Princípios de trabalho com um otimismo e formas básicas de evitar o encaixe. - página 5
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
Todos esses métodos são xamanismo, assim como o TA sem entender porque deve trabalhar com uma gama de preços e não com temperaturas, por exemplo)
Na Econometria: Previsão um passo à frente do tópico que mostrei em números que isto não é xamanismo. O objetivo desta prova: depois de modelar o resíduo GARCH, o espalhamento do resíduo instável diminui e se torna frações de pips ao invés de dezenas de pips.
Você pode comprar algo na loja para "resíduos instáveis em frações de pips"? :)
Concordo com você completamente e discordo completamente (perdoe o trocadilho) Explicarei: tomaremos como axioma a declaração apresentada por você e consideraremos que é a priori (para experimentar, perdoar uma interpretação livre) - verdade. Neste caso, nossa tarefa é encontrar um componente determinístico e, com base nele, construir um modelo que nos proporcione um ambiente dentro dos limites de nossas necessidades. Nós o encontramos (extrapolamos, usamos Ito e necessariamente Stratonovich - nós o usamos exatamente, escrevemos uma rede neural ou encontramos regularidades expressas como uma diferença entre duas médias IMHO muito mais conveniente que Stratonovich e outras danças estocásticas, o significado é o mesmo de qualquer forma) - quem tem imaginação suficiente e o que está mais próximo de quem. Agora temos uma função que, como definimos, é determinista (note que montamos uma experiência e agora afirmamos que é determinista a posteriori). Tudo em nossa lógica está bem: um modelo a priori é aceito e com base nele construímos uma função a posteriori que extrai as regularidades deterministas a posteriori. A única coisa é que os padrões que derivamos são a posteriori. Nós nunca, jamais, poderemos fazer nada a respeito. Nossa tarefa é encontrar um algoritmo que (se aceitarmos sua suposição como axiomática) será dinâmico - variável dependendo de nossos dados em tempo real(porque qualquer determinismo na não-estacionariedade também é não-estacionário).
Offtop: há cerca de meio ano, perguntei no fórum qual a diferença entre Kiwi (neozelandês) e todos os outros pares - consegui obter algum modelo que traz muito bom lucro (novamente aposteriori) em todos os pares, exceto Kiwi. Sem encaixe, sem Ito-Stratonovich, sem autodestruição. Exclusivamente preços de abertura, sem otimizações. O modelo é surpreendentemente simples e direto, baseado nas estatísticas mais simples de castiçal(que em princípio não pode funcionar no mercado - isso é o que me surpreendeu), além de que os padrões aleatórios gerados também trazem lucro. Mas as moedas de mercadorias e as moedas das pequenas economias (aquelas sujeitas a tendências) estavam completamente fora do padrão supostamente encontrado. Essa é a única razão pela qual concordo com você - podemos admitir que existe algum determinismo, mesmo que contradiz o bom senso (desculpe o trocadilho), é esse determinismo que às vezes impede ... Tudo dito é puramente IMHO sem qualquer pretensão à verdade.
Por que um padrão precisa de estacionaridade? Suponhamos que tenhamos um padrão de trabalho. A distribuição de sua ocorrência ao longo do tempo é rigidamente não normal. As principais características deste padrão também são não-estacionárias e flutuam com o tempo. E daí? A condição principal é apenas uma, - que ela continue a aparecer e não desapareça. Nosso MO será simplesmente não estacionário, mas ainda positivo, e isto é o principal. Outra questão é que a não-estacionariedade complica seriamente a busca por esses mesmos padrões. Não podemos confiar em métodos estatísticos padrão para identificá-lo e usá-lo no processo. Por exemplo, se ele, apareceu todos os dias do último ano e desapareceu de repente hoje, as estatísticas dirão - o padrão não funciona mais. Mas isto não é verdade, porque ele aparece quando lhe agrada, e não é obrigado a gerar características estacionárias. Esta é sua propriedade, em um nível fundamental, que determina a necessidade de reoptimizar os algoritmos. Porque de uma forma ou de outra, estamos trabalhando com parâmetros fixos que correspondem perfeitamente a um determinado padrão apenas na história. Amanhã será um pouco diferente, o que significa que haverá uma mudança do extremo de nosso ajuste.
E é apenas uma questão de sobreviver ao turno de amanhã. E podemos sobreviver usando regularidades relativamente estáveis, ou (e) métodos suficientemente ásperos (e simples) de identificação e lidar com eles que sua estimativa aproximada permitiria que a própria regularidade mudasse dentro de limites suficientemente amplos.
Este é meu raciocínio, por que métodos simples são geralmente mais eficazes do que métodos complexos, e por que se torna possível fazer dinheiro no mercado em primeiro lugar.
você pode comprar qualquer coisa na loja em "saldos instáveis em frações de uma tubulação"? :)
Tudo é ótimo, exceto uma coisa: você não atende à exigência de reversibilidade do modelo. Tome uma parte do quociente (uma tendência, por exemplo) e trabalhe com ele. Esquema padrão de assistência técnica. E quanto ao resíduo? Este resíduo poderia começar a distorcer tudo em nosso modelo? Como podemos ter certeza se não consideramos de todo o resíduo?
Nenhuma certeza - Deus nos livre.
Então é um sinal do fim da modelagem - posso ignorá-lo e deixá-lo para o caixa
Vocês estão discutindo a mesma coisa em cada linha - seu modelo. Parece que todos já comentaram sobre isso mais de uma vez))
Nenhuma confiança - Deus proíbe.
A propósito, você pode ganhar dinheiro em ziguezague :) Por falar em ziguezague