использует зависимость волатильности от предыдущих значений при прогнозе.
그리고 뭐? "시계열 메모리"와 같습니까? 이 이론에서는 그러한 용어조차 없으며 종속성은 일반적으로 ARCH 프로세스 자체의 정의에 의해 도입됩니다. 처음에는 사소하지 않은 종속성 기간이 있다고 가정합니다.
변동성과 분산이 일정하지 않고 시간이 지남에 따라 변화하고 이전 값에 의존한다는 사실은 간단하고 분명한 것 같습니다. 당신은 편차가 변하지 않는다고 말합니다. 이것에서 유용한 것을 찾을 수 있다면 그렇게 생각할 수 있지만 :)
나는 심령술사가 아니며, 이런 저런 계열의 변수는 상수입니다. 이를 위해 모든 종류의 방법이 있습니다. 견적 워크의 경우 분산이 고정적이지 않습니다. 저는 이에 대해 논쟁하지 않습니다. 차이점에 대해 공식적으로 고정성을 인식할 수 있습니다. 당신은 놀랄 것입니다. 그러나 이것은 어떤 식으로든 ARCH 모델과 모순되지 않습니다.
그리고 뭐? "시계열 메모리"와 같습니까? 이 이론에서는 그러한 용어조차 없으며 종속성은 일반적으로 ARCH 프로세스 자체의 정의에 의해 도입됩니다. 처음에는 사소하지 않은 종속성 기간이 있다고 가정합니다.
나는 심령술사가 아니며, 이런 저런 계열의 변수는 상수입니다. 이를 위해 모든 종류의 방법이 있습니다. 견적 워크의 경우 분산이 고정적이지 않습니다. 저는 이에 대해 논쟁하지 않습니다. 차이점에 대해 공식적으로 고정성을 인식할 수 있습니다. 당신은 놀랄 것입니다. 그러나 이것은 어떤 식으로든 ARCH 모델과 모순되지 않습니다.
글쎄요, 차이에 대한 고정성을 인식할 수 있다면 이것은 일반적으로 귀하의 비즈니스입니다. 누가 금지할 것인가? :)
아마추어: 우리는 다른 스마트 책을 읽고 평균 교차, 채널에서 반등, 채널 깨기, 지원 및 저항 수준 등과 같은 다양한 시스템의 예를 찾습니다. 우리는 그것들을 코딩하고 작동하지 않는지 확인합니다. 수백 개의 지표를 사용하여 다른 필터를 추가하고 짧은 시간 동안 작동한 다음 배수됩니다. 우리는 시장이 시간이 지남에 따라 변하고 거래 시스템의 매개변수를 조정할 필요가 있다는 결론에 도달했습니다. 다음 두 가지 옵션으로 넘어 갑시다.
선형 자기회귀 모델, 다층 신경망 또는 다른 비선형 함수와 같은 시장 모델을 맞추려고 합니다. 모델의 계수는 시장에 자동으로 조정됩니다.
우리는 선형 및 비선형 모델을 포기합니다. 우리는 역사의 유사한 섹션을 찾고 과거의 유사한 세그먼트에서와 같은 방식으로 가격이 변경될 것이라고 가정합니다(최근접 이웃 방법)
여기 모든 지점이 문제입니다. 포인트 3에 관해서는, 나는 그것이 전혀 작동하지 않을 것이라고 생각합니다. 다음은 매우 간단한 실험입니다.
1. "지금"에서 약간의 섹션을 가져옵니다. 그리고 우리는 상관 관계와 같은 모든 것과 유사한 것을 찾고 있습니다. 상관 관계가 특정 기준보다 크면 이 섹션이 계산에 사용됩니다.
2. 발견된 "지금 아날로그"에서 "미래에" 그 순간에 무슨 일이 일어났는지 살펴보고 "지금"에 대해 대칭인 매우 간단한 "전달 함수"(따옴표로 표시)를 만듭니다.
정상성 - 분포의 일반 모집단의 하위 표본에 의한 보존. 이것은 가격 계열의 변동성의 경우가 아니며 변동성이 다른 시간과 상당히 오랫동안 다른 분포를 갖는 기간이 있습니다. 예를 들어, 지난 위기 동안 볼라는 평균값과 극단값 모두에서 훨씬 더 높았습니다. 이 기간에 대한 늑대의 분포를 구성하면 다른 기간에 구성된 분포와 일치합니까?
