Risonanza stocastica - pagina 29
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
È importante come viene "usato" l'indicatore. Forse non ci sono questi problemi.
Ci sono stati articoli sul tema dell'adattabilità degli indicatori. Il più semplice è quello di sovrapporre la Bollinger RSI. Modo statistico semplice basato su RMS e senza costruire distribuzioni teoriche.
Va bene, Yurixx, non ti sto attribuendo questa frase. E che dire dell'atteggiamento scettico nei confronti degli artifizi... Ho Maple installato a casa, a volte mi aiuta davvero, compresi i calcoli simbolici. Tuttavia, non lo uso da molto tempo.
Prima avevo un Matcad, poi sono passato a Matlab. Recentemente installato neuroshell2. In quale altro posto potrei dedicare del tempo a tutto questo, e mi piacerebbe... Ci sono alcune cose che vorrei davvero capire.
Perciò, senza scherzare, il mio atteggiamento scettico si limita allo scetticismo sulle mie capacità di cogliere tutto ciò che voglio. Tutte queste cose sono un meraviglioso bagaglio per l'applicazione di metodi già sviluppati e perfezionati, da parte di coloro che non hanno bisogno di approfondire, che hanno bisogno di risultati in numeri. Se parliamo di tutti noi qui, stiamo cercando di creare qualcosa di nuovo. È difficilmente possibile senza una penetrazione profonda. Ma... È a questo che servono i nonni, a scavare in profondità.
È importante come viene "usato" l'indicatore. Potrebbe non esserci questo problema.
C'erano alcuni articoli sull'adattabilità degli indicatori. Il più semplice è sovrapporre l'RSI di Bollinger. Un modo statistico semplice basato su RMS e senza costruire distribuzioni teoriche.
Senza dubbio ci sono molte possibilità e metodi diversi. Questo significa che dovremmo rifiutarci di fare qualcosa di nuovo, in particolare le "distribuzioni teoriche"?
a Yurixx
Ho una domanda interessante mentre vado avanti. Qualcuno può illuminarmi sul perché una funzione di distribuzione così semplice e conveniente con buone proprietà non viene usata in statistica? E se viene usato, perché non viene scritto? Non ho mai visto nessuno cercare di approssimare una distribuzione incrementale diversa dalla lognormale.
Ho la seguente nota riguardante l'essenza del mio lavoro: è necessario chiarire che si parla veramente di aspettativa Ymin e Ymax. La condizione di "uccisione" del calcolo della media minima per valori minimi della serie attenua questo inconveniente, ma ne genera un altro - infatti riguarda la probabilità di occorrenza di M valori minimi (massimi) di serie in una fila (ecco perché uso la parola "uccisione"). Con N che tende all'infinito la probabilità di un tale evento tenderà a 0. Non ho analizzato i calcoli in dettaglio, ma dobbiamo supporre che X1 correrà a 0 e X2 correrà anche all'infinito. Dopo di loro Ymin e Ymax seguiranno la stessa strada, il primo chiaramente visto nella seconda immagine, il secondo non entra in nessun diagramma. Questo rende dubbio il loro valore come coefficienti di normalizzazione, anche se tende abbastanza lentamente.
Ho praticato la normalizzazione per molto tempo, anche per i prezzi. IMHO, la cosa più naturale è usare un intervallo di confidenza per questo. Cioè F(Ymax)=1-Delta, se in pratica - si fa la distribuzione reale di Y con il massimo N disponibile e per Delta scelto si trova Ymax per ordinamento. Non l'ho cronometrato, ma per la semplice Y non ci vorrà molto.
a Yurixx
Conciso ma succinto. Perdonate la mia morbosa curiosità naturale, si vuole sempre capire anche ciò che personalmente non serve. :о)
a Yurixx
Conciso ma succinto. Perdonate la mia morbosa curiosità naturale, si vuole sempre capire anche ciò che personalmente non serve. :о)
Ecco perché vi amo tutti, gente! :-)
...ho una domanda interessante lungo la strada. Qualcuno può illuminarmi sul perché una funzione di distribuzione così semplice e conveniente con buone proprietà non viene usata in statistica? E se viene usato, perché non viene scritto? Non ho mai visto nessuno cercare di approssimare una distribuzione incrementale diversa dalla lognormale.
Yura, non conosco la risposta a questa domanda.
Posso solo supporre che la tua distribuzione proposta p(X)=A*(X^a)*exp(-B*(X^b)), sia un caso particolare (ad esempio Distribuzione esponenziale generalizzata p(X)=a/(2G[1/a]*l*s)exp{-[(x-m)/l*sl*s]^a}, Bulashev, p.41), o quei pochi, che sono anche riusciti a venirne a capo, hanno deciso di tacere e falciare tranquillamente i cavoli sul vasto Forpolye:)
Ma ho una contro-domanda!
