Construindo um sistema comercial usando filtros digitais de baixa passagem - página 11

[[Deleted]]

Mathemat:

Aqui estamos falando tanto sobre estacionariedade e outras coisas inteligentes. Mas ainda não há um critério claro de estacionaridade (uma avaliação visual do último gráfico do Prival, que supostamente é semelhante à BGS, não é uma metodologia rigorosa). Como "reacionalizar" o processo é outro tópico.

Eu só quero saber como verificar a estacionaridade. E eu preciso de linhas "residuais" não para negociação, mas para sistemas de verificação (embora não, eu minto, eu vou verificar a adequação profissional para negociação também).

Não fique chateado. Na verdade, o conceito de "estacionário", o que quer que digam ou escrevam, não tem uma formulação clara. E a prática da aplicação... e a prática de aplicação que tentei mostrar logo acima.

[Сергей]

Mathemat:

Obrigado, D500_Rised. Prival, você tem algo parecido com isto?

Primeiro e acima de tudo é a
Dickey-Fuller (ou sua versão estendida) - o teste ADF
É bastante bem implementado em Eviews.

Os mais difíceis de implementar são os testes de mudança estrutural
-Andrews-Zivot e
-Lumsdain-Pappel

https://forum.mql4.com/ru/9321/page9
:о)

[[Deleted]]

grasn:
ao Vento Norte

Acho que já vi algo semelhante. O que posso dizer, a espectrosanálise como ferramenta auxiliar, que pode objetar. É uma boa idéia ver se é mais fácil usar feiticeiros ou algo parecido ao invés de espectros.

Muito possivelmente, houve várias publicações sobre o assunto, e a questão foi trabalhada em detalhes nos fóruns. Se não me engano, toda a seleção da janela adaptativa foi reduzida à análise dos extremos do espectro com base no método da entropia máxima. Parecia funcionar, e havia algum sentido nisso, já que existem janelas "plus" para MACD a qualquer momento, você só precisa encontrá-las. É claro que é possível usar MA em vez de um espectro, mas dependendo de como a tarefa é definida, ela pode não funcionar.

Quanto aos filtros lowpass, eu costumava me entreter tentando prever o sinal filtrado usando todos os métodos conhecidos. De certa forma, é claro, funciona :o /

Você não pode usar apenas MA, mas um conjunto de filtros digitais pré-calculados. É possível que estes extremos não "se desviem" muito ao longo da escala.

Além disso, essas peculiaridades dos castiçais não nos dão muita esperança de precisão, portanto...

[[Excluído]]

Rapazes, pensando sobre este tópico. Eu tenho um problema simples:

Alguém pode me explicar em "duas palavras" o significado dos termos "BP estacionário" e "BP não estacionário" ?

Devido à falta dessas especificidades, não posso ter certeza de que estou pensando corretamente sobre isso.

[Sceptic Philozoff]

grasn писал (а): https://forum.mql4.com/ru/9321/page9
:о)

Grasn, na p. 10 lá (eu mesmo me cito):

A situação torna-se bastante complicada: para saber se um processo é estacionário, é preciso primeiro conhecer seu modelo realista (aqui AR(1)). Mas não se parece com um. Portanto, o teste também não parece ser aplicável.

Cara, é uma espécie de beco sem saída. A própria definição de estacionariedade... não é a mesma coisa, não é rígida. "Para que um processo seja estacionário, o m.o. etc. deve ser constante". Isto é, o próprio processo de m.o. deve ser estacionário :)))) Oiled...

[Roman Kramar]

Cara, é um beco sem saída. A própria definição de estacionariedade é... algo diferente, não rigoroso. "Para que um processo seja estacionário, o m.o. etc. deve ser constante". Isto é, o próprio processo de m.o. deve ser estacionário :)))) Amanteigado...

De onde você tirou isso? Se o m.o. é constante, então não há processo de m.o. e nenhuma questão de sua estacionaridade, e como resultado não há óleo amanteigado.

A definição que Prival deu é bastante rigorosa. O que há de errado com isso?

[Sceptic Philozoff]

Como não pode haver processo, bstone? E constância - em algum sentido estatístico, é claro, não na estrita igualdade de todas as contas. Aqui está a definição dada por Prival:

Um processo aleatório (SP) com variação finita é chamado de estacionário no sentido amplo se, sua função OLS (m.o.) e covariância são invariantes em relação ao deslocamento temporal, ou seja, o OLS é constante (não dependente do tempo) e a função de covariância depende apenas da diferença de argumentos t 2- t 1.

O único teste de estacionaridade que conheço é o teste Dickey-Fuller. Mas ele assume algum modelo do processo (neste caso, autoregressão de primeira ordem). Mas e se o modelo não for conhecido por nós de antemão?

Comecemos com a mais simples: "O MOJ é constante (independente do tempo)". Como você praticamente testaria isso? Calcular a média móvel do processo (é o que é o OIM)? Com que período?

[Roman Kramar]

Bem, está tudo aí na definição: o m.o. deve ser invariante no que diz respeito à mudança de horário. Na verdade, isto significa que se você fizer uma série de medições do processo em estudo, dado algum período (o período não precisa ser o mesmo, mas deve ser suficientemente grande para a validade estatística da estimativa de m.o. resultante). Cada medição cobre uma parte separada da série (mudança de tempo), quanto mais peças, maior a confiabilidade.

Como resultado, obtemos uma série de medições (não um processo), desta série de medições obtemos uma estimativa de m.o. com as características estatísticas apropriadas. É isso aí.

[Sceptic Philozoff]

bstone, tudo isso é compreensível - e ao mesmo tempo você não me disse nada de novo. Qual deve ser o período médio para se obter uma estimativa atual da IOJ? Digamos que eu tenho 14.000 contagens. O período é 10, 50, 100 ou 200?

E qual deveria ser a variação da OLS para considerar que a hipótese de invariância da OLS ao longo do tempo não é rejeitada?

[Roman Kramar]

Mathemat:

bstone, tudo isso é compreensível - e ao mesmo tempo você não me disse nada de novo. Qual deve ser o período médio para se obter uma estimativa atual da IOJ? Digamos que eu tenho 14.000 contagens. O período é 10, 50, 100 ou 200?

E qual deve ser a variação da OLS para considerar que a hipótese de invariância da OLS ao longo do tempo não é rejeitada?

Bem, se eu não relatei nada de novo, então é hora de lembrar o conceito de intervalo de confiança. Neste caso, o tamanho do período depende apenas de suas reivindicações sobre a exatidão do resultado obtido. Ou seja, você pode definir um intervalo de confiança adequado para a estimativa de m.o.s. para uma determinada parcela, a fim de descobrir o tamanho requerido. Então você pode fazer o mesmo com o cálculo do número necessário de parcelas para a estimativa final.

Existem diferentes métodos para calcular o intervalo de confiança. Talvez seja necessário primeiro identificar e provar que os resultados das medições estão de acordo com as distribuições conhecidas (por exemplo, o método para calcular os intervalos de confiança pela distribuição dos estudantes geralmente só funciona para amostras de populações normalmente distribuídas).

É possível que já na fase de tentativa de identificar a lei de distribuição de medidas você possa descobrir que a estacionaridade não é de se esperar.

P.S. Eu sou na verdade um gerente, portanto tenho um conhecimento relativamente superficial de estatísticas, mas isto é o que o senso comum dita, baseado no que eu sei.