정상성 - 분포의 일반 모집단의 하위 표본에 의한 보존. 이것은 가격 계열의 변동성의 경우가 아니며 변동성이 다른 시간과 상당히 오랫동안 다른 분포를 갖는 기간이 있습니다. 예를 들어, 지난 위기 동안 볼라는 평균값과 극단값 모두에서 훨씬 더 높았습니다. 이 기간에 대한 늑대의 분포를 구성하면 다른 기간에 구성된 분포와 일치합니까?
나는 이것에 대해 논쟁하지 않으며 모든 것이 올바르게 작성되었습니다. 그러나 "가격 변동"과 "가격 증분 변동" 사이에는 차이가 있습니다. 두 번째는 약간의 예약이 있는 상태에서 고정 프로세스로 인식될 수 있습니다(증분에 대해 이야기하는 것입니다). 그러나 어떤 모형을 사용해도 가격 상승분을 예측하는 것은 그 분포 형태가 매우 다르기 때문에, 그리고 원래(예측) 계열과 모형 계열의 분포가 크게 일치하지 않으면 안정적인 예측이 근본적으로 불가능하기 때문에 쓸모가 없습니다. 그러나 RMS 가격의 경우 - 약간 다른 상황
나는 이것에 대해 논쟁하지 않으며 모든 것이 올바르게 작성되었습니다. 그러나 "가격 변동"과 "가격 증분 변동" 사이에는 차이가 있습니다. 두 번째는 약간의 예약이 있는 상태에서 고정 프로세스로 인식될 수 있습니다(증분에 대해 이야기하는 것입니다). 그러나 어떤 모형을 사용해도 가격 상승분을 예측하는 것은 그 분포 형태가 매우 다르기 때문에, 그리고 원래(예측) 계열과 모형 계열의 분포가 크게 일치하지 않으면 안정적인 예측이 근본적으로 불가능하기 때문에 쓸모가 없습니다. 그러나 RMS 가격의 경우 - 약간 다른 상황
использует зависимость волатильности от предыдущих значений при прогнозе.
그리고 뭐? "시계열 메모리"와 같습니까? 이 이론에서는 그러한 용어조차 없으며 종속성은 일반적으로 ARCH 프로세스 자체의 정의에 의해 도입됩니다. 처음에는 사소하지 않은 종속성 기간이 있다고 가정합니다.
변동성과 분산이 일정하지 않고 시간이 지남에 따라 변화하고 이전 값에 의존한다는 사실은 간단하고 분명한 것 같습니다. 당신은 편차가 변하지 않는다고 말합니다. 이것에서 유용한 것을 찾을 수 있다면 그렇게 생각할 수 있지만 :)
나는 심령술사가 아니며, 이런 저런 계열의 변수는 상수입니다. 이를 위해 모든 종류의 방법이 있습니다. 견적 워크의 경우 분산이 고정적이지 않습니다. 저는 이에 대해 논쟁하지 않습니다. 차이점에 대해 공식적으로 고정성을 인식할 수 있습니다.
당신은 놀랄 것입니다. 그러나 이것은 어떤 식으로든 ARCH 모델과 모순되지 않습니다.
기억이란 단어는 싫어, 쉬리야예프의 '후유증'처럼 놔둬
예, 좋은 말씀입니다. Shiryaev가 아닌 개인적으로 의미하는 바를 설명하십시오.
그리고 뭐? "시계열 메모리"와 같습니까? 이 이론에서는 그러한 용어조차 없으며 종속성은 일반적으로 ARCH 프로세스 자체의 정의에 의해 도입됩니다. 처음에는 사소하지 않은 종속성 기간이 있다고 가정합니다.
나는 심령술사가 아니며, 이런 저런 계열의 변수는 상수입니다. 이를 위해 모든 종류의 방법이 있습니다. 견적 워크의 경우 분산이 고정적이지 않습니다. 저는 이에 대해 논쟁하지 않습니다. 차이점에 대해 공식적으로 고정성을 인식할 수 있습니다.
당신은 놀랄 것입니다. 그러나 이것은 어떤 식으로든 ARCH 모델과 모순되지 않습니다.
글쎄요, 차이에 대한 고정성을 인식할 수 있다면 이것은 일반적으로 귀하의 비즈니스입니다. 누가 금지할 것인가? :)
예, 좋은 말씀입니다. Shiryaev가 아닌 개인적으로 의미하는 바를 설명하십시오.