Qualche tempo fa studiavo modelli autoregressivi di ordine arbitrario (quando si cerca la dipendenza dell'ampiezza della barra attuale e del suo segno dalla somma delle azioni su di essa di un numero arbitrario di barre precedenti). Ho risolto questo problema così bene che non potevo dire se la serie del modello era reale o no dal suo aspetto, ma per un'eccezione - la funzione di distribuzione (DP) della serie del modello era lontana dalla realtà. Non sono mai riuscito a trovare la ragione della discrepanza. Intuitivamente ho ritenuto che la coincidenza delle funzioni di autocorrelazione fosse sufficiente per far corrispondere la PDF delle loro prime differenze. Si è scoperto che non era... C'è qualcosa di cui non sto tenendo conto nel modellare il comportamento della serie dei residui.
Cosa pensa di questo problema?
Mi intrometto qui, Neutron. Non sono uno statistico, quindi ho dovuto fare la domanda su mexmat.ru. È qui: http://lib.mexmat.ru/forum/viewtopic.php?t=9102
Domanda: quali informazioni sul processo stazionario sono sufficienti per riprodurlo correttamente? La risposta era: bisogna conoscere la funzione di covarianza e il m.o. del processo. Non so ancora come costruire un processo con una funzione di covarianza data. Ma l'idea è che il processo risultante possa essere considerato una corretta implementazione del processo originale simulato. Forse il suo processo non era fermo?
P.S. Voglio una simulazione plausibile del processo dei residui (rendimenti). Secondo Peters, la distribuzione dei residui è frattale con una precisione accettabile, e il processo è stazionario. Anche se altri modelli non sono esclusi...
Ho una domanda interessante mentre vado avanti. Qualcuno può illuminarmi sul perché una funzione di distribuzione così semplice e conveniente con buone proprietà non viene usata in statistica? E se viene usato, perché non viene scritto? Non ho mai visto nessuno cercare di approssimare una distribuzione di tipo incrementale diversa da quella lognormale.
In effetti ho la seguente nota: è necessario chiarire che si parla veramente di aspettativa Ymin e Ymax. La condizione di "uccisione" del calcolo della media minima per valori minimi della serie attenua questo inconveniente, ma ne genera un altro - infatti riguarda la probabilità di occorrenza di M valori minimi (massimi) di serie in una fila (ecco perché uso la parola "uccisione"). Con N che tende all'infinito la probabilità di un tale evento tenderà a 0. Non ho analizzato i calcoli in dettaglio, ma dobbiamo supporre che X1 si sposterà a 0 e anche X2 si sposterà all'infinito. Dopo di loro Ymin e Ymax seguiranno la stessa strada, la prima si vede chiaramente nella seconda immagine, la seconda non entrerà in nessun diagramma. Questo rende dubbio il loro valore come coefficienti di razionamento, anche a sforzi piuttosto lenti.
Ho praticato la normalizzazione per un bel po' di tempo, anche per i prezzi. IMHO, la cosa più naturale da fare è usare un intervallo di confidenza per questo. Cioè F(Ymax)=1-Delta, se in pratica - si fa la distribuzione reale di Y con il massimo N disponibile e per Delta scelto si trova Ymax per ordinamento. Non l'ho cronometrato, ma per la semplice Y non ci vorrà molto.
Sono d'accordo con tutti i commenti. E l'immagine del comportamento dei limiti a N -> lì è perfettamente corretta. Ma.
Questo non è un calcolo dei limiti Ymin e Ymax, ma solo la loro valutazione statistica. L'obiettivo, la normalizzazione della gamma, impone requisiti non troppo rigidi sulla precisione del compito. Tenendo conto di questo, penso che tali ipotesi (errate in realtà) siano abbastanza accettabili. Ma se fosse necessario determinare l'ora della chiamata oltre il confine, dovrebbe essere determinata in modo molto più accurato.
Mi sono davvero limitato al caso di N finito, che è quello che ho detto esplicitamente. Se anche voi usate il massimo disponibile ma finito di N nei vostri calcoli, allora ne ho diritto. :-)) Non si sa cosa succederà quando N raggiunge l'infinito. Una consolazione: io e te non esisteremo più. E anche il forex.
Voglio attirare la vostra attenzione sullo scopo principale del problema. Non si tratta di calcolare Ymin e Ymax di per sé. Si tratta di ricalcolare i dati di una serie derivata usando i dati della serie originale. Inoltre, il tuo metodo di ricalcolo della normalizzazione è arbitrario, legato al set storico su cui lo fai. Quando si cambia t/f può passare da 2000 bar a, diciamo, 500000 bar. Raggiungere il limite della gamma nel primo caso non dice nulla, ma nel secondo caso dice molto. Potete accusare il mio metodo di arbitrarietà solo se avete in mente una funzione di distribuzione del modello. Tuttavia, se la distribuzione reale, tracciata sperimentalmente sulla quantità "massima disponibile" di dati è ben approssimata dalla distribuzione del modello, allora dov'è l'arbitrarietà in essa?