Un processo casuale (SP) con varianza finita è detto stazionario in senso lato se, la sua OLS (m.o.) e la funzione di covarianza sono invarianti rispetto allo spostamento temporale, cioè l'OLS è costante (non dipendente dal tempo) e la funzione di covarianza dipende solo dalla differenza di argomenti t 2- t 1.
In alcuni casi (che mi sembra essere il nostro caso di forex) un processo non stazionario può essere trasformato in uno stazionario.
Ovviamente si riduce a stazionario. Molto probabilmente abbiamo a che fare con il cosiddetto processo periodicamente stazionario o ciclostazionario.
Ho pezzi del libro scannerizzati, ma comunque non vanno bene sul forum. Se non ti dispiace, posso trasferirli via Sype, che sarebbe più comodo e veloce.
bstone: Non capisco quale sia il vero problema? C'è una chiara nozione matematica di un processo casuale stazionario - è un processo casuale le cui caratteristiche di probabilità non cambiano nel tempo.
Ok, Roman, se tutto è così ovvio per te (ok, "per te"?) dimmi se il processo è stazionario [i] = Close[i]-Close[i+1] (in notazione MQL4) in senso lato, per esempio su H4 dal 1999 a EuR? Ancora non lo so. E non so ancora quali caratteristiche di questa serie devo conoscere per essere sicuro.
Ok, Roman, se tutto è così ovvio per te (va bene per te?), dimmi se returns[i] = Close[i]-Close[i+1] (in notazione MQL4) è stazionario in senso ampio, per esempio su H4 dal 1999 all'eu? Ancora non lo so. E non so ancora quali caratteristiche di questa serie devo conoscere per essere sicuro.
Beh, ho dato una definizione a memoria. Ma è meglio prestare attenzione alla risposta di Prival. Esiste un algoritmo per determinare la stazionarietà nel senso ampio della serie che ti interessa: finitezza della dispersione e invarianza di m.o. e cov. fii nance rispetto allo spostamento temporale. Dispersione di conteggio, tempo di spostamento, r.o. di conteggio e cov. fie. Poi trarre conclusioni. I miei soldi sono sulla non stazionarietà. :)
Cercherò di rispondere per Roman. Questa conversione riduce i prezzi BP a stazionario, a BGS
ecco l'originale BP
Ecco il ritorno
Ecco l'ACF (ritorno della funzione di autocorrelazione), sembra una funzione delta, cioè simile all'RGB, controlliamo tracciando lo spettro
spettro
Lo spettro è uniforme in tutto il dominio della frequenza, cioè è un CMP. Così, trasformare i ritorni riduce BP a un processo stazionario.
Z.U. Questa è la base della prova che non si può fare un profitto (processo di Wiener). Ma questa trasformazione uccide la tendenza, che è esattamente ciò su cui si può guadagnare. IHMO.
Sì, giusto, sono d'accordo. Non sono sicuro, ma sono d'accordo. E cos'è la permanenza in senso stretto? Privato, spiegare, eh? Non l'ho visto nel lavoro di Tikhonov. Merda, come può un processo essere fermo o meno, dannazione!
Prival, l'hai ridotto a BGS. OK. Ditemi voi - è fermo o no? Personalmente non mi interessa se fa soldi. Mi interessa se è fermo o no - e in che senso. Sono uno scienziato puro, Privalych. Mi capite? Voglio dire, come fai a sapere che hai un BSH?
Z.U. È su questo che si basano le prove che non si possono fare soldi (processo di Wiener). Ma questa conversione uccide la tendenza, che è esattamente ciò su cui puoi fare soldi. IHMO.
Perché uccide la tendenza? Sembra che questa domanda sia già stata discussa in un altro thread. La tendenza rimane una tendenza dopo la trasformazione inversa dei rendimenti.
Sì, giusto, sono d'accordo. Non sono sicuro, ma sono d'accordo. E cos'è la coerenza in senso stretto? Privato, spiegare, eh? Non l'ho visto nel lavoro di Tikhonov. Merda, come può un processo essere fermo o meno, dannazione!
Prival, l'hai ridotto a BGS. OK. Ditemi voi - è fermo o no?
Stazionario sia in senso stretto che in senso lato. Can = costante, sko = costante.
Z.U. È su questo che si basano le prove che non si possono fare soldi (processo di Wiener). Ma questa trasformazione uccide la tendenza, che è esattamente ciò su cui puoi fare soldi. IHMO.
Perché uccide la tendenza? Sembra che questa domanda sia già stata discussa in un altro thread. La tendenza rimane una tendenza dopo una conversione inversa dai rendimenti.
Sì, l'inverso ricostruisce con precisione la costante iniziale, ma non c'è tendenza nei rendimenti, c'è solo rumore. Ecco perché se lo applichiamo, è una situazione di stallo, non c'è niente da analizzare. Dovremmo ridurlo a stazionario in un altro modo, come ho detto prima in questo thread.
Prival: stazionario sia in senso stretto che in senso lato. can=costante, sko=costante.
Wow. Privalych, mi hai reso così felice. Ora dormirò bene. Grazie, mia cara. Certo, hai esagerato, ma quello stretto è sufficiente per me. Che il MO, RMS e AF siano costanti (statistiche), e il resto - al diavolo ...
P.S. E come avete stabilito che quello che è uscito è BGS (rigorosamente)?
Un processo casuale (SP) con varianza finita è detto stazionario in senso lato se, la sua OLS (m.o.) e la funzione di covarianza sono invarianti rispetto allo spostamento temporale, cioè l'OLS è costante (non dipendente dal tempo) e la funzione di covarianza dipende solo dalla differenza di argomenti t 2- t 1.
In alcuni casi (che mi sembra essere il nostro caso di forex) un processo non stazionario può essere trasformato in uno stazionario.
Ovviamente si riduce a stazionario. Molto probabilmente abbiamo a che fare con il cosiddetto processo periodicamente stazionario o ciclostazionario.
Mathemat ti ho dato Tikhonov, sembra avere tutto
Ok, Roman, se tutto è così ovvio per te (va bene per te?), dimmi se returns[i] = Close[i]-Close[i+1] (in notazione MQL4) è stazionario in senso ampio, per esempio su H4 dal 1999 all'eu? Ancora non lo so. E non so ancora quali caratteristiche di questa serie devo conoscere per essere sicuro.
Beh, ho dato una definizione a memoria. Ma è meglio prestare attenzione alla risposta di Prival. Esiste un algoritmo per determinare la stazionarietà nel senso ampio della serie che ti interessa: finitezza della dispersione e invarianza di m.o. e cov. fii nance rispetto allo spostamento temporale. Dispersione di conteggio, tempo di spostamento, r.o. di conteggio e cov. fie. Poi trarre conclusioni. I miei soldi sono sulla non stazionarietà. :)
Cercherò di rispondere per Roman. Questa conversione riduce i prezzi BP a stazionario, a BGS
ecco l'originale BP
Ecco il ritorno
Ecco l'ACF (ritorno della funzione di autocorrelazione), sembra una funzione delta, cioè simile all'RGB, controlliamo tracciando lo spettro
spettro
Lo spettro è uniforme in tutto il dominio della frequenza, cioè è un CMP. Così, trasformare i ritorni riduce BP a un processo stazionario.
Z.U. Questa è la base della prova che non si può fare un profitto (processo di Wiener). Ma questa trasformazione uccide la tendenza, che è esattamente ciò su cui si può guadagnare. IHMO.
Prival, l'hai ridotto a BGS. OK. Ditemi voi - è fermo o no? Personalmente non mi interessa se fa soldi. Mi interessa se è fermo o no - e in che senso. Sono uno scienziato puro, Privalych. Mi capite? Voglio dire, come fai a sapere che hai un BSH?
Perché uccide la tendenza? Sembra che questa domanda sia già stata discussa in un altro thread. La tendenza rimane una tendenza dopo la trasformazione inversa dei rendimenti.
Prival, l'hai ridotto a BGS. OK. Ditemi voi - è fermo o no?
Stazionario sia in senso stretto che in senso lato. Can = costante, sko = costante.
Segno di GBS -> ACF = funzione delta
Perché uccide la tendenza? Sembra che questa domanda sia già stata discussa in un altro thread. La tendenza rimane una tendenza dopo una conversione inversa dai rendimenti.
Sì, l'inverso ricostruisce con precisione la costante iniziale, ma non c'è tendenza nei rendimenti, c'è solo rumore. Ecco perché se lo applichiamo, è una situazione di stallo, non c'è niente da analizzare. Dovremmo ridurlo a stazionario in un altro modo, come ho detto prima in questo thread.
P.S. E come avete stabilito che quello che è uscito è BGS (rigorosamente)?