Parametri del mercato fluttuante - pagina 2
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
E si cerca di applicare i metodi da un settore all'altro.
E quali metodi si possono applicare? Elencateli, se non vi dispiace.
I metodi sono (semplificati) - bisogna pensare a chi può essere entrato di quanto, perché, e quando se ne andrà. E da lì, si balla in giro. Ha a che fare con il mercato, di sicuro. Per esempio, la volatilità esiste nel mercato, cambia durante il giorno, è un fatto innegabile, si può calcolare. Quindi questo è l'elemento con cui lavorare. O sviluppare una tale proprietà del mercato, come il grado di reversione al suo prezzo medio (per quanto strano possa sembrare, ma in una forma semplificata è MA)). Una tale inversione esiste nel bazar, ed è anche un fatto... O la stagionalità... Bene, quello che ho elencato è a priori rilevante per il mercato. Forse, anche gli astrometodi hanno qualcosa a che fare con il mercato - le fasi della luna, l'umore delle masse, ecc... Ma come sono collegate le wavelets? O la meccanica quantistica? Le wavelets hanno a che fare con le oscillazioni armoniche, per esempio la musica. Se un DJ mi chiedesse di loro, sarebbe logico. La meccanica quantistica interesserebbe gli scienziati nucleari. E così via. Ma cosa c'entra il mercato? In effetti, forse c'è una connessione, ma prima di tutto deve essere giustificata (cioè bisogna dirsi che i gruppi di commercianti si comporteranno come gli atomi nel nucleo perché così e così. E poi il programmatore dovrebbe andare alla testa e alla coda di questa zona. Altrimenti è solo una perdita di tempo. Imho.
O sviluppare una proprietà di mercato come il grado di rendimento al suo prezzo medio (stranamente, è MA in forma semplificata :)).
Questo è quello che sto facendo, ma ho bisogno di spostare il MA (o qualcos'altro) mezzo periodo indietro). Voglio usare il Predictor per questo scopo. Prima vedrò quali errori possono verificarsi e poi svilupperò il metodo o ne cercherò un altro.
Ma come si applicano le wavelet in questo caso? O la meccanica quantistica? Le wavelets hanno a che fare con le oscillazioni armoniche, per esempio la musica. Se un DJ mi chiedesse di loro, sarebbe logico. La meccanica quantistica interesserebbe gli scienziati nucleari. E così via. Ma cosa c'entra il mercato?
Per esempio, il metodo della massima entropia è arrivato alla radiotecnica dalla prospezione geologica, la regressione è usata nella radiotecnica e nell'economia, il prezzo va da livello a livello, il che non è fisica. Penso che dovremmo sperimentare di più.
cosa può fare una wavelet?
La risposta a questa domanda può essere trovata in qualsiasi libro che copre le basi della trasformata wavelet - a differenza della trasformata di Fourier, che dà una rappresentazione nel dominio della frequenza del segnale, la trasformata wavelet dà una rappresentazione frequenza-tempo del segnale. Se il segnale è una somma di sinusoidi con periodi variabili, la trasformata wavelet mostrerà come questi periodi variano nel tempo (a differenza della trasformata di Fourier, che dà semplicemente uno spettro sfocato).
È possibile modificare la decomposizione della serie di Fourier? Prendete un numero limitato di periodi per ogni frequenza, per esempio solo 2. Allora i dati sarebbero meno rilevanti rispetto alla decomposizione abituale. Poi i cambiamenti di fase, frequenza e ampiezza potrebbero essere monitorati per la modulazione, ad esempio alimentandoli all'ingresso della rete neurale. Qualcuno l'ha provato?
Le persone qui sono fondamentalmente corrette sull'applicabilità dei metodi di analisi delle serie temporali.
Si dovrebbe prima notare questo o quel modello o proprietà di BP, e poi selezionare un adeguato apparato di matanalisi per la serie data. Finché il carrello è davanti alla cavalla, questo è uno spreco di tempo e di sforzi (forse di denaro). Il nostro compito, con tutta la varietà di metodi e la loro complessità, si riduce alla previsione del segno del movimento di prezzo previsto (Acquisto o Vendita). Se non si cade nel misticismo, la previsione arriva all'analisi della BP iniziale (storia) o all'analisi del suo ambiente (altri strumenti). Nella prima direzione si usano tutti i tipi di modelli di regressione, o se non c'è la possibilità di formalizzare il compito, si usano le reti neurali. La seconda linea di approccio utilizza l'analisi di correlazione incrociata con tutte le sue mappature.
Le persone qui sono fondamentalmente corrette sull'applicabilità dei metodi di analisi delle serie temporali.
Si dovrebbe prima notare un particolare modello o proprietà di BP, e poi selezionare un adeguato apparato di matanalisi per la serie data.
Si potrebbe dire che ho trovato un modello - fluttuazioni intorno a un "prezzo giusto", ora sto selezionando un metodo adatto.
Ho cercato informazioni su wavelets e sembra abbastanza buono.
Vantaggi e svantaggi delle trasformazioni wavelet:
-Le trasformate Wavelet hanno quasi tutti i vantaggi delle trasformate di Fourier.
-Le basi wavelet possono essere ben localizzate sia in frequenza che in tempo. Quando si scelgono processi multiscala ben localizzati nei segnali, solo le scale di decomposizione che sono di interesse possono essere considerate.
-Le basi Wavelet, a differenza della trasformata di Fourier, hanno una grande varietà di funzioni base le cui proprietà sono orientate alla risoluzione di problemi diversi. Le wavelets della linea di base possono avere sia portatori finiti che infiniti, implementati da funzioni di morbidezza variabile.
-Lo svantaggio delle trasformazioni wavelet è la loro relativa complessità.
Cioè non ci sono minus in quanto tali.
In particolare mi sono piaciuti i risultati sull'applicazione qui (Andre69 28.06.2007 20:43). Ci sono dipendenze di frequenza e di tempo abbastanza specifiche - un po' di stazionarietà.
Ci sono file nell'archivio sulle applicazioni di mercato delle wavelets e un confronto con Fourier.
IgorM, ti dispiacerebbe condividere la libreria?