La théorie des flux aléatoires et le FOREX - page 13
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 doute qu'on puisse parler de vitesse, et encore moins d'accélération... au moins dans la même veine que la vitesse et l'accélération des avions.
Je suis d'accord pour dire que la vitesse et l'accélération sont différentes. Mais ils sont à la fois là et là. Cette approche permet de prédire
Mais la question des tests de portefeuille se poserait alors avec acuité - une fois encore, le problème devient immense :-(.
D'après votre article "Speed estimation under foreshortening" :
Д(t),V(t),a(t) – детерминированные составляющие соответственно дальности, скорости и ускорения;
DV(t), Da(t) sont les composantes de fluctuation de la vitesse et de l'accélération ;
Voici un article de presse ouvert (ci-joint), il parle de notre recherche à la fin de l'article. Et l'ACF des TDS aéroportés réels (trajectoires à fréquence Doppler) est donnée (la fréquence Doppler est directement proportionnelle à la vitesse), voir Fig. 9. Comparez-les visuellement avec l'ACF que j'ai publié ('Random Flow Theory and FOREX' ou ici 'Random Flow Theory and FOREX' ). Quand j'ai vu cette courbe, je n'en croyais pas mes yeux, je l'ai vérifiée 20 fois (je l'ai construite en utilisant différentes méthodes, maintenant je l'ai vérifiée via la 3ème méthode, il n'y a aucune erreur).
Alpha, bêta et sigma, juste posés sous forme d'ACF (qui sont insérés dans ces équations), est une liaison inertielle du 2ème ordre. Physiquement, il effectue ses oscillations, autour d'un certain niveau, si aucune énergie externe ne vient, les oscillations sont amorties. Si une impulsion se produit, elle (l'oscillation) peut se déplacer vers un nouveau niveau, et elle oscillera à nouveau.
Si vous faites varier la profondeur d'échantillonnage, différentes oscillations (rapides, lentes) seront contrôlées, c'est-à-dire que le mouvement total est comme s'il était constitué de toutes ces oscillations avec différents (alpha, bêta, sigma). Multidimensionnalité et multidimensionnalité du mouvement.
Dans un traitement optimal, il faut avoir un filtre différent pour chaque oscillation. Mais cela représente un nombre infini de filtres de Kalman ;-(. J'ai écrit plus tôt qu'au-delà de l'art (calculs d'élagage), chacun de nous peut avoir besoin de différents détails de ce processus pour construire un TS. Et quelqu'un, disons, veut considérer la relation des différentes monnaies (analogue au maître-esclave dans cet article), il y a une corrélation entre eux et cela aussi peut être mis dans le modèle, estimer ce mouvement et diriger l'énergie du forex à votre poche, pas tout, un petit pincement et assez :-).
P.S. J'ai des doutes sur la formule (10), quelque chose ne colle pas. Et dans le livre, aussi, il semble que ce soit une erreur d'impression. Je suis allé chez Tikhonov à cause de cela, mais ses idées sont vivantes et il y a ses élèves, Kharisov et Yarlykov, il est difficile de les trouver simplement à l'Académie, en dernier recours j'irai chez Bogdanov à Tver (auteur de cet article et directeur de ce travail et de ma thèse en même temps).
Pour un processus citationnel (et même sa première différence), c'est très discutable, car le processus lui-même n'est pas stationnaire, et encore moins ergodique. Deuxièmement :
Où avons-nous la normalité, Prival?
1. Pour un processus quotient (et même sa première différence), c'est très douteux, car le processus lui-même ne ressemble pas à un processus stationnaire, encore moins ergodique.
2. Où en est-on de la normalité, Prival?
1. l'ACF a été construit pour Y-mu, c'est-à-dire que la "tendance" mu=y(x)=a+b*x a été préalablement retirée du processus de cotation, donc la MOG du processus = const (une des conditions de stationnarité 0 dans notre cas). Il n'y a aucun problème pour que Kalman détermine la "tendance" - il s'agit de la composante de vitesse détendue. Le reste, après avoir retiré la "tendance", est la composante de fluxation de la vitesse. Je suis d'accord que la composante fluctuante n'est pas un processus ergodique, mais il y a des zones où elle correspond au lien oscillatoire et je pense qu'il y en aura beaucoup sur l'histoire (dite plate). Il y a des sections qui ne correspondent pas, cela signifie qu'il faut utiliser un autre modèle dans le filtre. Ces filtres devraient être nombreux, idéalement à l'infini. Lorsque j'ai expliqué la physique, "comme dans le récepteur, vous tournez le bouton pour obtenir une station (tendance) et la garder là. J'ai perdu une station, j'ai tourné le bouton jusqu'à ce qu'il sonne "aha news", j'ai travaillé sur les nouvelles, je suis reparti et j'ai continué à tourner. Alors voilà. Mais c'est plus compliqué et en formules."
Si un flux de cotations correspond au modèle ci-joint, alors tout va bien, nous écoutons les nouvelles, la tendance, le plat, etc. Lorsque le signal disparaît (l'écart à la sortie du filtre dépasse un seuil), il suffit de tourner un bouton et de chercher parmi les 99 (milliards-1) restants un filtre plus approprié au processus en cours (le modèle qui y est intégré).
La seule chose à laquelle je veux prêter attention, c'est que personne n'a annulé le théorème de Kotelnikov, si les citations arrivent 1 fois par minute (nous travaillons par minutes) que les processus accessibles pour la recherche ont une période d'au moins 2 min, dans la pratique il vaut mieux que la fréquence d'échantillonnage soit 5-8 fois supérieure à la fréquence maximale. Si vous projetez (concentrez) le travail de TS sur les nouvelles, alors nous devrions passer aux ticks.
2. Il y a probablement une normalité, lisez attentivement la condition qui dit "un vol horizontal droit", cela signifie que MOJ=const et ne change pas, quelle que soit la section de cet intervalle de temps que nous prenons. Trouvez une telle zone sur les cotations et voyez (+-1 pips en une heure à MOJ=const). Peu importe l'intervalle :-) Phrase superflue dans l'article sans rapport avec l'essence de la recherche.
Et en général, j'ai mal aux doigts :-) mettez des écouteurs.
Vous devez réaliser un filtre de Kolman dans MQL, voici à quoi cela ressemble dans MathCad
indices "T", "-1" - opérations de transposition, calcul de la matrice inverse. Tous ces éléments sont des matrices (tableaux) et doivent être programmés selon l'algèbre matricielle http://alglib.sources.ru/matrixops/.
Il existe des fragments de codes C mais ils doivent être vérifiés. Tout fonctionne dans matkadel.
Je ne sais pas si je peux le faire au travail, mais c'est une tâche digne d'un maître, peut-être pendant mon temps libre. L'objectif est de maximiser la vitesse et la précision du calcul. Entier de type H de la matrice (consistant en 0 ou 1). Les autres sont doubles.
Je vais essayer d'écrire des instructions détaillées étape par étape (j'ai de l'expérience dans la programmation MQL).
Cela signifie que 10 à 100 milliards de filtres de Kalman travaillent en parallèle et que chacun d'entre eux reçoit des cotations. Si le flux de cotations correspond au modèle imbriqué, alors tout est OK, on écoute les nouvelles, la tendance, le flat, etc. S'il n'y a pas de signal (l'écart à la sortie du filtre dépasse le seuil), il ne nous reste plus qu'à choisir parmi les 99 (milliards-1) restants le filtre qui correspond le mieux au processus en cours (le modèle qui y est enfermé).
Le principal problème dans le commerce - au moment où le modèle est reconnu de manière plus ou moins fiable, les probabilités de son maintien et de son effondrement sont à peu près les mêmes. J'ai bien peur que cette règle s'applique à tous les filtres Kalman de 10 à 100 millions de dollars.
