Come posso capire la differenza tra un grafico FOREX e un PRNG? - pagina 30
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
L'autore di questo thread ha posto una domanda apparentemente molto semplice (nella formulazione) ma profonda: come distinguere tra un vero quotidiano e un HSPC?
Gli accademici locali sono stati rapidamente portati via e hanno iniziato a dimostrare la loro conoscenza di alcuni dettagli minori, fino a inventare un'altra bicicletta e metterla in un kodobase.
Che differenza fa quale formula viene usata per calcolare l'ACF? Molto più importante è il programma di calcolo dell'ACF, che è quello che la maggior parte degli economisti usa per analizzare i dati economici. No. Qualche indicatore da uno specialista DSP, Matcadas con Matlab. Sono tutti pacchetti specializzati per l'analisi dei dati economici? Di conseguenza, la cerchia degli economisti che usano questi pacchetti è molto piccola. Perché non vengono dati i risultati del calcolo dell'ACF in pacchetti specializzati, che hanno milioni di utenti e hanno preso tutti i bug molto tempo fa? Chi ha stabilito gli algoritmi e la loro corretta applicazione?
Avremmo potuto evitare di menzionare i pacchetti speciali. Ma questo thread è aperto per la discussione di un compito generale, e ACF è solo un passo nella soluzione di questo compito generale. Se ne avessimo discusso nel quadro di pacchetti speciali (EViews, R ....), avremmo capito subito che l'ACF è un'inezia, i primi passi di analisi che potenzialmente potrebbero rispondere alla domanda posta sono fatti da altri calcoli. Inoltre, dopo aver calcolato l'ACF, avremmo bisogno di fare qualche altro passo per rispondere alla domanda dell'argomento.
E, soprattutto, dovremmo affidarci alla metodologia della statistica, che mette sempre in dubbio qualsiasi cifra ottenuta. Come per ACF, i valori di correlazione in ACF devono necessariamente essere accompagnati da una probabilità che indicherà il livello di fiducia nei valori di correlazione risultanti. L'esperienza nell'uso di ACF in questa forma mostra che molto spesso questa probabilità gira intorno a 0,5, cioè non è chiaro se sia possibile o impossibile fidarsi del valore di correlazione disponibile in un dato campo.
Propongo di tornare al primo post dell'argomento. Descrivi almeno a parole una lista di azioni che rispondono alla domanda dell'argomento. E l'argomento merita.
Non c'è una prova rigorosa.
La periodicità della volatilità cambia - si può fare un'ipotesi. Ma la serie deve essere abbastanza lunga e il TF inferiore a 4H. Su un campione di 500 osservazioni, come nei grafici, non è certo che una serie di prezzi reali dia un tale effetto. E non è il fatto che gpsh non darà una realizzazione con lo stesso effetto. O meglio, il fatto che avrà lo stesso effetto o più.
Le famigerate code spesse sono infatti la presenza di "outlier". La serie deve anche essere abbastanza lunga. Su un campione relativamente breve, puoi scegliere uno strumento che non darà un effetto così evidente. Un normale gpsh, ovviamente, non mostrerà un tale effetto.
Autocorrelazione - ci sono entrambi. Questa è una sciocchezza.
O quello che è stato suggerito è di trovare un criterio di differenza per una specifica ST.
1. Questo è esattamente sbagliato. La funzione di autocorrelazione ha davvero una sola definizione:
2. Ma si può pensare ad almeno quarantadue modi di valutarlo (non di calcolarlo), cioè di calcolare l'ACF campione.
2. Hai ragione sul punto 2, come ho detto sopra a Privalov, ma l'autore di questo ramo del forum ha ovviamente problemi di vista.
1. Sul punto (1) vi sbagliate, e inoltre vi sbagliate mostruosamente.
Prima hanno inventato l'ACF, poi hanno preso una formula per esso, e poi sono arrivati a una "definizione" statistica moderna.
Non esiste una "definizione" di autocorrelazione. Quello che lei indica sopra è solo un frammento contorto di Kolmogorovianesimo.
L'amico di Karl, Yule, descrisse l'autocorrelazione in tutto il mondo nel 1926 - come la correlazione-similitudine delle SPINTE di una singola serie temporale o di una singola onda sinusoidale (sopra ho solo ripetuto in PAROLE questo concetto naturale per i matematici dell'epoca). Yule non ha nemmeno una formula per la "correlazione seriale", come l'ha chiamata in quell'articolo. Ha dato solo grafici dell'ACF. Il metodo si dimostrò utile, e più tardi Walker lo formalizzò un po', e le note formule moderne apparvero solo dopo il lavoro di Kolmogorov, nel 1942 circa, da Anderson.
Ecco la pagina originale in cui la correlazione seriale è menzionata per la prima volta al mondo:
Non c'è una sola "formula" per l'autocorrelazione, così come non c'è e non può esserci una sola "formula per il riconoscimento dei modelli". Tutte queste formule moderne sono semplicemente implementazioni di diversi modi privati di riconoscere la somiglianza di una funzione con se stessa.
