tout profit. Et ensuite ?
P.S. Dépendance constante - est-ce quelque chose de la philologie ?
Chers collègues, bonjour à tous,
Je suis désolé de poser une question aussi stupide, mais l'événement OnBookEvent fonctionne-t-il dans le testeur MT5 ? J'essaie de le tester, mais il n'entre pas dans une boucle pour une raison quelconque et j'ai l'impression qu'il est ignoré. Mais en théorie, les cotations changent lors de la révision du marché. HMM...
pas de
Dans notre cas, nous ne pouvons travailler de manière significative qu'avec la non-stationnarité, qui d'une manière ou d'une autre se réduit à la stationnarité. Stationnarité fragmentaire, modèles autorégressifs, hmm, etc.
La raison principale est qu'une seule réalisation du processus est toujours connue. Par exemple, si nous prenons la reconnaissance vocale, il existe un mot quelconque que nous pouvons dire autant de fois que nous le souhaitons. Les cotations pour un instrument concret dans un intervalle de temps concret sont dans une seule variante. D'ailleurs, c'est probablement la raison de la distinction floue entre le processus aléatoire et ses réalisations pour de nombreuses personnes ici.
Connaissant un mélange de distributions, il est possible de créer plusieurs réalisations grâce à des modèles génératifs.
Je ne sais pas si ça peut aider, mais vous pouvez vérifier le TC en plus.
Il est amusant de voir comment les gens se moquent de la bonne vieille (non) stationnarité statistique, impliquant autre chose que la persistance relative dans le temps de la distribution.
Si la rigueur est de mise, nous pouvons supposer que nous parlons de l'absence de stationnarité au sens large des logarithmes des rendements, par exemple.
La stationnarité est l'INDEPENDANCE du MO, de la variance et de la fonction de distribution par rapport au temps.
Non, ouvrez un manuel et rafraîchissez votre mémoire, la stationnarité est la STABILITÉ de la distribution dans le temps, c'est-à-dire lorsque le RI, la variance et les autres moments restent constants, ne changent pas.
Et quelles méthodes de MO déterminent le "changement de marché" ?
Différents, réseaux neuronaux, bois, etc.
Un échantillon est apparu - construction d'un modèle - construction d'un TS - petit profit dans chaque transaction - "changement de marché" - grosse perte annulant tous les profits. Et ensuite ?
Et si vous déterminez que le marché va changer, vous désactivez la transaction et ne subissez pas de perte.
P.S. La dépendance constante - est-ce quelque chose qui sort de la philologie ?
Non, c'est la même dépendance que tout autre y = const.
Et si vous déterminez que le marché est en train de changer, vous annulerez la transaction et ne subirez pas de perte.
mais il se peut que vous soyez déjà dans une transaction, et pas seulement dans une transaction, mais dans un drawdown, qui, si le marché avait été le même, aurait été remplacé par un profit, mais comme ce n'est plus le cas, il se peut qu'il n'y ait aucune chance de sortir du drawdown.
Non, ouvrez un manuel et rafraîchissez votre mémoire, la stationnarité est la STABILITÉ DE LA DISTRIBUTION DANS LE TEMPS, c'est-à-dire quand le MO, la variance et les autres moments restent constants, ne changent pas.
Différents, réseaux neuronaux, bois, etc.
Et si vous déterminez que le marché va changer, vous annulez la transaction et ne subissez pas de perte.
Non, c'est la même dépendance que n'importe quel autre y = const.
Une constante est une constante, c'est-à-dire une valeur constante. Et une dépendance est une valeur variable. La dépendance constante est un charabia.
Un changement dans le marché est un changement dans les caractéristiques de la probabilité, le plus souvent la variance. Toute négociation dans un marché stationnaire se fait lorsqu'une transaction est ouverte sur la frontière du canal et fermée lorsqu'un certain niveau ou la frontière opposée est atteint. Un changement de marché se produit lorsqu'un trader ouvre une transaction à la limite d'un canal et que celui-ci devient négatif, élargissant le canal à une taille anormale.
La perte est plus importante que le profit
***
Plus de 1 500 pages traitent de l'apprentissage mathématique nécessaire pour tenter de transformer une auge en machine à laver.
Si la rigueur est de mise, on peut considérer qu'il s'agit d'un manque de stationnarité au sens large pour les logarithmes des rapatriés, par exemple.
J'ai lu cet article il y a environ 5 ans, il est intéressant, mais il n'y a pas beaucoup d'informations supplémentaires, l'auteur fait quelque chose avec l'OHLC pour faire une mesure plus "pratique" de la volatilité, en principe ce n'est pas nouveau, dans le classique Dacorogna "An introduction to high-frequency finance" au siècle dernier il est recommandé de prendre les valeurs absolues moyennes des retours, pas les valeurs RMS, comme mesure de la volatilité. La prévisibilité de la volatilité est également un fait bien connu. Elle dépend de deux facteurs, la saisonnalité et l'inertie, qui représente 95 % de son influence. Mais même si nous alignons les (log)retours en fonction de la volatilité, cela ne donnera rien, nous avons besoin d'un signe pour le commerce, et cela n'affecte en rien la distribution.
Par exemple, si vous prenez un bruit gaussien, vous ne pouvez évidemment pas prédire les suivants à l'aide des échantillons précédents, indépendamment de la stationnarité, mais si vous triez cette série, par exemple, ce qui ne changera pas la distribution mais la rendra complètement prévisible, alors vous pouvez jouer avec la volatilité dynamique dans une large gamme et la rendre non stationnaire, mais toujours facilement prévisible.
Une constante est une constante, c'est-à-dire une valeur constante. La dépendance est une quantité variable. La dépendance constante est un charabia.
Ne dites pas cela aux mathématiciens :))