Construction d'un système de négociation à l'aide de filtres passe-bas numériques - page 12

 
grasn писал (а): https://forum.mql4.com/ru/9321/page9
:о)

Grasn, sur p. 10 là (je me cite) :

La situation s'avère assez délicate : pour savoir si un processus est stationnaire, il faut d'abord connaître son modèle réaliste (ici AR(1)). Mais ça n'en a pas l'air. Le test ne semble donc pas applicable non plus.
Mec, c'est un peu une impasse. La définition de la stationnarité elle-même... n'est pas le même, il n'est pas strict. "Pour qu'un processus soit stationnaire, le mode opératoire, etc. doit être constant". C'est-à-dire que le mode opératoire doit lui-même être stationnaire :)))) Huilé...
 
Mec, c'est une impasse. La définition de la stationnarité elle-même est... quelque chose de différent, pas rigoureux. "Pour qu'un processus soit stationnaire, le mode opératoire, etc. doit être constant". C'est-à-dire que le mode opératoire doit lui-même être stationnaire :)))) Beurré...

Où as-tu trouvé ça ? Si la MO est constante, alors il n'y a pas de processus de MO et il n'est pas question de sa stationnarité, et par conséquent il n'y a pas d'huile de beurre.

La définition que Prival a donnée est assez rigoureuse. Qu'est-ce qu'il y a de mal à ça ?
 

Comment peut-il n'y avoir aucun processus, Bstone? Et la constance - dans un certain sens statistique, bien sûr, pas dans la stricte égalité de tous les comptes. Voici la définition donnée par Prival:

Un processus aléatoire (SP) à variance finie est dit stationnaire au sens large si, son MCO (m.o.) et sa fonction de covariance sont invariants par rapport au décalage temporel, c'est-à-dire que le MCO est constant (non dépendant du temps) et que la fonction de covariance ne dépend que de la différence des arguments t 2- t 1.

Le seul test de stationnarité que je connaisse est le test de Dickey-Fuller. Mais elle suppose un certain modèle du processus (dans ce cas, une autorégression de premier ordre). Mais que faire si le modèle ne nous est pas connu à l'avance ?


Commençons par la plus simple d'entre elles : "Le MJ est constant (indépendant du temps)". Comment pourriez-vous tester cela en pratique ? Calculer la moyenne mobile du processus (c'est ce qu'est l'OIM) ? Avec quelle période ?

 
Tout est dans la définition : le mode opératoire doit être invariant par rapport au décalage temporel. En fait, cela signifie que si vous effectuez une série de mesures du processus étudié, compte tenu d'une certaine période (la période ne doit pas nécessairement être la même, mais elle doit être suffisamment grande pour la validité statistique de l'estimation de l'o.m. qui en résulte). Chaque mesure couvre une partie distincte de la série (décalage dans le temps), plus il y a de parties, plus la fiabilité est élevée.

Le résultat est une série de mesures (pas un processus), à partir de cette série de mesures nous obtenons une estimation de l'OD avec les caractéristiques statistiques appropriées. C'est tout.
 

bstone, tout cela est compréhensible - et en même temps vous ne m'avez rien dit de nouveau. Quelle devrait être la période de calcul de la moyenne pour obtenir une estimation actuelle de l'IOJ ? Disons que j'ai 14 000 comptes. La période est-elle de 10, 50, 100 ou 200 ans ?

Et quelle doit être la variance des MCO pour considérer que l'hypothèse d'invariance des MCO dans le temps n'est pas rejetée ?

 
Mathemat:

bstone, tout cela est compréhensible - et en même temps vous ne m'avez rien dit de nouveau. Quelle devrait être la période de calcul de la moyenne pour obtenir une estimation actuelle de l'IOJ ? Disons que j'ai 14 000 comptes. La période est-elle de 10, 50, 100 ou 200 ans ?

Et quelle doit être la variance des MCO pour considérer que l'hypothèse d'invariance des MCO dans le temps n'est pas rejetée ?

