La théorie des flux aléatoires et le FOREX - page 54
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
Et pour être tout à fait cohérent, oubliez la stationnarité et abordez les marchés des capitaux en général et le Forex en particulier comme des systèmes dynamiques non linéaires et ne perdez pas de temps avec la stationnarité .
En termes pratiques, comment ? Avez-vous des idées ?
Par exemple, j'ai calculé un modèle en supposant un processus stationnaire. Maintenant, comment exploiter ce modèle en supposant la non-stationnarité ?
Dois-je étudier cette régularité dans un processus non stationnaire ? Et comment puis-je le faire sans connaître les propriétés et la nature de cette non-stationnarité ?
Étudier la non-stationnarité par l'exemple de ce modèle ?
En tant qu'intello d'un étudiant de PTU : je ne crois pas à l'analyse de Fourier pour les flux de citations pour certaines raisons. Je ne crois pas que les citations soient un bruit de fond. Si je ne me suis pas fait comprendre, acceptez mille excuses.
P.S.Si vous assemblez un nègre à partir de sinusoïdes, il est idiot de prétendre qu'il n'en est pas composé :) Mais en fait, nous n'interpolons pas ici, nous extrapolons.
Je vais déformer ce que vient de dire Avals : le vrai Noir vivant n'est pas constitué de sinusoïdes. Il est composé d'eau, de cellules, de sang et de viande, il a une volonté libre qui le guide dans tous ses mouvements corporels. Votre image du nègre peut, dans certains cas, être "décomposée en sinusoïdes", et même en tirer un certain bénéfice. Par exemple, vous pouvez utiliser l'image d'un Noir qui court pour poursuivre le cycle de mouvement de ses jambes et réaliser un film sur la course du Noir. Seul le vrai nègre s'arrêtera après 30 secondes, et votre extrapolation de son image montrera qu'il court PARTOUT. Et son humeur a CHANGÉ ! Et il ne veut plus courir ! Par conséquent, l'extrapolation mécanique de sa course sur l'image de la vidéo ne servira à rien.
Vous n'avez pas de nègre. Vous n'avez qu'une image de lui. C'est pourquoi vous ne pourrez pas faire de prédictions à long terme grâce à son image (par décomposition en ondes sinusoïdales). Vous devez savoir où il court, pourquoi il court et combien de ressources il a à courir, quand il se fatiguera, et comment déterminer à partir d'images individuelles qu'il a commencé à se fatiguer.
Fierstein ?
Réception.
En termes pratiques, comment cela se passe-t-il ? Y a-t-il des considérations à prendre en compte ?
Par exemple, j'ai calculé un modèle en supposant un processus stationnaire. Maintenant, comment exploiter ce modèle en supposant un processus non stationnaire ?
Dois-je étudier cette régularité dans un processus non stationnaire ? Et comment puis-je le faire sans connaître les propriétés et la nature de cette non-stationnarité ?
Étudier la non-stationnarité par l'exemple de cette régularité ?
Oui, comment ? N'importe quel imbécile peut jeter des "définitions" absconses sur un forum anonyme sans aucune responsabilité pour la "définition". Essayez de montrer en pratique que la définition du modèle fonctionne.
La thèse du GER selon laquelle toute l'information est dans le prix semble être utilisée par tous ceux qui font des prévisions sur les séries de cotations. Ou faites-vous quelque chose de différent ?
La thèse est légèrement différente, mais là n'est pas la question. Il s'agit des hypothèses sous-jacentes, des axiomes non négociables : le prix est une marche aléatoire, puis une loi gaussienne, normale, et voilà. Il n'y en a pas du tout.
Je peux prédire que le nègre que j'ai vu sur la photo restera un nègre dans la vie :)
Qu'est-ce que vous y gagnez ? Vous devez savoir où il va. La compagnie d'assurance veut savoir combien de temps il va vivre et à quel point il sera malade au cours de sa vie. Elle lui demande donc où il est né, quel est son mode de vie, ce qu'il fait pour vivre, ce qu'il fait comme travail et ce dont il a été malade dans son enfance.
Et vous n'avez qu'une fourchette de prix, et dans le meilleur des cas, ce n'est même pas le volume des achats de devises, mais le MONTANT TYCLIQUE. Et ils nous disent qu'en décomposant l'image d'un Noir dans un tableau en sinusoïdes, on peut savoir où et à quelle vitesse il va courir.
Je vais déformer ce que vient de dire Avals : le vrai Noir vivant n'est pas constitué de sinusoïdes. Il est composé d'eau, de cellules, de sang et de viande, il a un libre arbitre, qui le guide dans tous ses mouvements. Votre image du nègre peut, dans certains cas, être "décomposée en sinusoïdes", et même en tirer un certain bénéfice. Par exemple, vous pouvez utiliser l'image d'un Noir en train de courir pour poursuivre le cycle de mouvement de ses jambes et réaliser un film sur la course du Noir. Seul le vrai nègre s'arrêtera après 30 secondes, et votre extrapolation de son image montrera qu'il court PARTOUT. Et son humeur a CHANGÉ ! Et il ne veut plus courir ! Par conséquent, l'extrapolation mécanique de sa course sur l'image de la vidéo ne servira à rien.
Vous n'avez pas de nègre. Vous n'avez qu'une image de lui. C'est pourquoi vous ne pourrez pas faire de prédictions à long terme grâce à son image (par décomposition en ondes sinusoïdales). Vous devez savoir où il court, pourquoi il court et de combien de ressources il dispose pour courir, quand il se fatiguera et comment déterminer à partir d'images individuelles qu'il a commencé à se fatiguer.
Fierstein ?
Réception.
Wow, c'est vraiment quelque chose. Je vais essayer d'expliquer sans allégories : avec la DFT vous obtenez une décomposition du signal en ses composantes, après quoi vous ne pourrez PAS dire qu'il n'est PAS composé de celles-ci, car en somme les composantes donneront le signal original. Et ne parlez pas de cause et d'effet ici, c'est de l'arithmétique. Le problème est qu'il s'agira d'une interpolation, et qu'en dehors de la section de décomposition, elle n'aura presque toujours aucune signification.
P.S. Contrairement au nègre - si vous le démontez, alors... Non, c'est cruel, inhumain et inappétissant.
En termes pratiques, comment cela se passe-t-il ? Y a-t-il des considérations à prendre en compte ?
Par exemple, j'ai calculé un modèle en supposant un processus stationnaire. Maintenant, comment exploiter ce modèle en supposant un processus non stationnaire ?
Dois-je étudier cette régularité dans un processus non stationnaire ? Et comment puis-je le faire sans connaître les propriétés et la nature de cette non-stationnarité ?
Étudier la non-stationnarité par l'exemple de cette régularité ?
La stationnarité est un cas particulier de non-stationnarité. Les marchés sont stationnaires à certains intervalles, mais vous ne pouvez pas obtenir de retournements de marché à partir de ces intervalles, c'est-à-dire ce que vous pouvez obtenir à partir de la non-stationnarité. Sur ce post, j'ai donné un lien vers Peters. Je suis favorable à une approche méthodologique correcte. Les marchés efficients sont une impasse, c'est-à-dire que l'on peut moudre pendant des siècles avec des vidanges de dépo. Si, au départ, les marchés sont considérés comme des systèmes dynamiques non linéaires et que la théorie disponible dans ce domaine est orientée vers la reconnaissance de certains modèles ayant une capacité de prédiction - il s'agit d'une perspective dans sa base, peut-être que vous ou moi échouerons, mais pas d'une impasse, c'est-à-dire qu'un jour, quelqu'un l'obtiendra, mais en RFA jamais et personne.
Зная, что негр останется негром, страховая компания может прикинуть по статистике заболеваний негров, по статистике продолжительности жизни негров на этом континенте. И это зная зная только что он негр. И среднестатистически будет права
Je me demande comment vous pouvez dire à partir d'une photo, et décomposée en sinusoïdes, de quel continent il est originaire et à quel stade de la maladie il se trouve ;)...Psychics in sutdia ;) ? Je dis juste.
Bonne chance.