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
Usando o ruído negro na modelagem de mercado
ps. eu mesmo não o testei
Usando o ruído negro na modelagem de mercado
ps. não checou eu mesmo
Eu publiquei um livro muito bom: "Signal Processing with Fractals", mas em inglês. É melhor do que a apresentação :o)
Uma hipótese possível é que os logaritmos das mudanças de preço seguem uma distribuição normal, mas esta distribuição é não-estacionária, ou seja, tanto a expectativa quanto o desvio padrão da distribuição podem variar com o tempo. Como conseqüência, ao processar uma amostra empírica usando métodos estatísticos padrão que assumem que toda a amostra é retirada de uma única população geral, obtemos uma amostra não gaussiana. Isto pode ser expresso na forma de caudas pesadas de uma distribuição empírica (a curtose calculada a partir de uma amostra excede o número 3, ou seja, a curtose de uma distribuição normal).
Outra hipótese é que os logaritmos de mudanças de preços seguem inicialmente uma distribuição com curtose maior que 3. Nesta situação, mesmo que a distribuição em si seja estacionária, a amostra empírica retirada desta distribuição pode ser considerada como não estacionária no tempo. O ponto é que a estimativa da expectativa matemática de uma variável aleatória x é a média aritmética da amostra:
<X>= 1/N * soma(x(i), i =1...N )
A média aritmética das variáveis aleatórias é, em si mesma, uma variável aleatória. O desvio padrão da média aritmética depende do desvio padrão da variável aleatória e do tamanho da amostra:sigma(<X>) = sigma(X) / sqrt(N)
Assim, o desvio padrão da média é menor que o desvio padrão da própria variável aleatória por um fator de sqrt(N), ou seja, a precisão da estimativa da expectativa matemática pode ser aumentada através do aumento do tamanho da amostra. Mas isto só é verdade para uma variável aleatória com expectativa matemática finita e variância finita. A questão é que a expectativa matemática finita só existe para aquelas distribuições cuja densidade de probabilidade no infinito cai como 1 / |x|^(2+delta) ou inferior, e a variação finita só existe para aquelas distribuições cuja densidade de probabilidade no infinito cai como 1 / |x|^(3+delta) ou superior ( delta - qualquer pequeno número positivo). Se modelarmos uma tabela de preços usando como logaritmos da mudança de preço uma amostra aleatória retirada de uma distribuição estacionária com variação infinita e/ou expectativa matemática infinita, e oferecermos esta amostra para análise a um observador independente, ele pode ter a ilusão de que lida com um processo não estacionário a tempo.
Finalmente, não podemos excluir o caso quando não apenas os parâmetros de distribuição, mas também a própria lei de distribuição de logaritmos de preços é não-estacionária no tempo, e as séries temporais de preços podem conter as seções descritas pela distribuição com variação infinita e/ou expectativa matemática infinita.
Isto não significa que nada pode ser feito no sentido de transformação reversível de séries de preços em algo estacionário: é possível utilizar não apenas retornos. É um pouco cedo para traçar a linha.
Parece haver alguma solução para o problema da geração sintética que não está relacionada com a estacionaridade do processo. Mas esta ainda é apenas uma questão genética. Deveríamos pensar sobre isso.
Não consigo entrar em mim, minha esposa reinstalou o mra... Falarei com você à tarde, OK, Konstantin?
Claro que, o mais conveniente possível, nada de importante, apenas um vínculo ali...interessante, mas isso é para mim, caso você já tenha lido e descartado a idéia.
Parece haver alguma solução para o problema da geração sintética que não envolve a estacionaridade do processo. Mas isto é apenas um genitivo, por enquanto. Teríamos que pensar sobre isso.
Alguém postou Bendat lá, o capítulo 12 é interessante, quase uma série não estacionária. Embora o autor escreva mais sobre séries não estacionárias que surgem durante o lançamento de foguetes, mas ainda assim...
Sim, este raciocínio de Bulashev, parece uma descrição da mecânica quântica nos dedos. Eu dei um link para o método de inversão. Ele pode ser usado para tirar conclusões confiáveis dentro da precisão necessária.
Sim, este raciocínio de Bulashev, parece uma descrição da mecânica quântica nos dedos. Eu dei um link para o método de inversão. Ele pode ser usado para tirar conclusões confiáveis dentro da precisão necessária.
Apenas para lembrar, Bulashev escreveu o livro "estatísticas para comerciantes". :) é o mesmo que mecânica quântica para manequins. :)
E o método de inversão não é mais adequado do que qualquer outro.