여기 모든 지점이 문제입니다. 포인트 3에 관해서는, 나는 그것이 전혀 작동하지 않을 것이라고 생각합니다. 다음은 매우 간단한 실험입니다.
1. "지금"에서 약간의 섹션을 가져옵니다. 그리고 우리는 상관 관계와 같은 모든 것과 유사한 것을 찾고 있습니다. 상관 관계가 특정 기준보다 크면 이 섹션이 계산에 사용됩니다.
2. 발견된 "지금 아날로그"에서 "미래에" 그 순간에 무슨 일이 일어났는지 살펴보고 "지금"에 대해 대칭인 매우 간단한 "전달 함수"(따옴표로 표시)를 만듭니다.
일부 기준 및 섹션에 대해 다음과 같은 "전달 함수" 행렬을 얻습니다(예:
3. 우리는 모든 기능을 현재 상황에 적용하고 많은 이론적 구현을 얻습니다.
예를 들어 다음 그림이 있습니다.
단지 나에게 "가장 가까운 이웃"은 그러한 행에서 어떤 형태로든 작동하지 않을 것입니다.
ну если вам можно признать для разностей стационарность, то это в общем ваше дело. Кто же запретит? :)
다음과 같이 견적의 변동을 변경하는 과정을 혼동하지 않으셔도 됩니다.
원래 시리즈의 반환으로?
я уже пояснял и не раз. Это значит что волатильность зависит от значений в предыдущие моменты времени.
아아아아아!!! 이해가 될 것 같습니다!
분산이 정상이면 프로세스의 구현이 이전 값에 의존할 수 없고 프로세스가 항상 유형 상수만 생성할 것이라고 생각합니까???? :에 대한)))))))
들어보십시오. 그러나 이것은 전혀 사실이 아닙니다. 과학에 따르면 그들의 고정성은 꽤 받아 들일 만합니다. 또한 이러한 프로세스의 수학적 정의를 읽으십시오. 세 가지 조건: o)
정상성 - 분포의 일반 모집단의 하위 표본에 의한 보존. 이것은 가격 계열의 변동성의 경우가 아니며 변동성이 다른 시간과 상당히 오랫동안 다른 분포를 갖는 기간이 있습니다. 예를 들어, 지난 위기 동안 볼라는 평균값과 극단값 모두에서 훨씬 더 높았습니다. 이 기간에 대한 늑대의 분포를 구성하면 다른 기간에 구성된 분포와 일치합니까?
정상성 - 분포의 일반 모집단의 하위 표본에 의한 보존. 이것은 가격 계열의 변동성의 경우가 아니며 변동성이 다른 시간과 상당히 오랫동안 다른 분포를 갖는 기간이 있습니다. 예를 들어, 지난 위기 동안 볼라는 평균값과 극단값 모두에서 훨씬 더 높았습니다. 이 기간에 대한 늑대의 분포를 구성하면 다른 기간에 구성된 분포와 일치합니까?
나는 이것에 대해 논쟁하지 않으며 모든 것이 올바르게 작성되었습니다. 그러나 "가격 변동"과 "가격 증분 변동" 사이에는 차이가 있습니다. 두 번째는 약간의 예약이 있는 상태에서 고정 프로세스로 인식될 수 있습니다(증분에 대해 이야기하는 것입니다). 그러나 어떤 모형을 사용해도 가격 상승분을 예측하는 것은 그 분포 형태가 매우 다르기 때문에, 그리고 원래(예측) 계열과 모형 계열의 분포가 크게 일치하지 않으면 안정적인 예측이 근본적으로 불가능하기 때문에 쓸모가 없습니다. 그러나 RMS 가격의 경우 - 약간 다른 상황
일반적으로 제안합니다 - 합의 :o)
나는 이것에 대해 논쟁하지 않으며 모든 것이 올바르게 작성되었습니다. 그러나 "가격 변동"과 "가격 증분 변동" 사이에는 차이가 있습니다. 두 번째는 약간의 예약이 있는 상태에서 고정 프로세스로 인식될 수 있습니다(증분에 대해 이야기하는 것입니다). 그러나 어떤 모형을 사용해도 가격 상승분을 예측하는 것은 그 분포 형태가 매우 다르기 때문에, 그리고 원래(예측) 계열과 모형 계열의 분포가 크게 일치하지 않으면 안정적인 예측이 근본적으로 불가능하기 때문에 쓸모가 없습니다. 그러나 RMS 가격의 경우 - 약간 다른 상황
일반적으로 제안합니다 - 합의 :o)
좋아요 :)