Eh bien, si je n'ai rien signalé de nouveau, il est temps de se rappeler le concept de l'intervalle de confiance. Dans ce cas, la taille de la période ne dépend que de vos affirmations sur l'exactitude du résultat obtenu. En d'autres termes, vous pouvez définir un intervalle de confiance approprié pour l'estimation des m.o.s. d'une parcelle particulière, afin de déterminer la taille requise. Vous pouvez ensuite faire de même en calculant le nombre de parcelles nécessaires pour l'estimation finale.

Il existe différentes méthodes pour calculer l'intervalle de confiance. Vous devrez peut-être d'abord identifier et prouver la subordination des résultats de mesure à des distributions connues (par exemple, la méthode de calcul des intervalles de confiance par la distribution de Student ne fonctionnera en général que pour des échantillons provenant de populations normalement distribuées).

Il est possible que, dès le stade de la tentative d'identification de la loi de distribution des mesures, vous découvriez que la stationnarité n'est pas à prévoir.

P.S. Je suis en fait un gestionnaire, j'ai donc une connaissance relativement superficielle des statistiques, mais c'est ce que le bon sens dicte, sur la base de ce que je sais.
 

Aux Mathématiques

J'ai testé la distribution des rendements (EURUSD 240) par rapport à une distribution normale. (NRD) selon le test du chi-deux du test de Pearson n'est pas NRD. Je joins le fichier avec les explications détaillées (matcad) ; il contient également l'estimation de l'ORM et du RMS et le calcul des intervalles de confiance des estimations.

Je pense qu'une conclusion de cette recherche est utile, c'est la recommandation de fixer le SL à 4H pour cette paire de devises, il est de 81 points (3*SCO). Qui veut, vous pouvez télécharger et vérifier votre devise préférée. Si quelque chose n'est pas clair concernant le programme et les calculs, veuillez me contacter sur Skype, j'essaierai de vous aider.


Z.U. Prouvez que cette série est stationnaire au sens strict échoué. Je vais essayer de faire d'autres recherches pour prouver la stationnarité au sens large (MOG et RMS (covariance) = const).



À NorthernWind

Les graphiques que vous avez montrés ne sont pas les séries numériques que le mathématicien demande d'étudier. Dans 5-10 min. je pense que je vais poster des études qui confirment la nature cyclique de la valeur des chandeliers.

Dossiers :
11.zip  273 kb
 

À NorthernWind

J'ai pris EURUSD60 et fait des constructions analogues mais pour une série de nombres H - L

Voici l'ACF. Vous pouvez visuellement voir que ce n'est pas une fonction delta et qu'il y a quelques oscillations stables dans le processus + une décroissance exponentielle.

Spectre ACF

Dans le spectre, il y a deux oscillations distinctes avec des périodes de 12 et 4 heures.

Le fichier est joint.

Dossiers :
22.zip  1292 kb
 
Mathemat:
Prival: ok. ok, j'essaierai de vérifier demain en utilisant le critère Neumann de Pearson. Mais je ne sais toujours pas comment modéliser sans tendance ? Alexei : La méthodologie de modélisation n'est pas claire.
J'ai décrit brièvement cette méthode ici : https://forum.mql4.com/ru/9358/page6#51829 . Il indique également à quoi il me sert.

Et la tendance apparaît toujours lorsqu'on intègre une série de retours (elle se rétablit sans ambiguïté).

Je pense que vous avez encore tort, c'est du bruit et c'est stationnaire. La tendance est non stationnaire. C'est pourquoi je pense que même si nous modélisons les rendements de manière strictement mathématique, nous ne pourrons pas rétablir la tendance sans ambiguïté.
 
Mathemat:

bstone, tout cela est compréhensible - et en même temps vous ne m'avez rien dit de nouveau. Quelle devrait être la période de calcul de la moyenne pour obtenir une estimation actuelle de l'IOJ ? Disons que j'ai 14 000 comptes. La période est-elle de 10, 50, 100 ou 200 ?

Et quelle doit être la variance des MCO pour considérer que l'hypothèse d'invariance des MCO dans le temps n'est pas rejetée ?


Voir le fichier 11.zip pour savoir comment calculer l'intervalle de confiance de l'estimation IOJ.
Raison: