Vorrei condividere il link - 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
Il mio punto è diverso. Non vale la pena spendere molto tempo per dimostrare l'inconsistenza dell'EMH - tanto non ci sono pesci. Sì, ci sono code, sì la ragione è quella di reagire a un insieme di informazioni piuttosto che a singole notizie. Sì, ora è scientificamente provato. Ma il mercato è instabile come sempre e non è diventato più facile fare soldi con esso.
p.s. hehe, qualche altro articolo come questo e ti addentrerai nelle idee della statistica frattale, la causalità è una delle pietre miliari.
Lo conosco bene. Lo trovo solo poco sviluppato rispetto ad altri metodi.
Non vale la pena spendere molto tempo per dimostrare che l'EMH non è valido - tanto non c'è nessun pesce.
Non mi interessa dimostrare nulla. L'idea è completamente diversa. Il mercato non è stazionario. È un dato di fatto. Non può essere cambiato. Ma questo non significa che dobbiamo chiudere gli occhi, sperando nelle probabilità. L'approccio scientifico abituale è quello di dare un morso a ciò che si capisce e si può mordere.
faa1947: толстые хвосты являются результатом памяти в котире.
Questo è un fatto noto.
E perché abbiamo bisogno di una memoria sotto forma di code oscure, se abbiamo un accesso illimitato (memoria) ai dati passati?
Se solo le code mostrassero il comportamento futuro del quoziente, allora sarebbe un'informazione inestimabile, perché non facciamo trading nel passato, ma nel futuro.
Questo è un fatto noto.
E perché abbiamo bisogno di una memoria sotto forma di code oscure, se abbiamo un accesso illimitato (memoria) ai dati passati?
Se solo le code mostrassero il comportamento futuro del kotir, allora sarebbe un'informazione inestimabile, perché non stiamo commerciando nel passato, ma nel futuro.
Sì, col cavolo. Si aggrappa a tutto.
Ho visto un articolo l'altro giorno che usa i cambiamenti nella legge della distribuzione per fare previsioni. Questo è un pensiero insolito.
Condivido.
Riguardo alle code - c'è un risultato delizioso. Lasciatemi spiegare la metodologia del calcolo.
Sappiamo tutti come le prime differenze di una serie monetaria sono approssimativamente distribuite (approssimativamente come exp(-a|x|), o così). Mi sono proposto di determinare quali parti di questa distribuzione sono i "veri portatori di informazioni esterne", per così dire. Quello che facciamo è questo. Contiamo i rendimenti RMS in un grande intervallo di tempo e per ogni quoziente calcoliamo il rapporto di probabilità della sua appartenenza alla distribuzione di Laplace rispetto a quella normale con la stessa varianza. Non mi soffermerò su come calcolarlo, c'è wikipedia.
Casi interessanti emergono quando tracciamo la distribuzione del rapporto di verosimiglianza stesso (o meglio, il suo logaritmo:
Nella figura è tagliata a destra di 2, ma la coda va teoricamente all'infinito. Quindi l'intera faccenda è solo una brusca scogliera al valore di 1/2*ln(pi). Si scopre che una piccola frazione di citazioni dà un'occorrenza nettamente diversa di Laplace - una distribuzione con code più spesse di quella gaussiana. E queste citazioni sono calcolabili.
Sembra che sia possibile costruire efficacemente un analizzatore trend-flat basato su questo fatto e determinare il rispetto del criterio già sulla barra corrente. Bene, o almeno identificare efficacemente i disastri e rispondere rapidamente.
Condivido.
A proposito delle code - c'è un risultato affascinante. Lasciatemi spiegare la metodologia dei calcoli.
Sappiamo tutti come le prime differenze di una serie monetaria sono approssimativamente distribuite (approssimativamente come exp(-a|x|), o così). Mi sono proposto di determinare quali parti di questa distribuzione sono i "veri portatori di informazioni esterne", per così dire. Quello che facciamo è questo. Contiamo i rendimenti RMS in un grande intervallo di tempo e per ogni quoziente calcoliamo il rapporto di probabilità della sua appartenenza alla distribuzione di Laplace rispetto a quella normale con la stessa varianza. Non mi soffermerò su come calcolare questo, c'è wikipedia.
Succedono cose interessanti quando tracciamo la distribuzione del rapporto di verosimiglianza stesso (o meglio, il suo logaritmo:
Nella figura è tagliato a destra a 2, ma la coda va teoricamente all'infinito. Quindi l'intera faccenda è solo una brusca scogliera al valore di 1/2*ln(pi). Si scopre che una piccola frazione di citazioni dà un'occorrenza nettamente diversa di Laplace - una distribuzione con code più spesse di quella gaussiana. E queste citazioni sono calcolabili.
Sembra che sia possibile costruire efficacemente un analizzatore trend-flat basato su questo fatto e determinare il rispetto del criterio già sulla barra corrente. Bene, o almeno identificare efficacemente i disastri e rispondere rapidamente.
Molto interessante.
Quando parliamo di distribuzione, ci basiamo su un numero abbastanza grande di osservazioni. Sul grafico vedo una cifra di 20.000. Sono d'accordo che con così tante osservazioni possiamo trarre conclusioni sulla legge della distribuzione. Ma a noi interessa la barra che segue quella attuale. E qui, maggiore è il numero di osservazioni, più conclusioni "medie" si possono trarre sull'ultima barra.
C'è una curiosa cifra di 30. Prima dei 30 anni si considera che abbiamo la statistica t, e dopo i 30 anni abbiamo la statistica z se campioniamo una popolazione normale.
Quindi la domanda è. È possibile utilizzare il modello identificato su campioni grandi per utilizzarlo su campioni piccoli, supponendo che questo piccolo appartenga a uno grande?
Molto interessante.
Quando parliamo di una distribuzione, la basiamo su un numero sufficientemente grande di osservazioni. Nel grafico vedo una cifra di 20.000. Sono d'accordo che con così tante osservazioni possiamo trarre conclusioni sulla legge della distribuzione. Ma a noi interessa la barra che segue quella attuale. E qui, maggiore è il numero di osservazioni, più conclusioni "medie" si possono trarre sull'ultima barra.
C'è una curiosa cifra di 30. Prima dei 30 anni si dice che abbiamo una t-statistica, e dopo i 30 anni abbiamo una z-statistica se il campione e la popolazione sono normali.
Quindi la domanda è. È possibile utilizzare il modello identificato su campioni grandi per utilizzarlo su campioni piccoli, supponendo che questo piccolo appartenga a uno grande?
La natura della distribuzione non cambia. Per inciso, lo studio stesso è partito dal fatto che lo strano comportamento del Likelihood Ratio è evidente, si potrebbe dire a occhio nudo: