Скоро в календаре не останется нечёрных рабочих дней недели, которыми журналисты называют дни обрушения курса рубля. У нас уже были "чёрный вторник" в 1994 г., "чёрный понедельник" в 1998 г., "чёрная пятница" в 2008 г., снова "чёрный вторник" в 2014 г… Хорошо, что биржа не работает по воскресеньям и субботам — хоть в выходные граждане могут...
ガーチ
FXは実践で自分なりに理解しているので、garchでは必要な問題が解決できない。
garchは多くの問題を簡単に解決し，単純な手法で複雑なMOに匹敵する結果を与えるように見えるかもしれない。しかし、ガーチへの投入は価格によって制限されており、これでは不十分だと思うのです。ですから、MOのモデルに価格をつけて、garchで得た予測値と比較すると、劣っていないように見えるかもしれません。しかし、MOモデルに多くの入力データを与えれば、大きなアドバンテージを得ることができる。
一般にgarchと他の機械学習モデルは共通点が多く、garchで作業することは、あなたが考えているよりもずっとMOに近いのです。
どちらの場合も（MOとgarch）、価格が取り込まれ、それを使ってあらゆる種類の変換を行い予測変数（通常モデルでは指標、garchでは有馬変換）を作り、それに基づいて価格をモデル化して利益を予測しようとするものである。
さらに、MOではクロスバリデーションで問題がないことを確認し、garchでは同様に内部で統計的なチェックを行います。
一般的には、どちらの場合もアプローチは非常に似ています（すべてのモデル要件を満たし、将来を予測するために価格を何とかする）。しかし、その方法は少し異なります。
しかし、どうも価格がランダムすぎて、見つかるパターンが非常に少ないのです。いくら時間をかけてモデルを学習させても、その推定値は完璧にはほど遠く、ランダムに推測した推定値よりも数パーセント高い程度にしかならない。
幸運なことに、このような依存関係が小さくとも長く存在し、利益をもたらしてくれることがあるのです。でも、いつも突然消えてしまうんです。財務報告 書のような外部指標を見つけ、それを使ってモデルを学習させ、非常に良い推定値を得ることです。
FXは実践で自分なりに理解しているので、garchでは必要な問題が解決できない。
garchは多くの問題を簡単に解決し、簡単な方法で複雑なMOに匹敵する結果を与えることが判明する可能性があります。しかし、garchの入力データは価格によって制限されており、これでは不十分だと思うのです。ですから、MOのモデルに価格をつけて、garchで得た予測値と比較すれば、劣っていないように見えるかもしれません。しかし、MOモデルに多くの入力データを与えれば、大きなアドバンテージを得ることができる。
一般にgarchと他の機械学習モデルは共通点が多く、garchで作業することは、あなたが考えているよりもずっとMOに近いのです。
どちらの場合も（MOとgarch）、価格が取り込まれ、それを使ってあらゆる種類の変換を行い予測変数（通常モデルでは指標、garchでは有馬変換）を作り、それに基づいて価格をモデル化して利益を予測しようとするものである。
さらに、MOではクロスバリデーションで問題がないことを確認し、garchでは同様に内部で統計的なチェックを行います。
一般的には、どちらの場合もアプローチは非常に似ています（すべてのモデル要件を満たし、将来を予測するために価格を何とかする）。しかし、その方法は少し異なります。
しかし、どうも価格がランダムすぎて、見つかるパターンが非常に少ないのです。いくら時間をかけてモデルを学習させても、その推定値は完璧にはほど遠く、ランダムに推測した推定値よりも数パーセント高い程度にしかならない。
幸運なことに、このような依存関係が小さくとも長く存在し、利益をもたらしてくれることがあるのです。でも、いつも突然消えてしまうんです。財務報告 書のような外部指標を見つけることで、依存関係が安定し、不意に消えることがないように、非常に良い推定でモデルを教えることができるかもしれません。
練習を重ねると、自分なりのFXの理解ができ、garchでは必要な問題を解決できない。
garchは多くの問題を簡単に解決し、簡単な手法で複雑なMOに匹敵する結果を出しているように見えることがあります。しかし、garchの入力データは価格によって制限されており、これでは不十分だと思うのです。ですから、MOのモデルに価格をつけて、garchで得た予測値と比較すれば、劣っていないように見えるかもしれません。しかし、MOモデルに多くの入力データを与えれば、大きなアドバンテージを得ることができる。