La correlazione seriale, come la chiamava il suo autore Yule, o autocorrelazione, è - in semplici PAROLE - solo una misura dell'autosimilarità di una funzione. E come calcolare questa misura - è sì, hai ragione - anche centoquarantadue modi. La cosa principale è avere un risultato.
1942:
Questa è stata la fine.
Allora è deciso.
Eh, se solo fosse così facile!
Presto disseppellirà Karl e il suo amico Jürl e li porterà qui per dimostrare il suo punto....
Eh, se solo fosse così facile!
Esattamente il contrario: si scopre (e così è) che tutto ciò che abbiamo nei libri sono o formulazioni estremamente generali, o casi speciali ristretti, che, se mai, si inseriscono in primo piano, con grandi riserve e limitazioni. Soprattutto tenendo conto che oltre all'analisi di correlazione lineare (quest'ultima difficilmente può includere l'analisi non parametrica) esiste anche l'analisi non lineare, per esempio l'algoritmo di time warping dinamico che è già stato menzionato su questo forum. E questa è solo la punta dell'iceberg.
Apertura.
Naturalmente, tutti i metodi di statistica opaca hanno delle limitazioni sulle caratteristiche dei dati di input utilizzati. Ed è chiaro che le serie di prezzi dei mercati finanziari, a causa della presenza di feedback, non possono essere utilizzate direttamente in questi metodi senza la loro trasformazione.
DTW? Forse una distorsione non lineare nel tempo darà qualcosa nella ricerca di modelli. Ma finora è tutta teoria.
Il problema è risolto qui: https://forum.mql4.com/ru/54199/page38
faa1947:
.....Il testo del tuo codice non risponde a questa domanda.......
Lo fa. C'è la parola 'periodo'. Ma un trader non è interessato a un puro "periodo". Come disse Mark Twain"la storia non si ripete, si RIFORMA".
George Marsaglia ha mescolato tracce di "musica" rap e le ha presentate come una perfetta serie casuale. Ha chiamato il rap "rumore nero" che supera tutti i test PRNG.
https://tams.informatik.uni-hamburg.de/paper/2001/SA_Witt_Hartmann/cdrom/Internetseiten/stat.fsu.edu/diehard.html
o
http://www.robertnz.net/true_rng.html
Quindi come può essere "rumore casuale" - se possiamo interpolarli sul lettore e sentire un segnale polifonico periodico più o meno significativo? Si tratta di campionamento e quantizzazione insufficienti, e di non conoscere la struttura interna del "rumore nero". Il test DIEHARD, che può estrarre la periodicità da qualsiasi cosa, non può estrarre la periodicità dalla musica rap perché crede che non ci sia una struttura interna del segnale. Ma è lì. È lo stesso con il Forex - tutti i sistemi di trading (tranne il nostro sistema) non possono estrarre la struttura interna del segnale.
Perché è molto breve.
I tecnici radio non si sognerebbero mai di quello che chiamano "ToR" - incarichi tecnici. Nessun tecnico radio intraprenderebbe un tale compito - determinare i parametri di un segnale sottocampionato PER UN SOLO PERIODO.
Generalizziamo un po', usando i concetti del thread "Cos'è un INDICATORE?
https://www.mql5.com/ru/forum/137416
1. Infatti, ai fini del trading, tutto ciò che conta è DOVE - su o giù - il prezzo andrà in media. Il trader accetta in anticipo di congelare una parte dei suoi fondi con il suo broker ("margine") in modo che la sua posizione di trading possa stare fuori dalle fluttuazioni casuali dei prezzi - a patto che quel trader sappia esattamente dove il prezzo andrà in media nella direzione della sua posizione di trading.
Non c'è niente di nuovo in questa descrizione, è solo che tutti i commercianti principianti non capiscono accuratamente questo, capiscono cosa stanno facendo.
2. Quindi, in base alla base LEGALE di un contratto di trading, e anche agli obiettivi economici del trading - è importante che il trader non conosca altro che DUE posizioni della direzione del prezzo - su o giù. Sulla base di questo, un buon indicatore o un indicatore "ideale" per il trading dovrebbe mostrare solo due segnali (come un semaforo) in alto o in basso. Rosso o verde. Tutte le altre arti grafiche sullo schermo non hanno senso ai fini del trading. Tanto più che l'occhio umano ama giocare con le illusioni e le visioni. Un indicatore per il trading dovrebbe essere un'alternanza di una barra rossa e una verde - su o giù. E tale barra mostra un qualche valore "medio buono" della serie di prezzi.
3. Le medie dei prezzi sono attualmente calcolate utilizzando le medie mobili (MA), che sono utilizzate nella tecnica. Ed è noto che questo approccio non funziona nel forex, il mercato più volatile, con i movimenti di prezzo più imprevedibili. Quindi la media aritmetica NON è un buon indicatore della posizione media del mercato forex. Qui sono necessarie altre medie. Queste altre medie non possono essere semplici, perché il mercato Forex stesso è complesso.
4. Le "altre" medie in un caso così complesso devono essere calcolate con metodi complicati - quelli statistici. E quelli che non sono basati sulla fiducia nel carattere RMS delle deviazioni casuali da questa "buona media".