Fazendo um sistema comercial Python para MT. - página 15

 
Maxim Dmitrievsky:

Bem, eu não aplico nada disso, então estou apenas observando o que está acontecendo.

Tenho apenas alguns pensamentos vagos.

Eu também não sei para onde irá, ou se irá de todo. É feito apenas para entender o processo, nada mais.

 
Yuriy Asaulenko:

Eu também não sei para onde irá, ou se irá de todo. É apenas para entender o processo, nada mais.

O que eu sei é que se você construir um modelo generalizado sobre os mesmos dados, é melhor.

não necessariamente linear, é claro.

https://docs.pymc.io/notebooks/GLM.html

(Generalized) Linear and Hierarchical Linear Models in PyMC3 — PyMC3 3.6 documentation
  • docs.pymc.io
Lets generate some data with known slope and intercept and fit a simple linear GLM. The function can be used to generate the output variable y_est and coefficients of the specified linear model. Since there are a couple of general linear models that are being used over and over again (Normally distributed noise, logistic regression etc), the...
 
Maxim Dmitrievsky:

Sei de fato que se você construir um modelo generalizado sobre os mesmos dados, é melhor.

Não necessariamente linear, é claro.

https://docs.pymc.io/notebooks/GLM.html

Tudo amanhã.

 

Leia atentamente os últimos posts no tópico.

O que posso dizer... Yuri, dubeya, no entanto, faz pesquisas importantes dignas do tema "Da Teoria à Prática-2".

Portanto, ele argumenta que os comerciantes que negociam em canais escolhem estupidamente a medida da tendência central de forma incorreta (MA que já aborreceu a todos) e se metem em pesadas caudas de distribuições que literalmente esmagam suas estratégias. Se calcularmos esta medida corretamente, descobriremos que na janela em movimento, estamos sempre dentro de uma distribuição normal e temos o cobiçado Graal.

Vejamos o CLOSE M1 no par EURUSD para 2018.

O gráfico superior é o canal relativo à mediana móvel (janela de tempo=24 horas). De fato, há lá algumas caudas pesadas.

Gráfico inferior - soma acumulada dos incrementos na janela=24 horas, ou seja, o preço real na janela de tempo em movimento.

Nós nos perguntamos se o preço, como a soma de muitos CB independentes ou fracamente independentes, pertence a uma distribuição normal.

Analisamos a distribuição das somas dos incrementos ao longo do ano:

Estatísticas:


Sim, de fato, no limite, os preços na janela deslizante =24 horas formam quase uma distribuição gaussiana.

É lógico assumir que a melhor estimativa neste momento, para a atual distribuição de preços é também uma distribuição normal em relação à expectativa móvel, e que o que tomamos como uma cauda pesada não é uma cauda, mas um valor dentro de não mais de 6 sigma, pertencente à emergente distribuição gaussiana.

Eu acho que sim - Yuri está certo.

Conclusões: em relação à medida não desfasada da tendência central, estaremos sempre dentro da distribuição normal. Na verdade - dentro do graal. E se as linhas de regressão polinomial são esta medida, que precisamos verificar repetidamente, é isso - o problema está resolvido.

Obrigado por sua atenção.

 
Alexander_K2:

Leia atentamente os últimos posts no tópico.

O que posso dizer... Yuri, dubeya, no entanto, faz pesquisas importantes dignas do tema "Da Teoria à Prática-2".

Portanto, ele argumenta que os comerciantes que negociam em canais escolhem estupidamente a medida da tendência central de forma incorreta (MA que já aborreceu a todos) e se metem em pesadas caudas de distribuições que literalmente esmagam suas estratégias. Se calcularmos esta medida corretamente, descobriremos que na janela em movimento, estamos sempre dentro de uma distribuição normal e temos o cobiçado Graal.

Vejamos o CLOSE M1 no par EURUSD para 2018.

O gráfico superior é o canal relativo à mediana móvel (janela de tempo=24 horas). De fato, há lá algumas caudas pesadas.

Gráfico inferior - soma acumulada dos incrementos na janela=24 horas, ou seja, o preço real na janela de tempo em movimento.