一般にgarchと他の機械学習モデルは共通点が多く、garchで作業することは、あなたが考えているよりもずっとMOに近いのです。
どちらの場合も（MOとgarch）、価格が取り込まれ、それを使ってあらゆる種類の変換を行い予測変数（通常モデルでは指標、garchでは有馬変換）を作り、それに基づいて価格をモデル化して利益を予測しようとするものである。
さらに、MOではクロスバリデーションで問題がないことを確認し、garchでは同様に内部で統計的なチェックを行います。
一般的には、どちらの場合もアプローチは非常に似ています（すべてのモデル要件を満たし、将来を予測するために価格を何とかする）。しかし、その方法は少し異なります。
しかし、どうも価格がランダムすぎて、見つかるパターンが非常に少ないのです。いくら時間をかけてモデルを学習させても、その推定値は完璧にはほど遠く、ランダムに推測した推定値よりも数パーセント高い程度にしかならない。
幸運なことに、このような依存関係が小さくとも長く存在し、利益をもたらしてくれることがあるのです。でも、いつも突然消えてしまうんです。財務報告 書のような外部指標を見つけることで、依存関係が安定し、不意に消えることがないように、非常に良い推定でモデルを教えることができるかもしれません。
金融市場におけるインプットは、常にそれぞれの利害関係者によって形成され、同じ条件下で異なる時期に異なる。
特に、H1へのTFで顕著です。比較的小さな個人集団の欲望によって形成されるランダムな非定常 過程が得られる。
D1の上では、大数の法則が働き始め、また、国家、大企業、政治の投資によって運動の方向が形作られる。
小さなTFでは、パターンを探しても意味がないのです。パターンとして形成され、私たちが定義したものは、実は水上の円であり、またそうではない。波の始まりを捉えて切り上げ、次の同じような波の発生を待っても、全く起きないこともあるのです。
大規模なTFでは、当初はターゲット変数への影響について明確でないため、多数の要因を考慮する必要があります。しかし、根本的なポイントは、運動の源はランダムなプロセスではなく、決定論的なものであり、長い間生産され、目的を持って成就するまで維持されるということです。私たちには理解できない／わからないかもしれないが、これらの動きは、永遠ではないが、その寿命が何年も続くパターンという形で、MOによって釣り上げようとすることができるのである。
このことから、MOとGARCHは補完的なツールであり、1つのトレーディングシステムとして組み合わせる必要があることがわかります。
金融市場におけるインプットは、常にそれぞれの利害関係者によって形成され、同じ条件下で異なる時期に異なる。
特に、H1へのTFで顕著です。比較的小さな個人集団の欲望によって形成されるランダムな非定常 過程が得られる。
D1の上では、大数の法則が働き始め、また、国家、大企業、政治の投資によって運動の方向が形作られる。
小さなTFでは、パターンを探しても意味がないのです。パターンとして形成され、私たちが定義したものは、実は水上の円であり、またそうではない。波の始まりを捉えて切り上げ、次の同じような波の発生を待っても、全く起きないこともあるのです。
大規模なTFでは、当初はターゲット変数への影響について明確でないため、多数の要因を考慮する必要があります。しかし、根本的なポイントは、運動の源はランダムなプロセスではなく、決定論的なものであり、長い間生産され、目的を持って成就するまで維持されるということです。私たちには理解できない／わからないかもしれないが、これらの動きは、永遠ではないが、その寿命が何年も続くパターンという形で、MOによって釣り上げようとすることができるのだ。
このことから、MOとGARCHは補完的なツールであり、1つのトレーディングシステムに統合する必要があると考えられます。
どの時間軸で取っても差はない、リスクはどこも同じ、スキャルピングのスプレッドと手数料以外差はない、と書くのはもう飽きたが、これも一種のマイナス要因だ。どんな時系列も、持続性（ヒュースト）とボラティリティ（フラクタル次元）、そして言ってみれば、分離されるべきこれらの非周期的サイクルの持続時間など、たった数個の変数、もしかしたら2個で記述される、すべてです。ここから、MOや他のものを使って、シンプルで信頼性の高いモデルを作ることができるのです。このことから、引用がランダムで非周期的なサイクルが自発的に形成されるため、継続的に機能するモデルを構築することは決して不可能であり、したがって、あるサイクルから別のサイクルへの移行の瞬間は同じ条件の下では予測できず、これらのサイクルをより大きなサイクルの構成要素として見るために表現のスケールを変更する必要があることがわかります。その理解なくして、市場を確率論的なシステムとして正しく考えることはできない、というのが私の考えです。非周期的なサイクルの中では、単純なモデルでもうまくいくが、サイクルが変わると必ず破綻する。市場はサイクルごとに、常に新しく変化しています。それにTFは全く関係ないだろ。
小規模なTFは少人数の欲望に支配され、大規模なTFでは全てが決定されているという深い戯言はどこから来るのでしょうか。決してそんなことはなく、指をくわえて見ているようなもので、市場はすべてがすべてと相互に結びついている別のメカニズムであり、それゆえすべてのTF（投資ホリゾン）にスケール不変性があるのです。
決定論について語るなら、それはすべての時間枠が互いに依存していることです。なぜなら、引用元は同じで、私たちは事象のスケールを変えるだけだからです。
金融市場におけるインプットは、常にそれぞれの利害関係者によって形成され、同じ条件下で異なる時期に異なる。
特に、H1へのTFで顕著です。比較的小さな個人集団の欲望によって形成されるランダムな非定常 過程が得られる。
D1の上では、大数の法則が働き始め、また、国家、大企業、政治の投資によって運動の方向が形作られる。
小さなTFでは、パターンを探しても意味がないのです。パターンとして形成され、私たちが定義したものは、実は水上の円であり、またそうではない。波の始まりを捉えて切り上げ、次の同じような波の発生を待っても、全く起きないこともあるのです。
大規模なTFでは、当初はターゲット変数への影響について明確でないため、多数の要因を考慮する必要があります。しかし、根本的なポイントは、運動の源はランダムなプロセスではなく、決定論的なものであり、長い間生産され、目的を持って成就するまで維持されるということです。私たちには理解できない／わからないかもしれないが、これらの動きは、永遠ではないが、その寿命が何年も続くパターンという形で、MOによって釣り上げようとすることができるのである。
このことから、MOとGARCHは補完的なツールであり、1つのトレーディングシステムとして組み合わせる必要があることがわかります。
どのTFでも、ランダムな非定常過程である。ま た、任意の TF上でも非定常の決定論的成分と非定常のランダム成分を持つ 。
自分の「欲望」などという無意味なものを、ランダム性や非定常性の説明として使うのはナンセンスだ。
プロセスに関するすべての情報は、プロセスそのもの（チャート・ヒストリー、「すべてを説明する価格」の中にある）にあるのです。その過程から、自分の目的に合った情報を抽出することが課題です。課題は難しいが、解決可能である。
どの国の経済も、モノとサービスの生産であり、それは非常に決定論的で、高度に慣性的なプロセスである。そのようなプロセスが何十年も完全に安定している例もあります。どの国でも、1年間に総生産が1％変わると、成功か失敗かのどちらかになる。ある国の生産高が10％下がると、社会的な爆発が起こります。
私たちが目撃しているのは、この決定論的なプロセスに泡を吹いたようなものです。今日、この泡沫はますます実体経済から切り離されつつあるが、マクロ経済レベル、つまり何万とある四半期ごとの自然経済指標の レベルでは、すべてが変わっていないのだ。
http://my-files.ru/9iyzd6
このフォーラムのどこかに、誰かが同じようなデータを使って、数ヶ月に一度、ある指標を予測したトピックがありました。
これを見つけた。https://www.mql5.com/ru/forum/40739（FREDも）。いつか、このデータを使って月足でユーロドルを予測してみようかな。
指標は修正（描き直し）される可能性があるので、慎重に。
どの国の経済も、モノとサービスの生産であり、これは非常に決定論的で、高度に慣性的なプロセスである。そのようなプロセスが何十年も完全に安定している例もあります。どの国でも、1年間に総生産が1％変わると、成功か失敗かのどちらかになる。ある国の生産高が10％下がると、社会的な爆発が起こります。
私たちが目撃しているのは、この決定論的なプロセスに泡を吹いたようなものです。しかし、マクロ経済、つまり四半期ごとの自然経済指標（数万種類ある）のレベルでは、何もかもが変わっていない。
またもや根拠のないレトリックで、「非常に決定論的」「極めて慣性的」...と言っています。"泡立ち "と "全てそのまま "ですか？まるで、頭の中に絵を描いて、その絵が現実とどれだけかけ離れているかを気にせずに描写しているような感じです。
あなたは一種の「計量経済学者」ですから、理解できるはずなのですが......ダメでしたね。
Sergey Glazyevの 記事を読んでみてください。状況把握に役立つと思います。
私の今の考えは、近い将来のトレンドが怪しいので、トレンドではなく、乖離をトレードすることです。
乖離を取引するためにGARCHという装置があり、高頻度取引を始めとして金融市場で広く利用されている。ドリームリミットは100pipsまでです。したがって、H1までのTFでは、15-20pipsをキャッチして次のシグナルを待ちます。エキスパート・アドバイザーは、市場にいる時間が短いほど優れています。