Volumes, volatilité et indice de Hearst - page 30
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
Vous ne pouvez pas isoler le bruit sur un devis - vous ne comprenez probablement pas cela parce que vous ne l'avez pas essayé. Et aucun ARPSS ne vous aidera sur les cotations et vous ne trouverez jamais ces parcelles. Si seulement il y avait plus de millionnaires intelligents comme nous, il n'y aurait pas assez de châteaux pour tout le monde. :о) Isoler le bruit signifie trouver un modèle adéquat.
Je ne suis pas un scientifique
Ce n'est pas comme si je m'adressais à vous personnellement. Mais puisque vous avez répondu - l'auto-identification artificielle n'a pas fonctionné :)
Quant à la question, elle n'est pas aux erreurs dans l'interprétation des résultats de l'analyse du même processus (de telles conclusions hâtives gentiment faa1947 démontre - en supprimant une observation sur deux, exige que la période en unités est conservé), mais dans le fait de la cyclicité de la moyenne mobile de la somme des séries aléatoires.
Il m'est donc impossible de comprendre le processus de cotation lui-même et la trajectoire des prix qui en résulte.
Et si la prétendue errance géométrique d'un quotient est le résultat d'une série de processus aléatoires (lissés par les filtres DC et la discrétisation grossière des taframes), alors comment cela est-il compatible avec la distribution uniforme (et finalement la gaussienne) de certains modèles populaires ?
D'ailleurs, le modèle "tendance-vague-bruit" sur une "très longue période" ne tient pas la route en ce qui concerne le forex - il ne peut y avoir de tendance ici par définition.
Or, pétrole, sucre - une tendance s'impose ici. Pour estimer l'inflation...
;)
Je pense que Prival est dans ce fil. Les passages concernant le filtre de Kalman, par exemple, y faisaient également référence. D'après ce que je comprends, dans l'idéal, le bruit devrait être normal. Il serait alors possible de prédire non seulement les trajectoires des avions ennemis, mais aussi les kotirs :)
Le modèle ARPSS s'écrit ARPSS (p, d, q), où d représente les différences. Ils doivent être pris jusqu'à ce que la série résultante soit normale. Il est avancé que d = 2 est suffisant.
La persistance avec laquelle de nombreuses personnes essaient d'interpréter la similarité uniquement comme une similarité géométrique est vraiment étonnante. Malgré l'exemple de similarité parfaitement précis qui a été donné, je me réfère au rapport statistique High-Low et |Close-Open|. C'est la vraie similitude. Au fait, Yuri, votre exemple de ZZ pourrait être encore meilleur, mais il semble provenir d'un compte personnel, donc je ne le cite pas ici.
Farnsworth 18.09.2010 22:08
== égalité des distributions à dimension finie
Les exemples de similarité géométrique aident à comprendre clairement l'intérêt de Hurst comme coefficient d'autosimilarité. Par exemple, nous pouvons donner une interprétation géométrique de l'analyse R/S : prenez une règle de taille 1, mesurez le R/S avec celle-ci, prenez une règle de taille 2 et répétez la mesure. Et ainsi de suite, tant que c'est pertinent. En fait, de cette manière, l'égalité des distributions est évaluée et le coefficient d'autosimilarité est calculé dans le processus.
Quoi qu'il en soit, j'aimerais beaucoup, candidat, que vous donniez votre interprétation géométrique ou, pour ainsi dire, que vous montriez en images la signification géométrique d'une telle définition:
L'indice de Hurst est une mesure marginale. Et elle est définie comme la limite, l'asymptote à laquelle h dans la formule connue de l'intervalle normalisé lorsque le nombre de comptes dans l'intervalle augmente à l'infini.
Personnellement, je vois que Hurst, le coefficient d'autosimilarité, dans la définition ci-dessus a été simplifié à une mesure unique d'une caractéristique similaire à R/S en utilisant une règle de longueur infinie. Évidemment, les séries qui n'ont pas un écart normalisé infini auraient, selon une telle définition, un coefficient de Hurst égal à zéro. Quelle est votre opinion ?
Si vous utilisez l'ARPSS, je ne comprends pas. Le principe de l'ARPSS est le suivant : tendance + vague + bruit.
Ce n'est pas du tout comme ça que c'est écrit et c'est compris un peu différemment. ARPSS est essentiellement un modèle AR avec correction de la matrice de covariance. Il y a des composants qui étendent l'ARPSS - vous pouvez inclure un modèle de tendance( !), un modèle de ventilation( !), beaucoup de choses. Qu'est-ce que vous en dites ? Tu crois que je n'y connais rien ? J'écris sur autre chose - je n'applique pas ces modèles directement aux citations. Cela n'a aucun sens. J'écrivais sur l'utilisation de systèmes stochastiques avec une structure aléatoire. C'est ça, qu'est-ce que tu veux dire ? Que vous pouvez les appliquer sur les devis ? ARPSS entre guillemets ? Félicitations !
Ou les qualifications, les qualifications d'abord.
Ce sont les mathématiques qui ne fonctionnent pas dans ce cas - aucune des conditions nécessaires n'est remplie. Eh bien, oui, la qualification - qui peut discuter avec cela.
Beaucoup de spéculations sur le sujet, mais rien. Peut-être pourriez-vous partager les résultats ?
qui s'est disputé ? Quels sont les résultats à partager ? Ici même : https://forum.mql4.com/ru/34527/page27 a donné le résultat des tests en pips, jusqu'à présent dans MathCAD, 25 trades en 150 jours. Également dans la branche des tests de systèmes en ligne - j'ai fait des prévisions.
PS : Si vous pouvez appliquer l'ARPSS aux devis et identifier correctement le processus - montrez vos compétences.
Je pense que Prival est dans ce fil. Cela inclut des passages sur le filtre de Kalman, par exemple. D'après ce que je comprends, l'idéal serait que le bruit soit normal. Il serait alors possible de prédire non seulement les trajectoires des avions ennemis, mais aussi les kotirs :)
Non, non, ce n'est pas si simple. Privalych lui-même a dit que Kalman ne dépend pas de la distribution des erreurs. Quoi que vous mettiez là-dedans, c'est comme ça que le filtre sort.
Honnêtement, je ne sais pas ce qu'est Kalman. Je n'ai jamais été intéressé par les filtres dans les affaires.
Farnsworth 18.09.2010 22:08
Les exemples de similarité géométrique permettent d'illustrer l'intérêt de Hearst comme coefficient d'autosimilarité. Par exemple, vous pouvez donner une interprétation géométrique de l'analyse R/S : prenez une règle de taille 1, mesurez le R/S avec cette règle, prenez une règle de taille 2 et répétez les mesures. Et ainsi de suite, tant que c'est pertinent. En fait, de cette façon, l'égalité des distributions est évaluée et le coefficient d'autosimilarité est calculé dans le processus.
Le modèle ARPSS s'écrit ARPSS (p, d, q), où d représente les différences. Ils doivent être pris jusqu'à ce que la série résultante soit normale. Il est précisé que d = 2 est suffisant.
Non, non, ce n'est pas si simple. Privalych lui-même a dit que Kalman ne dépend pas de la distribution des erreurs. Quoi que vous mettiez là-dedans, c'est comme ça que le filtre sort.
Honnêtement, je ne sais pas ce qu'est Kalman. Je n'ai jamais été intéressé par les filtres dans les affaires.