Cela signifie que 10 à 100 milliards de filtres de Kalman travaillent en parallèle et que chacun d'entre eux reçoit des cotations. Si le flux de cotations correspond au modèle imbriqué, alors tout est OK, on écoute les nouvelles, la tendance, le flat, etc. Lorsque le signal disparaît (l'écart à la sortie du filtre dépasse le seuil), il ne nous reste plus qu'à rechercher, parmi les 99 (milliards-1) restants, le filtre qui correspond le mieux au processus actuel (le modèle qui y est intégré).
Le principal problème du trading est qu'au moment où un modèle est reconnu de manière plus ou moins fiable, les probabilités de son maintien ou de son effondrement sont à peu près les mêmes. J'ai bien peur que cette règle s'applique également à tous les filtres Kalman 10-100m.
Eh bien, je pense que c'est une déclaration trop sévère. En fait, il n'existe pas d'études qui donnent des statistiques sur la durée de vie des modèles. En outre, il n'existe pas de données sur la quantité d'informations (= temps de latence) nécessaire pour reconnaître un modèle. Même ceux qui introduisent et utilisent ces modèles préfèrent ne pas mener ou publier de telles études. Évidemment, on estime que si la stratégie a un mo positif, alors le modèle est reconnu avant que les probabilités ne soient égalisées.
Et il existe de telles stratégies, des stratégies vivantes. Regardez mieux. Son conseiller expert fait en fait ce que je voulais mettre en œuvre dans le mien - il reconnaît les points de retournement et entre au début de la vague. Et ça bouge aussi bien vers le haut que vers le bas. Ici vous avez une prévision et la reconnaissance avant.
Quant au programme de Prival , je dirais la chose suivante : il est intéressant, il y a une idée, le parallèle n'est pas si éloigné. Malheureusement je n'ai pas compris les mathématiques, j'ai beaucoup à faire, mais si la matrice de transition n'est pas quelque chose de fixe, il y a peut-être une solution de ce côté. Mais la partie informatique doit être moins tentaculaire. Si le seul processus de calcul direct nécessite un calcul sur 10 à 100 milliards de filtres, alors nous pouvons oublier les ticks. Et il y a aussi le problème inverse, nous devons d'une manière ou d'une autre adapter les paramètres aux conditions changeantes du marché.
Il est donc nécessaire d'estimer clairement les ressources, tant en termes de mémoire que de temps de cycle de calcul. Sinon, nous risquons d'obtenir un cycle de calcul de 5 à 10 heures. Quelles seront les nouvelles alors ? Nous n'aurons qu'à jouer pendant des jours ou des semaines. :-)
Il existe des variantes de la construction du F adaptatif, auxquelles on procède si le calcul parallèle de plusieurs filtres dépasse le coût de calcul de l'adaptation. C'est-à-dire que la matrice F(t,ACF,L) dépend du temps, des paramètres ACF et L - certaines propriétés du flux. Mais ceci est déjà le domaine du filtrage non linéaire. Je voudrais rester dans les limites de la filtration linéaire pour le moment. Composer des statistiques pour ACF dans des zones typiques (marché calme, ouverture de séance, communiqué de presse, plusieurs tendances avec des paramètres différents, plusieurs flûtes avec des paramètres différents). Comme on dit tirer les ficelles pour voir. Je pense qu'environ 10-16 filtres seront suffisants, lorsqu'un écart apparaît, une divergence par rapport au modèle, une décision doit être prise (point critique du marché - point de décision). À ce stade, passez aux fonctions de décision statistique Wald. D'une certaine manière, jusqu'à présent, je n'ai pas de réponses à toutes les questions, seulement un chemin clair et un objectif.
Oui, en ce qui concerne le temps de détection, cela dépend de la qualité des fonctionnalités et de l'ensemble des modèles. Elle peut être instantanée. Exemple (disons que dans le décor) il y aura 2 filtres responsables du travail avec les écarts (1 vers le haut 1 vers le bas). La sélection parmi l'ensemble des modèles est sans ambiguïté et le trait est assez puissant :-).