Pensieri sul casuale

 

Buon pomeriggio!

Scrivo questo e mi chiedo come non offendere nessuno o provocare un diluvio. Spero di essere costruttivo, e, sto solo chiedendo (non provando, non confutando, solo desiderando un dialogo).

Se si prende una serie di quotazioni per molti anni e si crea sulla loro base un file di zero e uno: zero se il prezzo successivo è maggiore del precedente; uno se viceversa - si ottiene una sequenza pseudo-casuale. Chiamatelo accuratamente con il prefisso "pseudo" per il momento.

Inoltre, generiamo trade ideali basati sulla sequenza pseudo-casuale: se 1, compriamo e usciamo sulla barra successiva, se 0, vendiamo e usciamo sulla barra successiva. Il grafico azionario risultante è quasi una linea piatta diretta verso l'alto (compreso lo spread).

Ora, una domanda: se proviamo a ripetere la nostra sequenza di pseudo-equity usando la simulazione Monte Carlo aspettandoci di raggiungere lo stesso risultato del passo iniziale, cioè voci ideali, cosa otterremo? Calcoliamo: ci sono 60.000 barre orarie, quindi ci sono 2^60.000 (!) diverse file possibili di zeri/unità. Solo uno di essi descrive perfettamente gli ingressi. È abbastanza chiaro che anche se carichiamo il computer con 100 trilioni di generazioni, probabilmente non otterremo il risultato desiderato. Ogni volta, il nostro patrimonio netto risultante assomiglierà a uno scarico al ritmo dello spread. Ed esso (il risultato) è lì in natura! Ce l'abbiamo nella nostra storia. In altre parole, ansimiamo, contiamo e fumiamo, non troviamo nulla e diciamo: "Ok, il problema non è risolto, vado a letto. Non vi ricorda il problema della probabilità della vita nel nostro universo? Sembra avere valori di probabilità comparabili in numero di ordini di grandezza.

Ho esposto il contesto generale, c'è molto a cui pensare. A quale classe di problemi, per così dire, appartiene la mia idea?

 

Il punto è che il mercato non è una sequenza pseudo-casuale o una sequenza casuale. Ci sono modelli nel mercato. E se ci sono degli schemi, non è più una sequenza casuale.

Un chiaro esempio di questo sono le tendenze e i modelli piatti. Queste sono regolarità.

Pertanto, è inutile generare qualcosa in tema di casualità e confrontarlo con il mercato....)))

 

1) No :https://www.mql5.com/ru/code/8790

2) Possibilmente da qualche parte sì: https: //c.mql5.com/mql4/forum/2012/11/predict.gif

 
Sì, stiamo parlando di puro adattamento e poi di cercare di generare artificialmente una serie di segnali simili. Se accettiamo (e credo) che le citazioni stesse non siano casuali, allora la forza bruta è ideologicamente sbagliata, ma la questione riguarda i limiti dell'applicazione di questo approccio a tali compiti.
 
Grazie.
 
alexeymosc:

Buon pomeriggio!

Sto scrivendo questo e mi sto chiedendo come non offendere o provocare qualcuno per fargli fare il flubbing. Spero di essere costruttivo, e, sto solo chiedendo (non provando, non confutando, solo desiderando un dialogo).

Se si prende una serie di quotazioni per molti anni e si crea sulla loro base un file di zero e uno: zero - se il prossimo prezzo è maggiore del precedente; uno se viceversa - si ottiene una sequenza pseudo-casuale. Chiamatelo accuratamente con il prefisso "pseudo" per il momento.

Inoltre, generiamo trade ideali basati sulla sequenza pseudo-casuale: se 1, compriamo e usciamo sulla barra successiva, se 0, vendiamo e usciamo sulla barra successiva. Il grafico azionario risultante è quasi una linea piatta diretta verso l'alto (compreso lo spread).

Ora, una domanda: se proviamo a ripetere la nostra sequenza pseudo-casuale usando la simulazione Monte Carlo aspettandoci di raggiungere lo stesso risultato del passo iniziale, cioè voci ideali, cosa otterremo? Calcoliamo: ci sono 60.000 barre orarie, quindi ci sono 2^60.000 (!) diverse possibili file di zeri/unità. Solo uno di essi descrive perfettamente gli ingressi. È abbastanza chiaro che anche se carichiamo il computer con 100 trilioni di generazioni, probabilmente non otterremo il risultato desiderato. Ogni volta, il nostro patrimonio netto risultante assomiglierà a uno scarico al ritmo dello spread. Ed esso (il risultato) è lì in natura! Ce l'abbiamo nella nostra storia. In altre parole, ansimiamo, contiamo e fumiamo, non troviamo nulla e diciamo: "Ok, il problema non è risolto, vado a letto. Non vi ricorda il problema della probabilità della vita nel nostro universo? Sembra avere valori di probabilità comparabili in numero di ordini di grandezza.

Ho esposto il contesto generale, c'è molto a cui pensare. A quale classe di problemi, per così dire, appartiene la mia idea?


In qualche modo ho avuto anch'io un'idea simile. Immaginando una citazione come una serie binaria, è possibile decodificare il processo che la genera? Tecnicamente, una sequenza pseudo-casuale è generata da un registro a scorrimento con feedback lineare (RSLOS). Quindi il nostro compito di decodifica è trovare il LCLOS che ha generato la nostra sequenza pseudo-casuale. Tale problema è risolto dall'algoritmo Burlecamp-Massey. Ho provato a decodificare una quotazione con questo algoritmo ma non ha funzionato, anche se non ci è voluto molto tempo. È interessante notare che se non si sostituiscono i valori analogici con quelli binari e si cerca di decodificare il processo di generazione della nostra serie di prezzi pseudorandom analogici, si può usare lo stesso algoritmo diBurlecamp-Massey. In questo caso, il processo generatore sarà il modello autoregressivo di Prony x[n] = SOMMA a[k]*x[n-k]. Oltre all'algoritmo Burlecamp-Massey, l'algoritmo Levinson-Durbin sarebbe più robusto. Il problema con il modello AR analogico di Prony è che è instabile a differenza del RSLOS binario e le sue previsioni possono andare rapidamente all'infinito. Possiamo superare l'instabilità assumendo che la nostra citazione pseudo-casuale abbia del rumore. Allora invece di un modello AR che riproduce tutti i dati storici con errore zero, possiamo usare un modello AR approssimato risolto per esempio con il metodo di Bourg. Questo è un problema econometrico. È interessante notare che trovare il modello esatto di Prony è equivalente ad adattare la somma esponenziale SUM C[k]*EXP(B[k]*k) nella nostra serie, dove B[k] può avere sia parte reale negativa che positiva (la parte positiva porta a instabilità). Il modello AR approssimato di Burg risolve lo stesso problema inserendo esponenti smorzati. In breve, prendendo la strada della decodifica di una serie di prezzi, si arriva a modelli econometrici AR.
 
Wow, super. Questo è quello che stavo riflettendo in embrio.
 
E per quanto riguarda il fatto che non ha funzionato, ho scritto della bassa probabilità. Il problema non può essere risolto con mezzi ordinari. Qui un computer quantistico sarebbe utile solo per verificare l'idea (scusate il formato delle risposte, sto lottando con il mio tablet).
 
La velocità di decollo dell'aereo è di 200 km/h. Il velivolo è montato su un tapis roulant che si muove a una velocità superiore a quella di decollo. Decollerà?
 
decollerà, alla stessa velocità della pista
 
FAQ:
decollerà alla stessa velocità della pista


Velocità relativa a cosa?
Motivazione: