Como posso saber a diferença entre um gráfico FOREX e um PRNG? - página 30
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
O autor deste tópico colocou uma questão muito simples (em formulação), mas profunda: como distinguir entre um verdadeiro cotidiano e um HSPC?
Os acadêmicos locais foram rapidamente levados e começaram a demonstrar seus conhecimentos sobre alguns pequenos detalhes, até, inclusive, inventar outra bicicleta e colocá-la em uma kodobase.
Que diferença faz qual fórmula é usada para calcular a ACF? Muito mais importante é o programa de cálculo da ACF, que é o que a maioria dos economistas utiliza para analisar dados econômicos. Não. Algum indicador de um especialista em DSP, Matcadas com Matlab. Estes são todos pacotes especializados para análise de dados econômicos? Não. Consequentemente, o círculo de economistas que utilizam estes pacotes é muito pequeno. Por que os resultados do cálculo da ACF em pacotes especializados, que têm milhões de usuários e pegaram todos os bugs há muito tempo, não são dados? Quem estabeleceu algoritmos e sua correta aplicação?
Poderíamos ter pulado a menção de pacotes especiais. Mas esta linha está aberta para discussão de uma tarefa geral, e ACF é apenas um passo na solução desta tarefa geral. Se tivéssemos discutido isso no âmbito de pacotes especiais (EViews, R ....), teríamos entendido imediatamente que ACF é uma bagatela, os primeiros passos de análise que potencialmente poderiam responder à pergunta em questão são outros cálculos. Além disso, depois de calcular a ACF, precisaríamos tomar mais alguns passos para responder à questão do tópico.
E, o mais importante, estaríamos pisando na metodologia da estatística, que sempre lança dúvidas sobre qualquer número obtido. Quanto ao ACF, os valores de correlação no ACF devem necessariamente ser acompanhados por uma probabilidade que indicará o nível de confiança nos valores de correlação resultantes. A experiência no uso do ACF nesta forma mostra que muitas vezes esta probabilidade gira em torno de 0,5, ou seja, não está claro se é possível ou impossível confiar no valor de correlação disponível neste campo.
Proponho voltar ao primeiro posto do tópico. Descrever pelo menos em palavras uma lista de ações que responderiam à questão do tópico. E o tema merece.
Não há provas rigorosas.
A periodicidade das mudanças de volatilidade - um palpite pode ser feito. Mas a série deve ser longa o suficiente e a TF deve ser inferior a 4H. Em uma amostra de 500 observações, como nos gráficos, não é certo que uma série de preços reais produza tal efeito. E não é o fato de que a gpsh não vai dar uma realização com o mesmo efeito. Ou melhor, é um fato que terá o mesmo efeito ou mais.
As famosas caudas grossas são na verdade a presença de "outliers". A série também deve ser longa o suficiente. Em uma amostra relativamente curta, você pode escolher uma ferramenta que não dará um efeito tão óbvio. Um gpsh comum, é claro, não mostrará tal efeito.
Autocorrelação - há ambas. Isto é um absurdo.
Ou o que foi sugerido - encontrar um critério de diferença para TS específico.
1. Isto é exatamente errado. A função de autocorrelação tem realmente apenas uma definição:
2. mas você pode pensar em pelo menos quarenta e duas formas de estimá-lo (não de calculá-lo), ou seja, calcular a ACF da amostra.
2. Você está certo no ponto 2, como eu disse acima a Privalov, mas o autor deste ramo do fórum obviamente tem problemas de visão.
1. No item (1) você está equivocado, e além disso está equivocado de forma monstruosa.
Primeiro inventaram o ACF, depois pegaram uma fórmula para ele, e depois inventaram uma "definição" estatística moderna.
Não há uma "definição" de autocorrelação. O que você aponta acima é apenas um trecho convoluto do Kolmogorovianismo.
A amiga de Karl Yule descreveu a autocorrelação WORLDWIDE em 1926 - como a correlação-similaridade de PUSHES de uma série temporal ou de uma onda sinusoidal (acima eu simplesmente repeti em WORDS este conceito natural para os matemáticos da época). Yule não tem sequer uma fórmula para "correlação em série" como ele a chamou naquele artigo. Ele só deu gráficos da ACF. O método revelou-se útil, e mais tarde Walker o formalizou um pouco, e as conhecidas fórmulas modernas apareceram já após o trabalho de Kolmogorov, em cerca de 1942, por Anderson.
Aqui está a página original onde a correlação em série é mencionada pela primeira vez no mundo:
Não há uma "fórmula" única para a autocorrelação, assim como não há e não pode haver uma única "fórmula para o reconhecimento de padrões". Todas essas fórmulas modernas são simplesmente implementações de diferentes formas privadas de reconhecer a semelhança de uma função com ela mesma.
A correlação serial, como sua autora Yule a chamou, ou autocorrelação, é - em PALAVRAS simples - apenas uma medida de auto-similaridade de uma função. E como calcular esta medida - é sim, aqui você está certo - até mesmo de cento e quarenta e duas maneiras. O principal é ter um resultado.
1942:
Era o fim da história.
Isso está resolvido, então.
Eh, se ao menos fosse assim tão fácil!
Ele estará desenterrando Karl e seu amigo Jürl em breve e trazendo-os aqui para provar seu ponto de vista....
Eh, se ao menos fosse assim tão fácil!
Precisamente não é simples: acontece (e assim é) que tudo o que temos nos livros ou são formulações extremamente gerais ou casos especiais estreitos que, se é que se encaixam em primeiro plano, com grandes reservas e limitações. Especialmente levando em conta que além da análise de correlação linear (esta última dificilmente pode incluir a análise não paramétrica) existe também a análise não linear, por exemplo, o algoritmo dinâmico de empenamento do tempo que já foi mencionado neste fórum. E isto é apenas a ponta do iceberg.
Abertura.
Naturalmente, todos os métodos estatísticos de tapetes têm limitações quanto às características dos dados de entrada utilizados. E é claro que a série de preços dos mercados financeiros, devido à presença de feedback, não pode ser usada diretamente nestes métodos sem transformá-los.
DTW? Talvez uma distorção não linear ao longo do tempo dê algo na busca de padrões. Mas até agora é tudo teoria.
A questão é resolvida aqui: https://forum.mql4.com/ru/54199/page38
faa1947:
..... O texto de seu código não responde a esta pergunta.......
E é verdade. Tem aí a palavra 'período'. Mas um comerciante não está interessado em um "período" puro. Como disse Mark Twain"a história não se repete, ela RIFMS".
George Marsaglia misturou faixas de "música" de rap e as apresentou como uma série aleatória perfeita. Ele chamou o rap de "ruído negro" que passa em todos os testes PRNG.
https://tams.informatik.uni-hamburg.de/paper/2001/SA_Witt_Hartmann/cdrom/Internetseiten/stat.fsu.edu/diehard.html
ou
http://www.robertnz.net/true_rng.html
Então, como pode ser "ruído aleatório" - se podemos interpolá-los no player e ouvir um sinal poliarmonico periódico mais ou menos significativo? Trata-se de amostragem e quantificação insuficientes, e de não conhecer a estrutura interna do "ruído negro". O teste DIEHARD, que pode extrair a periodicidade de qualquer coisa, não pode extrair a periodicidade da música rap porque acredita que não existe uma estrutura de sinal interna. Mas ele está lá. É o mesmo com o Forex - todos os sistemas comerciais (exceto nosso sistema) não podem extrair a estrutura interna do sinal.
Porque é muito curto.
Os técnicos de rádio nunca sonhariam com o que eles chamam de "ToR" - tarefas técnicas. Nenhum técnico de rádio realizaria tal tarefa - para determinar os parâmetros de um sinal não amostrado PARA O SEU ÚNICO PERÍODO.
Vamos generalizar um pouco, usando os conceitos do fio "O que é um INDICADOR"?
https://www.mql5.com/ru/forum/137416
1. Na verdade, para fins comerciais, tudo o que importa é ONDE - para cima ou para baixo - o preço irá em média. O negociador concorda antecipadamente em congelar alguns de seus fundos com seu corretor ("margem") para que sua posição de negociação possa ficar fora de flutuações aleatórias de preços - desde que este negociador SAIBA precisamente que em média esse preço irá na direção de sua posição de negociação.
Não há nada de novo nesta descrição, é apenas que todos os comerciantes novatos não entendem isto com precisão, entendem o que estão fazendo.
Portanto, com base na base LEGAL de um contrato comercial, e também nos objetivos econômicos da negociação - é importante que o negociador não saiba mais nada além de DUAS posições da direção do preço - para cima ou para baixo. Com base nisso, um bom ou "ideal" indicador para negociação deve mostrar apenas dois sinais (como um semáforo) para cima ou para baixo. Vermelho ou verde. Todas as outras artes gráficas na tela não têm sentido para fins de comercialização. Tanto mais que o olho humano gosta de brincar com ilusões e visões. Um indicador para negociação deve ser uma alternância de uma barra vermelha e uma barra verde - para cima ou para baixo. E tal barra mostra um valor "boa média" da série de preços.
3. As médias de preços são atualmente calculadas utilizando médias móveis (MAs), que são utilizadas na técnica. E é bem conhecido que esta abordagem não funciona em forex, o mercado mais volátil, com os movimentos de preços mais imprevisíveis. Portanto, a média aritmética NÃO é um bom indicador da posição média do mercado forex. Aqui é onde outras médias são necessárias. Estas outras médias não podem ser simples, porque o próprio mercado Forex é complexo.
4. As "outras" médias em um caso tão complexo devem ser calculadas usando métodos complicados - estatísticos. E aqueles que não se baseiam na confiança no caráter RMS dos desvios aleatórios em relação a essa mesma "boa média".