Discussão do artigo "Previsão de movimentos do mercado utilizando a classificação Bayesiana e indicadores com base na análise de espectro singular" - página 2
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Dado o nível bastante elevado do artigo, quero levantar dúvidas na mente do autor, ou seja, a necessidade de escrever um especialista nesta fase. Não há evidências no artigo de que os resultados do teste de um especialista sejam confiáveis. Bem, se obtivermos 2 ou 3, até mesmo 10 valores do fator de lucro, ou quaisquer outros valores do testador - isso é uma estatística? Qual é a garantia de que o especialista se comportará da mesma forma no FUTURO?
No centro dessas dúvidas está a afirmação do autor de que a SSA é capaz de funcionar em mercados NÃO estacionários. Onde está a prova? Não me lembro de nenhuma prova.
Talvez eu tenha deixado passar alguma coisa sobre esse assunto. Mas o artigo não especifica de forma alguma quais variedades de não estacionariedade a SSA resolve e qual é o resultado. É possível isolar a tendência? Mas então o resíduo da subtração da tendência não é necessariamente estacionário. Essa questão é abordada em detalhes na estrutura dos modelos ARCH. Devido à variedade de resíduos, surgiu uma variedade muito grande de modelos ARCH.
Essa parte não está no artigo e, portanto, não há evidência de que as decisões de negociação sejam tomadas em uma série temporal estacionária. Portanto, conclui-se que o comportamento futuro do TS com base nessas ideias NÃO é previsível.
PS.
Há cerca de 10 anos, usei o "caterpillar" (FATL-SATL). Os Expert Advisors duravam de 3 a 6 meses e depois começavam a se esgotar. O principal problema não é apenas a NÃO estacionariedade no sentido clássico (mudança de MO e dispersão), mas também a mudança de periodicidade, que pode ser claramente vista no ZZ.
O fato de a ACP ser usada para analisar séries temporais não estacionárias não é uma "declaração do autor", mas uma característica do método, baseada na formação de sua própria base ortogonal, a mais ideal para um determinado fragmento da série temporal. Na verdade, mesmo uma tendência ou periodicidade já é não-estacionária. Portanto, as decisões de negociação não são tomadas com base em uma série estacionária, porque não temos essa série e não há aproximação para ela (ao contrário dos modelos ARMA). O modelo baseia-se na representação de séries temporais como uma soma de componentes de tendência, periódicos (com período variável) e de ruído. Os ruídos no modelo não são controlados e filtrados e, para os componentes estáveis, há uma previsão para o futuro muito próximo. O método pressupõe a estabilidade local, não a estacionariedade dos processos que formam os preços. Em segundo lugar, ninguém dá garantias também. Estamos falando do fato de que o treinamento do modelo em algum conjunto de dados históricos, escolhido arbitrariamente, mostrou resultados estáveis de sua aplicação em outras séries e escalas de tempo. A duração desses resultados é uma questão à parte, mas, em minha opinião, é controlável, por exemplo, executando-o no "histórico recente" antes da negociação. O retreinamento também leva um pouco de tempo. É mais importante, novamente do meu ponto de vista, filtrar possíveis "entradas falsas" de forma mais confiável e reduzir os riscos, e isso exigirá uma expansão adicional do Expert Advisor com métodos de controle, por exemplo: limitar as negociações do bot por programação, expandir o conjunto de indicadores para análise bayesiana ou com a ajuda de redes neurais. E os resultados dos testes atuais mostrarão se os filtros que já estão disponíveis funcionam ou precisam ser desenvolvidos. A única prova de adequação será, como sempre, a prática.
O ruído no modelo não é controlado e filtrado....
Em sua postagem, a frase-chave para mim é a frase acima.
O ruído pode e deve ser filtrado se for estacionário, ou melhor, normalmente distribuído. E se o ruído não for, e pelo artigo não sabemos que tipo de ruído permanece após a filtragem SSA, então ele não pode ser filtrado em nenhuma circunstância. É nisso que todos os modelos ARCH se baseiam, porque o cachorro está sempre enterrado em caudas grossas, que nem sempre ocorrem na distribuição de ruído, mas, se ocorrerem, definitivamente drenarão o depósito.
Sua ideia pode ser abordada por outro lado.
A questão é que você está usando um classificador que insere preditores treinados pela SSA. Nesse caso, a importância da estacionariedade dos preditores usados não é muito clara para mim, mas há requisitos bem comprovados para os preditores alimentados na entrada do classificador - eles devem ser limpos de ruídos, ou seja, aqueles que têm uma "relação fraca com a variável de destino (não confundir com o ruído mencionado acima). O mais interessante é que qualquer tipo de suavização (tendências) é considerado ruído nessa abordagem. Tudo isso está disponível na seção Aprendizado de máquina.
De qualquer forma, você pode cortá-lo....
PS.
A prática é o critério da verdade, mas somente se essa prática for baseada na teoria.
Em sua postagem, a frase-chave para mim é a citada.
O ruído pode e deve ser filtrado se for estacionário e, de preferência, normalmente distribuído. E se o ruído não for assim, e pelo artigo não sabemos qual ruído permanece após a filtragem SSA, então ele não pode ser filtrado em nenhuma circunstância. É nisso que todos os modelos ARCH se baseiam, porque o cachorro está sempre enterrado em caudas grossas, que nem sempre ocorrem na distribuição de ruído, mas quando ocorrem, certamente drenam o depósito.
Em outras palavras, ninguém cancela o Efeito Borboleta :)
O SSA é um método de componente principal, certo?
Mais parecido com a FFT.
SSA é o método de componentes principais, certo?
Semelhante a ele. Os algoritmos são um pouco diferentes. A descrição geral pode ser encontrada em Loskutkov A.Yu. "Time series analysis. MSU lecture course". Ele pode ser usado para previsão por "Caterpillar" ou por autorregressão.
Em contraste com o método de Fourier, a ACP extrai componentes com amplitude e frequência moduladas, bem como componentes não periódicos.
Quanto ao ruído a ser investigado, na próxima etapa, a SSA é combinada com modelos Box-Jenkinson (ARPSS, etc.) e esses modelos trabalham com o "resíduo" da tendência obtida pela CCA.
Argumenta-se que um modelo que combina o processo GARCH com um modelo que descreve o comportamento da média é promissor do ponto de vista da previsão. Como opção, é possível implementar ainda mais o GARCH+SSA no Expert Advisor.
Não se deve ignorar o "nível de aleatoriedade" da série no horizonte de tempo usado. Se estiver "fora da escala", a previsão pelo modelo mais perfeito não dará nada de bom e o processo não se caracteriza por uma memória longa. Portanto, no futuro, é lógico acrescentar a estimativa da fractalidade da série(semelhante ao expoente de Hurst) para descobrir a "cor" do ruído e classificar o processo de preço atual. Isso sugere que um especialista confiável deve, antes de tudo, monitorar e otimizar o nível de risco do capital que administra.
Não se deve ignorar o "nível de aleatoriedade" da série no horizonte de tempo usado. Se estiver "fora da escala", a previsão do modelo mais excelente não dará nada de bom e o processo não se caracteriza por uma memória longa. Portanto, no futuro, é lógico acrescentar a estimativa da fractalidade da série(semelhante ao expoente de Hurst) para descobrir a "cor" do ruído e classificar o processo de preço atual. Isso sugere que um especialista confiável deve, antes de tudo, monitorar e otimizar o nível de risco para o capital que está gerenciando.
Portanto, o "nível de aleatoriedade" é o ponto principal que faz com que seu modelo nunca funcione, por isso eu não o chamaria de excelente, mas sim de ilusório. É um jogo de adivinhação 50/50. Quem lhe disse que os processos de mercado têm mais probabilidade de serem persistentes do que antipersistentes, por exemplo.... e que existem quaisquer ciclos periódicos. As telas mostram as previsões típicas desse tipo de sistema, que são quase nada.....
Mas admiro seu nível de compreensão e experiência em matemática e na construção de modelos, por isso, é claro, 5++++... para que não pareça que critico tudo e todos :)
Mais como FFT.
Portanto, o "nível de aleatoriedade" é o ponto principal que faz com que seu modelo nunca funcione, então eu não o chamaria de belo, mas sim de ilusório. É um jogo de adivinhação 50/50. Quem lhe disse que os processos de mercado são mais frequentemente persistentes do que antipersistentes, por exemplo.... e que existem quaisquer ciclos periódicos. As telas mostram as previsões típicas desse tipo de sistema, que são quase nada.....
Mas admiro seu nível de compreensão e experiência em matemática e na construção de modelos, por isso, é claro, 5++++... para que não pareça que critico tudo e todos :)
Se você acha que todos os movimentos do mercado são aleatórios, está muito enganado. Todos os modelos modernos tentam levar em conta o efeito da pré-história - "caudas pesadas", porque elas contêm "precursores" de comportamentos futuros. A principal tarefa do modelo é extrair os sinais dos precursores do ruído, e o problema do modelo é sua adequação à situação e sua capacidade de adaptação.
Se você acha que todos os movimentos do mercado são aleatórios, está muito enganado. Todos os modelos modernos tentam levar em conta o efeito da pré-história - "caudas pesadas", porque elas contêm "precursores" de comportamentos futuros. A principal tarefa do modelo é extrair os sinais dos precursores do ruído, e o problema do modelo é sua adequação à situação e sua capacidade de adaptação.
Não há uma única fonte que influencie os preços no mercado, portanto, as condições iniciais para o desenvolvimento dessa ou daquela situação surgem espontaneamente e se sobrepõem umas às outras. Supondo que tenhamos encontrado algumas condições iniciais que continuam a influenciar a situação, como podemos ter certeza de que na próxima barra não haverá outra informação de influência que destruirá tudo novamente? Onde estão os critérios para avaliar a confiabilidade da previsão?