FR H-Volatilidade - página 8
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
É aqui que a coisa fica interessante, Yurixx. Parece-me que com nosso nível de acesso ao mercado, estamos simplesmente condenados, no máximo, a uma descrição fenomenológica. Grosseiramente falando, termodinâmica clássica, não termodinâmica estatística. O clássico não funciona bem? Mesmo se dentro dela não entendemos muito bem o que é entropia ou temperatura, ela ainda funciona, e muito bem a isso.
O clássico funciona bem. Mas antes de funcionar, e antes de nascer, o dragão de três cabeças Charles-Boyle-Mariotte trabalhou no suor e as leis que ele derivou fenomenologicamente revelaram-se casos especiais da equação de Mendeleev-Clapeyron. Ou seja, da fenomenologia ele conseguiu se levantar para revelar as verdadeiras leis. E se este não fosse o caso, o que seria a termodinâmica clássica?
E estamos condenados à descrição fenomenológica apenas na medida em que temos um objetivo puramente utilitário - criar TS e ganhar dinheiro. Mas se alguém com uma mente brilhante se distrai dos interesses mercantis e dedica seu tempo a um estudo profundo do mercado, ele terá tudo o que é necessário para descobertas interessantes - ferramentas, dados, etc. Necessário mas não suficiente ... :-)
De cima, mas não sei onde escrever. Se não estou enganado, o Guinness Book of Records tem um recorde de 1200% ao ano. Larry Williams http://web-investor.academ.org/index.php?action=articles&id=71
Na linha de ressonância estocástica, quando coloquei meu trabalho, fiz uma pergunta sobre o FR em questão. Não havia resposta para isso. E houve apenas três tentativas. E acontece que se trata de um caso particular de uma função conhecida e pesquisada chamada distribuição Gama. Encontrei-o por acaso, enquanto lia um livro sobre estatísticas Bayesianas.
Eu não me considero um estatístico, mas aqui estão as parcelas p.v. destas distribuições. E o mais provável é que sua distribuição seja uma distribuição Rayleigh-Rice, mas não uma distribuição gama, se eu entender a fórmula corretamente.
Sqrt(x^2+y^2) é a distribuição de Rayleigh, muito usada no radar, que é a distribuição da amplitude do ruído na decomposição da série Fourier (x é componente real, y é componente imaginário). O quadrado desta quantidade é a distribuição lognormal - intimamente relacionada com a energia do sinal. A distribuição Rayleigh, é um caso especial da distribuição Rayleigh-Rice, que tem uma cauda grossa.
P.S. Se necessário, posso tentar digitalizar as páginas necessárias e enviá-las a você, mas posso fazer isso na próxima semana. Tente entrar em contato comigo ou deixar coordenadas, eu tentarei ajudar. Todas estas distribuições estão bem descritas no Levine B.R. Fundamentos teóricos da engenharia estatística de rádio. - Moscou: Rádio e Comunicações, 1989.
Eu estou principalmente no Skype -> privalov-sv
Eu anexo o arquivo matcad, onde todos eles são construídos e há suas características + como modelá-lo
Olá colegas.
Eu não abandono minhas tentativas de modelar qualitativamente a história da série de moedas usando modelos AR de nth-order. Deixe-me lembrar que a primeira série de diferenças X[i]=Y[i]-Y[i-1] do AR original é modelada diretamente: , onde a[i] é o coeficiente autoregressivo, sigma é de alguma forma uma variável aleatória distribuída.
Como você acha que podemos relacionar o FA da primeira diferença da série de moedas e o FA da primeira diferença da série de modelos, através do FR de uma variável aleatória (sigma) no modelo AR?
O problema tem uma solução. Você pode escolher à mão a lei de distribuição sigma "certa", mas é um procedimento doloroso! Yurixx, parece que o problema nesta formulação é de algum interesse para você. No caso de um resultado positivo, teríamos em nossas mãos um algoritmo para construir uma BP idêntica à geradora no sentido de volatilidade e preservar as relações entre carrapatos (barras em diferentes TFs), o que, como Mathemat apontou , é necessário para o teste representativo de um TS.