Nós nos perguntamos se o preço, como a soma de muitos CB independentes ou fracamente independentes, pertence a uma distribuição normal.

Analisamos a distribuição das somas dos incrementos ao longo do ano:

Estatísticas:


Sim, de fato, no limite, os preços na janela deslizante =24 horas formam quase uma distribuição gaussiana.

É lógico supor que a melhor estimativa neste momento, para a distribuição de preços atual é também uma distribuição normal em relação à expectativa móvel, e que o que tomamos como uma cauda pesada não é uma cauda, mas um valor dentro de não mais do que 6 sigma que pertence à emergente distribuição gaussiana.

Eu acho que sim - Yuri está certo.

Conclusões: em relação à medida não desfasada da tendência central, estaremos sempre dentro da distribuição normal. Na verdade - dentro do graal. E se as linhas de regressão polinomial são esta medida, que eu preciso verificar repetidamente, é isso - o problema está resolvido.

Obrigado por sua atenção.

Fica bonito no gráfico!

 
Evgeniy Chumakov:

Sobre as médias.

Você pode calcular a média para cada símbolo em um par de moedas. Se você somar as médias (eur + usd) e dividir por dois = média de preço.

Para onde vou com isto? .... Não sei.

p.s. Yuri desculpe por entrar no assunto.

como é isso ? e qual será a média em dólares americanos medida em ?

em idéia o mesmo que a média do EUR, já que você os coloca no mesmo gráfico na mesma ordenada - então é isso que eles são medidos em ?

 
Maxim Kuznetsov:

Como mede a média em USD?

é suposto ser o mesmo que a média do EUR, já que você os coloca no mesmo gráfico na mesma ordenada - é assim que eles são medidos?

Eu não entendo sua pergunta.

 
Evgeniy Chumakov:

Eu não entendo a pergunta.

como você obteve a "média EUR/USD", a "média USD" e como todos eles tinham a mesma unidade de medida?

--

ps/ o gráfico acima parece simplesmente um par de termos mais altos de uma expansão de uma série de potências, mas com termos próprios enganosos

 
Alexander_K2:

Conclusões: em relação a uma medida não desfasada da tendência central, estaremos sempre dentro da distribuição normal. Na verdade - dentro do graal. E se esta medida for linhas de regressão polinomial, que precisamos verificar repetidamente, então o problema está resolvido.

De modo geral, a regressão polinomial (RP) não é uma medida desse tipo, e suas esperanças são em vão. Podemos realmente obter uma distribuição normal com RP, mas apenas como um conjunto de múltiplas realizações de BP em amostras pequenas e comprimentos de linha de RP. Em amostras longas, o PR não é mais capaz de reconstruir a linha BP (o que você quer de uma curva de 3-4 pedidos?)).

A única esperança é algum tipo de aproximação da linha reg. por algum tipo de filtro - Kalman, rastreamento ou previsão. Não sei se vou fazer isso, pois a verificação da normalidade acabou sendo um teste de um software destinado a outros fins. Especialmente porque já escrevi várias vezes na Tip que os rabos não são propriedade da BP, mas uma conseqüência das técnicas de processamento de dados, o que, imho, já é óbvio a partir de considerações gerais. Você não pode ouvir nada além de você mesmo lá)).

Em geral, suponho que já sabendo a priori sobre a normalidade e levando isso em conta, você pode tentar fazer sem a linha exata de reg. no TS).

Boa sorte no TA # 2).

 
Yuriy Asaulenko:


Não haverá TP#2 - haverá um torneio "Batalha dos Comerciantes" a partir de 1º de fevereiro. Eu e a Automat estaremos lá. Você gostaria de participar?

Na verdade, meu TS ainda tem alguns pontos fracos, é claro. Uma delas é a estimativa da medida da CT. Agora eu uso um WMA inteligente, mas não há limite para a perfeição :) É por isso que prestei atenção à sua pesquisa - é interessante.

Então... O que mais há para discutir? Discutimos tudo o que precisávamos há um ano :)