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
Personne n'utilise les paires de devises co-intégrées ?
L'histoire de CoNegration est superbe))
Quel intervalle de fenêtre utilisez-vous, sur quelle période, combien de paires, quelle méthode de sélection des paires, quelle méthode pour obtenir le spread?
je serais intéressé de voir l'implémentation du filtre apparié (pas le lissage) calman
pour cela, mais sans test de stationnarité
https://www.mql5.com/ru/code/11859
La co-intégration a l'air bien dans l'histoire))
à quel intervalle prenez-vous les fenêtres, sur quel timeframe, combien de paires, quelle est la méthode pour obtenir le spread ?
Je serais intéressé de voir l'incarnation du filtre jumelé de Kalman.
l'indicateur est pour cela, mais sans test de stationnarité
https://www.mql5.com/ru/code/11859
La co-intégration consiste à prendre des décisions sur une série stationnaire avec des citations non stationnaires en entrée.
Dans le futur, les résultats seront les mêmes que ceux de l'histoire.
La co-intégration consiste à prendre des décisions sur une série stationnaire avec des quotients non stationnaires en entrée.
Alors dans le futur, les résultats seront les mêmes que dans le passé.
ne le fera pas)
et vous n'avez pas partagé les réponses à mes questions)
OK, voyons quelques photos en guise d'introduction.
ne le fera pas)
Et vous n'avez pas partagé les réponses à mes questions)
Je n'ai pas de réponses à vos questions.
Et je suis intéressé par l'expérience des classiques de cette question. J'ai un tel EA avec une rentabilité allant jusqu'à 5 pips par position.
PS.
Kalman n'est pas nécessaire. Il est utilisé dans d'autres modèles
J'ai les réponses à vos questions.
Et je suis intéressé par l'expérience des classiques de cette question. J'ai un tel EA avec une marge de profit allant jusqu'à 5 pips par position.
PS.
Kalman n'est pas nécessaire. Il est utilisé dans d'autres modèles
Ok, prenons quelques photos pour nous rafraîchir la mémoire.
Je pense que la régression orthogonale n'est pas applicable.
Les régressions doivent être telles que le résidu soit stationnaire. Vous obtenez un résidu qui n'est PAS stationnaire - le test ADF échoue - aucun autre travail avec un tel résidu n'a de sens.
PS.
De quel paquet proviennent les photos ?
Je pense que la régression orthogonale n'est pas applicable.
Les régressions doivent être telles que le résidu soit stationnaire.
PS.
De quel paquet proviennent les photos ?
San sanych, vous êtes très en retard sur votre temps.
le filtre de Kalman est utilisé depuis longtemps. vous pouvez lire sur son utilisation dans Ernie Chan. il y a un code pour Matlab là. et un tel modèle est dans le lien ci-dessous
L'orthogonal s'adapte mieux pour une raison : il est symétrique, contrairement aux MCO habituels (si vous intervertissez les paires, votre coefficient de régression changera).
https://www.pairtradinglab.com/analyses/WDsreX1v6miBQ59k
San sanych, vous êtes hors du coup.
Le filtre de Kalman est appliqué et est utilisé depuis longtemps. Vous pouvez lire sur son application dans Ernie Chan. il y a un code pour Matlab. et un tel modèle est dans le lien ci-dessous
L'orthogonal s'adapte mieux pour une raison : il est symétrique, contrairement à l'ISC habituel (si vous échangez les paires, votre coefficient de régression changera).
https://www.pairtradinglab.com/analyses/WDsreX1v6miBQ59k
Sur Kalman, je ne suis pas à la traîne. Je sais très bien où il s'applique, et je sais aussi que Kalman ne s'applique pas à la co-intégration.
J'ai donné mon avis sur l'orthogonal en me basant sur vos résultats. Vous avez besoin d'un résidu stationnaire. D'autres régressions sont utilisées pour cela.
Sur Kalman, je ne suis pas en retard. Je sais très bien où il s'applique, et je sais aussi que Kalman ne s'applique pas à la co-intégration.
J'ai donné mon avis sur l'orthogonal en me basant sur vos résultats. Vous avez besoin d'un résidu stationnaire. D'autres régressions sont utilisées pour cela.
Vous dites autres modèles, autres régressions, résidu stationnaire.
Pruf et exemples - quels modèles, quelles régressions. Quel est l'avantage ?
Dans le cas contraire, le dialogue s'avère peu constructif et sans vos exemples.
Si la question de savoir si quelqu'un utilise la cointégration était oiseuse, eh bien, nous pouvons nous arrêter là.