FR H-Volatilità - pagina 8
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 qui che diventa interessante, Yurixx. Mi sembra che con il nostro livello di accesso al mercato siamo semplicemente condannati al massimo a una descrizione fenomenologica. In parole povere, la termodinamica classica, non la termodinamica statistica. Quella classica non funziona bene? Anche se al suo interno non capiamo bene cosa sia l'entropia o la temperatura, funziona comunque, e molto bene.
Il classico funziona bene. Ma prima che funzionasse, e prima che nascesse, il drago a tre teste Charles-Boyle-Mariotte ha lavorato nel sudore e le leggi che ha derivato fenomenologicamente si sono rivelate essere casi speciali dell'equazione di Mendeleev-Clapeyron. Cioè, dalla fenomenologia è riuscito a salire per rivelare le leggi reali. E se questo non fosse il caso, cosa sarebbe la termodinamica classica?
E siamo condannati alla descrizione fenomenologica solo nella misura in cui abbiamo un obiettivo puramente utilitaristico - creare TS e fare soldi. Ma se qualcuno con una mente lucida astrae dagli interessi mercantili e dedica il suo tempo a un profondo studio del mercato, avrà tutto il necessario per scoperte interessanti - strumenti, dati, ecc. Necessario ma non sufficiente ... :-)
Di sopra, ma non sanno dove scrivere. Se non mi sbaglio il Guinness dei primati ha un record del 1200% annuo. Larry Williams http://web-investor.academ.org/index.php?action=articles&id=71
Nel thread della risonanza stocastica, quando ho postato il mio lavoro, ho fatto una domanda sulla FR in questione. Non c'era nessuna risposta. E ci sono stati solo tre tentativi. E si scopre che è un caso particolare di una funzione ben nota e studiata chiamata distribuzione Gamma. Mi ci sono imbattuto per caso, mentre leggevo un libro sulla statistica bayesiana.
Non mi considero uno statistico, ma ecco i grafici p.v. di queste distribuzioni. E molto probabilmente la vostra distribuzione è una distribuzione Rayleigh-Rice, ma non una distribuzione gamma, se ho capito bene la formula.
Sqrt(x^2+y^2) è la distribuzione di Rayleigh, molto spesso usata nei radar, è la distribuzione dell'ampiezza del rumore nella decomposizione della serie di Fourier (x è la componente reale, y è la componente immaginaria). Il quadrato di questa quantità è la distribuzione lognormale - strettamente legata all'energia del segnale. La distribuzione di Rayleigh è un caso speciale della distribuzione di Rayleigh-Rice, che ha una coda spessa.
P.S. Se necessario posso provare a scannerizzare le pagine necessarie e mandarvele, ma posso farlo la prossima settimana. Provate a contattarmi o a lasciare le coordinate, cercherò di aiutarvi. Tutte queste distribuzioni sono ben descritte in Levine B.R. Theoretical foundations of statistical radio engineering. - Mosca: Radio e comunicazioni, 1989.
Sono soprattutto su Skype -> privalov-sv
Allego il file matcad, dove sono tutti costruiti e ci sono le loro caratteristiche + come modellarlo
Ciao colleghi.
Non abbandono i miei tentativi di modellare qualitativamente la storia dei tick delle serie valutarie usando modelli AR dell'ennesimo ordine. Vi ricordo che la prima serie differenza X[i]=Y[i]-Y[i-1] dell'AR originale è modellata direttamente: , dove a[i] sono i coefficienti autoregressivi, sigma è in qualche modo una variabile casuale distribuita.
Come pensi che possiamo mettere in relazione l'FA della prima differenza della serie della valuta e l'FA della prima differenza della serie del modello, attraverso l'FR di una variabile casuale (sigma) nel modello AR?
Il problema ha una soluzione. Si può scegliere a mano la "giusta" legge di distribuzione sigma, ma è una procedura dolorosa! Yurixx, sembra che il problema di questa formulazione sia di tuo interesse. In caso di esito positivo avremmo tra le mani un algoritmo per la costruzione di un BP identico a quello generatore nel senso della volatilità e della conservazione delle relazioni tra tick (barre su TF diversi), il che, come ha sottolineato Mathemat, è necessario per il test rappresentativo di un TS.
Abbreviazione FA? Decifrala per favore. È una funzione dell'autoregressione X[i] ?
Abbreviazione FA? Decifrala per favore. È una funzione dell'autoregressione X[i] ?
Oh! Mi dispiace. In tutto, si dovrebbe leggere FR invece di FA.
Come pensate che la FR della prima differenza della serie della valuta e la FR della prima differenza della serie del modello possano essere correlate, attraverso la FR di una variabile casuale (sigma) nel modello AR?
Il problema ha una soluzione. Manualmente possiamo trovare la "giusta" legge di distribuzione sigma, ma è una procedura dolorosa!
Bene, se si suppone che sigma debba condurre la FR della serie del modello alla FR della serie della valuta, allora la FR di sigma dovrebbe essere costruita come la FR della differenza dei due SV: modello X e reale Y. Tuttavia, poiché sigma è coinvolto nella formazione di X e tutta la natura casuale di X è determinata da sigma, è difficile dirlo immediatamente.
Magari prova il contrario. Come costruire la distribuzione X se Xi+1=Xi + sigma, e FR sigma è nota? Se risolvi questo problema, allora puoi risolvere quello che hai impostato.
Non è ancora chiaro come questo possa essere attuato.
La mia domanda, colleghi, è fuori tema. Probabilmente ora mostrate un certo interesse per la possibile applicazione delle reti neurali (NS) nella TS. Rispondetemi, ho capito bene che l'uso di NS è giustificato in un numero sufficientemente grande di parametri di input, quando l'uso di una ricerca usuale per l'ottimizzazione della ST (anche con l'uso dell'algoritmo genetico) è ingiustificato per ragioni tecniche? Possiamo anche sottolineare la capacità di NS di autoapprendimento nel processo, ma questo compito non è difficile da risolvere utilizzando la procedura di ottimizzazione automatica della solita struttura logica.
Penso che sia giusto, ma penso anche che non sia tutto qui.
Non so cosa sia "l'ottimizzazione automatica della progettazione logica ordinaria", ma in NS sono attratto proprio dalla capacità di implementare logiche decisionali molto complesse. Anche con un numero non molto grande di parametri, lo spazio di fase del sistema risulta essere troppo multidimensionale per la percezione umana. Se l'approccio è corretto e le stime scelte permettono di raggruppare lo spazio delle fasi, allora la posizione e la forma dei cluster possono avere una topologia molto complessa. Abbiamo bisogno di visualizzarlo in qualche modo per descrivere la logica decisionale, o introdurre ciecamente classi e criteri di appartenenza. NS gestisce questo e le valutazioni probabilistiche (come possiamo vedere) molto meglio.
Nel thread della risonanza stocastica, quando ho postato il mio lavoro, ho fatto una domanda sulla FR in questione. Non c'era nessuna risposta. E ci sono stati solo tre tentativi. E si scopre che è un caso speciale di una funzione ben nota e studiata chiamata distribuzione Gamma. L'ho incontrata per caso, leggendo un libro di statistica bayesiana.
Non mi considero uno statistico, ma ecco i grafici p.v. di queste distribuzioni. E molto probabilmente la vostra distribuzione è una distribuzione Rayleigh-Rice, ma in nessun modo una distribuzione gamma, se ho capito bene la formula.
La distribuzione gamma ha un parametro. A seconda del suo valore, può avere forme diverse, comprese quelle simili alla distribuzione di Rayleigh. Tuttavia, le sue caratteristiche statistiche e il suo comportamento a grandi x saranno diversi.
Non so di quale distribuzione ho "bisogno". È solo una domanda che è venuta fuori in quel momento e ho trovato la risposta solo qualche tempo dopo. Cosa fare con FR - questa è la domanda. Solo quando sarà risolto, la prossima domanda sarà sulla forma della funzione di distribuzione e allora potremo tornare a tutto questo kit di signori.