Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Вот здесь интересно, Yurixx. Мне кажется, при нашем уровне доступа к рынкету мы просто обречены максимум на феноменологическое описание. Грубо говоря, на классическую термодинамику, а не на статистическую. А что, классическая плохо работает? Пусть даже в ее рамках мы не очень хорошо понимаем, что такое энтропия или температура - все равно она работает, и при этом очень неплохо.
Классическая работает хорошо. Но прежде, чем она заработала, и прежде, чем появилась на свет, трехглавый дракон Шарль-Бойль-Мариотт работал в поте лица и законы, которые он феноменологически вывел, оказались частными случаями уравнения Менделеева-Клапейрона. То есть от феноменологии удалось подняться до выявления действительных закономерностей. А если бы этого не было, то что бы было вообще в классической термодинамике ?
А мы обречены на феноменологическое описание толлько постольку, поскольку ставим чисто утилитарные цели - создать ТС и срубить бабла. А если кто-нибудь со светлой головой отвлечется от меркантильных интересов и посвятит глубокому изучению рынка свое время, то он будет иметь все необходимое для интересных открытий - инструменты, данные и т.д. Необходимое, но не достаточное ... :-)
Оф топ, но незнаю куда писать. Если я не ошибаюсь то в книге рекордов Гинеса зафиксирован рекорд 1200% годовых. Лари Ульямся http://web-investor.academ.org/index.php?action=articles&id=71
В теме "Стохастический резонанс" я, выкладывая свою работу, задал вопрос по поводу исследуемой ФР. На него ничто не смог ответить. Да и попыток было всего три. А оказывается это частный случай известной и исследованной функции, называемой Гамма-распределение. Наткнулся на это случайно, читая книгу по Байесовской статистике.
Я не считаю себя специалистом по статистике, но вот графики п. в. этих распределений. И скорее всего Ваше распределение это распределение Релея-Райса, но никак не гамма, если я правильно понял формулу.
Sqrt(x^2+y^2) п.в. этой величины и есть закон распределения Релея, очень часто используется в радиолокации, так распределена амплитуда шума при разложении в ряд Фурье (x- действительная составляющая, y – мнимая). Квадрат этой величины это логнормальное распределение – тесно связанное с энергией сигнала. Распределение Релея, это частный случай распределения Релея-Райса у которого действительно есть толстый хвост.
P.S. Если нужно могу постараться отсканировать нужные страницы и выслать Вам, но только на следующей недели смогу. Постарайтесь связаться со мной или оставьте координаты, я постараюсь помочь. Все эти распределения очень хорошо расписаны у Левин Б.Р. Теоретические основы статистической радиотехники. - М.: Радио и связь, 1989.
Я чаще всего в Skype -> privalov-sv
Прикладываю файл маткада, где они все построены и есть их характеристики + как его моделировать
Привет, коллеги.
Я не оставляю попыток качественного моделирования тиковой истории валютных рядов с помощью AR-моделей n-го порядка. Напомню, что непосредственно моделируется ряд первой разности X[i]=Y[i]-Y[i-1] исходного ВР: , где a[i] - коэффициенты авторегрессии, sigma - как-то распределённая случайная величина.
Как вы думаете, каким образом можно связать ФА первой разности валютного ряда и ФА первой разности модельного ряда, через ФР случайной величины (sigma) в AR-модели?
Задача имеет решение. Ручками можно подобрать "нужный" закон распределения sigma, но это муторная процедура! Yurixx, кажется, что задача в такой постановке представляет для тебя определённый интерес. Мы бы, в случае положительного исхода, имели бы в руках алгоритм построения ВР идентичного порождающему в смысле волатильности и сохранения связей между тиками (барами на различных ТФ), что, как отмечал Mathemat, необходимо для репрезентативного тестирования ТС.
сокращение ФА ? расшифруй плиз. Это функция авторегресии X[i] ?
сокращение ФА ? расшифруй плиз. Это функция авторегресии X[i] ?
Ох! прошу прощения. Везде, вместо ФА следует читать ФР.
Как вы думаете, каким образом можно связать ФР первой разности валютного ряда и ФР первой разности модельного ряда, через ФР случайной величины (sigma) в AR-модели?
Задача имеет решение. Ручками можно подобрать "нужный" закон распределения sigma, но это муторная процедура!
Ну, если исходить из предположения, что сигма должна привести ФР модельного ряда к ФР валютного ряда, то ФР сигмы нужно строить как ФР разности двух СВ: модельного Х и реального Y. Однако, поскольку сигма участвует в образовании Х и весь случайный характер Х определен сигмой, то так сразу сказать трудно.
Может попробовать от обратного. Как построить распределение Х, если Хi+1=Xi + sigma, а ФР сигмы известна ? Если решить эту задачу, то можно решить и ту, которую ты ставишь.
Пока не понятно как это можно реализовать.
Вопрос, коллеги, не в тему ветки. Вы наверняка сейчас проявляете определённый интерес к возможному применению нейросетей (НС) в ТС. Вот ответьте мне, правильно я понимаю, что использование НС оправдано при достаточно большом количестве входных параметров, когда применение обычного перебора для оптимизации ТС (даже с использованием генетического алгоритма) неоправданно по техническим причинам? Можно ещё подчеркнуть способность НС к самообучению в процессе работы, но эту задачу нетрудно решить с использованием процедуры автоматической оптимизации обычной логической конструкции.
Я думаю, что правильно, но думаю также, что это не все.
Не знаю что такое "автоматическая оптимизация обычной логической конструкции", но в НС меня привлекает как раз возможность реализовать очень сложные логики принятия решений. Даже при не очень большом числе параметров фазовое пространство системы оказывается слишком многомерным для человеческого восприятия. Если подход правильный и избранные оценки дают возможность кластеризации фазового пространства, то расположение и форма кластеров может иметь очень сложную топологию. Нужно либо визуализировать ее как-то, чтобы описать логику принятия решений, либо в слепую ввести классы и критерии принадлежности. НС с этим, а также и с вероятностными оценками (как мы видим) справляется значительно лучше.
В теме "Стохастический резонанс" я, выкладывая свою работу, задал вопрос по поводу исследуемой ФР. На него ничто не смог ответить. Да и попыток было всего три. А оказывается это частный случай известной и исследованной функции, называемой Гамма-распределение. Наткнулся на это случайно, читая книгу по Байесовской статистике.
Я не считаю себя специалистом по статистике, но вот графики п. в. этих распределений. И скорее всего Ваше распределение это распределение Релея-Райса, но никак не гамма, если я правильно понял формулу.
Гамма-распределение имеет один параметр. В зависимости от его значения оно может иметь разную форму, в том числе и похожую на распределение Релея. При этом его стат.характеристики и поведение при больших х будут отличаться.
Я не знаю, какое распределение мне "нужно". Просто такой вопрос в свое время возник и ответ на него я нашел только спустя какое-то время. Что делать с ФР - вот это вопрос. Только когда он будет решен встанет следующий вопрос о виде функции распределения. Вот тогда можно будет вернуться ко всему этому джентльменскому набору.