Abreviação FA ? decifrar por favor. É uma função da autoregressão X[i]?
Abreviação FA ? decifrar por favor. É uma função da autoregressão X[i]?
Oh! Desculpe. Ao longo de todo o texto, deve ser lido FR em vez de FA.
Como você acha que o FR da primeira diferença da série de moedas e o FR da primeira diferença da série de modelos pode ser relacionado, através do FR de uma variável aleatória (sigma) no modelo AR?
O problema tem uma solução. Manualmente podemos encontrar a lei de distribuição sigma "certa", mas é um procedimento doloroso!
Bem, se se supõe que a sigma deve levar o FR da série modelo ao FR da série monetária, então o FR da sigma deve ser construído como o FR da diferença dos dois SVs: modelo X e Y real. Entretanto, como a sigma está envolvida na formação do X e toda a natureza aleatória do X é determinada pela sigma, é difícil dizer isso imediatamente.
Talvez tente o oposto. Como construir a distribuição X se Xi+1=Xi + sigma, e FR sigma é conhecido ? Se você resolver este problema, então você pode resolver aquele que você definir.
Ainda não está claro como isto pode ser implementado.
Minha pergunta, colegas, está fora de tópico. Você provavelmente agora demonstra um certo interesse na possível aplicação de redes neurais (NS) em TS. Responda-me, eu entendo corretamente que o uso de NS é justificado por um número suficientemente grande de parâmetros de entrada, quando o uso de uma busca usual de otimização TS (mesmo com o uso de algoritmo genético) é injustificado por razões técnicas? Também podemos enfatizar a capacidade da NS de auto-aprendizagem no processo, mas esta tarefa não é difícil de resolver utilizando o procedimento de otimização automática da construção lógica habitual.
Acho isso certo, mas também acho que não é só isso.
Não sei o que é"otimização automática do projeto lógico comum", mas em NS sou atraído apenas pela capacidade de implementar lógicas de tomada de decisão muito complexas. Mesmo com um número não muito grande de parâmetros, o espaço de fase do sistema se revela muito multidimensional para a percepção humana. Se a abordagem estiver correta e as estimativas escolhidas permitirem o agrupamento do espaço de fase, então a localização e a forma dos agrupamentos podem ter uma topologia muito complexa. Precisamos visualizá-lo de alguma forma para descrever a lógica de decisão, ou introduzir cegamente classes e critérios de afiliação. NS lida muito melhor com isso, bem como com avaliações probabilísticas (como podemos ver).
No tópico Ressonância Estocástica, quando coloquei meu trabalho, fiz uma pergunta sobre o FR em questão. Não havia resposta para isso. E houve apenas três tentativas. E acontece que se trata de um caso especial de uma função conhecida e pesquisada chamada distribuição Gama. Encontrei-a por acaso, lendo um livro sobre estatísticas Bayesianas.
Eu não me considero um estatístico, mas aqui estão as parcelas p.v. destas distribuições. E o mais provável é que sua distribuição seja uma distribuição Rayleigh-Rice, mas de forma alguma uma distribuição gama, se eu entender a fórmula corretamente.
A distribuição gama tem um parâmetro. Dependendo de seu valor, pode ter diferentes formas, incluindo aquelas similares à distribuição Rayleigh. No entanto, suas características estatísticas e seu comportamento em geral x serão diferentes.
Não sei de qual distribuição "preciso". É apenas uma pergunta que surgiu na época e só encontrei a resposta algum tempo depois. O que fazer com FR - essa é a questão. Somente quando for resolvido, a próxima pergunta será sobre a forma da função de distribuição. Então poderemos voltar a este kit de cavalheiros.