I programmatori MQL possono essere considerati come programmatori? - pagina 6

 

Se sei un programmatore o meno dipende da una persona.
MQL4-5 è uno dei rami della programmazione.
Ci sono diversi gradi di abilità-compilazione di algoritmi-programmi.
Per esempio, se puoi usare solo MQL4-5, sarai un dio della programmazione tra i novizi e i non programmatori.
Se sei bravo in MQL4-5, tra i programmatori esperti sarai un perdente principiante.
Tutto dipende dall'ambiente in cui ti trovi.
Tutto nel mondo è relativo.
Un bicchiere d'acqua è più grande di una goccia, una botte d'acqua è sempre più grande di un bicchiere d'acqua, e così via.


E se provate qualcosa di fronte a professionisti che sanno solo usare MQL4-5.

ti calpesteranno in un fosso con ***, con risate selvagge e ruggiti.


P.s. Ognuno deve stare nella sua nicchia e discutere solo al suo livello.

 
Alexander Ivanov:

E se provate qualcosa di fronte a professionisti che sanno solo usare MQL4-5

ti calpesteranno in un fosso con ***, e con risate selvagge e ruggiti.

Non saranno nemmeno calpestati. Non sarete nemmeno calpestati. Non c'è nessun punto.

 
Yuriy Asaulenko:

Non ci sarà nemmeno il calpestio. Non ci saranno nemmeno risate o nitriti. Non ha senso.

Ci saranno sempre quelli a cui piace farlo...

come quello )

 
Yuriy Asaulenko:

Se fate questo, potete considerarvi non un super-programmatore, ma un super-idiota. Invece di applicare ciò che è già stato creato molte volte, farlo da soli e perderci tempo. Questo approccio "tutto da solo" non si adatta al concetto di programmazione moderna).

Per favore, ditemi dove posso trovare, beh, almeno i codici C++ funzionanti per GARCH.
 
Aleksey Ivanov:
Per favore, ditemi dove posso trovare, beh, almeno i codici C++ funzionanti per GARGH.

In R-Project, con codice sorgente. Sembra che ce ne siano anche nei moduli Python. E tutto in C++. E se non in C++, chi-cosa impedisce di connettersi a questi moduli da qualsiasi altra applicazione? Avete solo l'interfaccia dietro di voi. Perché avete bisogno del codice C++? - Non c'è bisogno di un codice per applicarlo.

PS Ecco la prima cosa che è venuta fuori da una ricerca - garch for Python - Time Series Analysis (TSA) in Python - Linear Models to GARCH A giudicare dalla ricerca, anche garch C++ è sufficiente.

Time Series Analysis (TSA) in Python - Linear Models to GARCH
Time Series Analysis (TSA) in Python - Linear Models to GARCH
  • 2016.11.08
  • Brian Christopher
  • www.blackarbs.com
So what?  Why do we care about stationarity?  A stationary time series (TS) is simple to predict as we can assume that future statistical properties are the same or proportional to current statistical properties.Most of the models we use in TSA assume covariance-stationarity (#3 above). This means the descriptive statistics these models predict...
 
Yuriy Asaulenko:

Se fate questo, potete considerarvi non un super-programmatore, ma un super-idiota. Invece di applicare ciò che è già stato creato molte volte, farlo da soli e perderci tempo. Il concetto di programmazione moderna non si adatta a questo approccio "tutto da solo").

Ecco perché ho parlato di bassa produttività e della necessità di imparare la tecnologia "al volo". Se ho questi problemi, allora che tipo di giocatore di carri armati sono? Un programmatore, intendo.

 
Aleksey Ivanov:
Per favore, ditemi dove posso trovare, almeno, dei codici C++ funzionanti per GARCH.

Il problema è che GARCH(1,1) puro è un modello praticamente impraticabile.

Devi prendere il pacchetto appropriato, il più interessante è rugarch. Devi simulare la media, ARCH propriamente detto, e ci sono molti di questi modelli, puoi ottenere buoni risultati con EGARCH, oltre a questo devi simulare la distribuzione. Ci sono molte pubblicazioni che evidenziano i risultati dell'uso di questo pacchetto nei mercati finanziari, incluso il Forex. Qui potete trovare codici ed esempi già pronti, è molto istruttivo.

Se guardate Rugarch e ottenete un buon risultato, è disponibile su Srp, i codici sono open source.

Ma sei lontano da Srp perché non è sicuro che otterrai un risultato decente con GARCH. Comunque, è incomparabilmente più conveniente condurre esperimenti in R piuttosto che in µl, perché R è un interprete.

 
СанСаныч Фоменко:

In ogni caso, è incomparabilmente più comodo fare esperimenti in R piuttosto che in µl, perché R è un interprete.

È più conveniente non perché l'interprete sia secondario, ma perché R è un ambiente di modellazione, anche (o prima di tutto) statistica.

A proposito, nonostante il fatto che R sia interpretato, il linguaggio stesso è un linguaggio di scripting e serve principalmente per collegare le parole in una frase, cioè le funzionalità e i vari pacchetti tra loro. E il linguaggio stesso occupa una parte trascurabile del tempo di esecuzione del programma.

Così, tutte le lamentele sulla velocità di R sono completamente infondate. Si tratta di usare R direttamente in TC, e l'inutilità di riscrivere i codici in MQL).

 
СанСаныч Фоменко:

Il problema è...

Informazioni utili :

http://keldysh.ru/papers/2013/prep2013_19.pdf

M.A. Ananiev, N.A. Mitin

Confronto dei modelli autoregressivi lineari e non lineari di eteroscedasticità condizionata utilizzando il rendimento dell'indice RTS come esempio

ANNUNCIO

In questo articolo confrontiamo le capacità di previsione dei modelli di volatilità condizionali lineari e non lineari con l'esempio dei modelli GARCH per il rendimento dell'indice RTS. Sulla base dei prezzi di chiusura giornalieri dell'indice RTS per 10 anni viene stimato un insieme di modelli parametrici e viene costruito un insieme di previsioni di volatilità per orizzonti di lunghezza diversa. Le capacità di previsione dei modelli vengono confrontate secondo i criteri selezionati. Sono stati sviluppati modelli non lineari per tenere conto delle caratteristiche rilevate delle serie temporali, ma la qualità delle previsioni ottenute con il loro aiuto è talvolta messa in discussione. I risultati di questo studio completano i risultati di altri lavori: i modelli di volatilità condizionale non lineare mostrano risultati migliori. Una possibile spiegazione di questo successo può essere il fatto che i modelli non lineari danno previsioni migliori ad orizzonti relativamente brevi, mentre ad orizzonti più lunghi possono dare errori maggiori.

 
СанСаныч Фоменко:

Il problema è che GARCH(1,1) puro è un modello praticamente impraticabile.

Devi prendere il pacchetto appropriato, il più interessante è rugarch. Devi simulare la media, ARCH propriamente detto, e ci sono molti di questi modelli, puoi ottenere buoni risultati con EGARCH, oltre a questo devi simulare la distribuzione. Ci sono molte pubblicazioni che evidenziano i risultati dell'uso di questo pacchetto nei mercati finanziari, incluso il Forex. Qui potete trovare codici ed esempi già pronti, è molto istruttivo.

Se guardate Rugarch e ottenete un buon risultato, è disponibile su Srp, i codici sono open source.

Ma sei lontano da Srp perché non è sicuro che otterrai un risultato decente con GARCH. Comunque, è incomparabilmente più conveniente condurre esperimenti in R piuttosto che in µl, perché R è un interprete.

San Sanych, lascia che ti dica un terribile segreto: anche MQL lo è. È anche un interprete.

Motivazione: