Что делает нестационарный график - нестационарным или почему масло - масленное? - страница 33
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
Каждая реализация помноженная на вероятность данной реализации равно мат.ожидание равно сегоднящней цене или нулю, смотря какая точка отсчёта. Для формулы x(t) = x(t-1) + e(t) мат.ожидание будет равно E[x(t)] = E[x(t-1)] + E[e(t)], где E[e(t)] = 0. Соответственно, E[x(t)] = E[x(t-1)]= E[x(t-2)] = E[x(t-3)] для любого t вплоть до того момента когда цена тебе уже известна и равна не мат.ожиданию, а конкретной цифре.
...
Слушайте, я же уже написал, что спорить по этому поводу не собираюсь. Свое мнение высказал - ряд котировок x(n)-x(n-1) стационарен, в том смысле, что основные параметры распределения сохраняются. Или иначе, их колебания можно считать стационарными (на разных масштабах). АКФ при сдвиге - нет. О необходимости исследования поведения большего количества сегментов так же выше писал (Вы же внимательно читали):
В том то и дело, что понятные (мне) и доказанные методы проверки требуют почему то большего количество сегментов, попросту требуется ряд. Полученный ряд параметров по сегментам анализируется на соответствие определенному (в зависимости от метода или его разновидности) распределению и только после этого можно применять критерии тренда. Для двух точек - делать такие выводы затруднительно.
Что собственно несколько лет назад и делал. Это подтвердили тесты на стационарность - нормальные статистические тесты. Если считаете, что ряд x(n)-x(n-1) не стационарен, то в этом так же ничего плохого нет.
Кстати, к чему Вы привели цитату? Во первых - я это читал, во вторых, это никак не противоречит сказанному. Кстати, конструкция x(n)-x(n-1), ln(x(n)/ln(x(n-1), ((1/n)SUM(x(n)) у Ширяева очень хорошо описаны и он рекомендует их для приведения ряда к стационарному (скрины приводить не буду, книжки в бумажном виде).
....
Я только хотел сказать, что приведенная мной методика проверки ряда на независимость приращений дает практически однозначный и теоретически на 99,99% обоснованный результат - ценовой ряд не является рядом с независимыми приращениями (даже если они мало или вообще не коррелируют). А это, в свою очередь, говорит о том, что все модели работы с ценой, подразумевающие независимость соседних отсчетов - неадекватны.
Более того, по-видимому (хотя это еще и надо доказать - а для этого просто не хватает исторических данных), статистическая зависимость между соседними отсчетами одинакова по форме на графиках ряда, по крайней мере, нескольких младших таймфреймов (вплоть до Н4 я это проверял с достаточной точностью). Т.Е. похоже на то, что указанная зависимость - явление неслучайное, как минимум, отчасти - а значит может быть спрогнозировано.
Еще раз повторюсь - этот вывод теоретический и основан исключительно на математике, никаких домыслов из области "фундаментального анализа":)
Мощьное заявление, и главное что все подсознательно хотят чтоб оно было правдой.
Косвенные доказательства "неслучайных" приращений ценового ряда - положительные результаты в работе на рынке с NN. Случайный же ряд (любой случайный) не может быть аппроксимирован, ни сам ряд, ни его приращения, ни скрытые закономерности ряда. Если это не так, значит он (ряд) неслучаен и имеет внутренние закономерности.
И пора, наверное, уже завязывать со "случайностями" на рынках и обсасыванием характеристик СЧ. Весь форум уже захламлен подобными непрактичными рассуждениями.
Слушайте, я же уже написал, что спорить по этому поводу не собираюсь. Свое мнение высказал - ряд котировок x(n)-x(n-1) стационарен, в том смысле, что основные параметры распределения сохраняются. Или иначе, их колебания можно считать стационарными (на разных масштабах). АКФ при сдвиге - нет. О необходимости исследования поведения большего количества сегментов так же выше писал (Вы же внимательно читали):
Что собственно несколько лет назад и делал. Это подтвердили тесты на стационарность - нормальные статистические тесты. Если считаете, что ряд x(n)-x(n-1) не стационарен, то в этом так же ничего плохого нет.
Кстати, к чему Вы привели цитату? Во первых - я это читал, во вторых, это никак не противоречит сказанному. Кстати, конструкция x(n)-x(n-1), ln(x(n)/ln(x(n-1), ((1/n)SUM(x(n)) у Ширяева очень хорошо описаны и он рекомендует их для приведения ряда к стационарному (скрины приводить не буду, книжки в бумажном виде).
ну если читали, то многократно упоминалось, что волатильность имеет память - зависимость от предыдущих значений. Стационарность же подразумевает, что дисперсия не зависит от предыдущих значений и является константой. Логарфимирование решает другую проблему - пропорциональность волатильности абсолютному значению, но никак не эффект кластерности и др. эффекты памяти. Когда акция стоила 1 руб и дневная вола была 5%, что составляло соответсвенно 5 коп. Когда выросла до 10 руб, то те же 5% волы уже 50 коп. в абсолютном приращении.
Что собственно несколько лет назад и делал. Это подтвердили тесты на стационарность - нормальные статистические тесты. Если считаете, что ряд x(n)-x(n-1) не стационарен, то в этом так же ничего плохого нет.
ок :)
И пора, наверное, уже завязывать со "случайностями" на рынках и обсасыванием характеристик СЧ. Весь форум уже захламлен подобными непрактичными рассуждениями.
Чтобы знать как можно заработать, необходимо сперва точно уяснить как заработать нельзя, чтобы потом не терять на это время. Ну и не стоит делать скорополительных выводов о непрактичности того или иного подхода, если ты не знаешь как, это не значит что никто не знает.
1) Чтобы знать как можно заработать, необходимо сперва точно уяснить как заработать нельзя, чтобы потом не терять на это время.
2) Ну и не стоит делать скорополительных выводов о непрактичности того или иного подхода, если ты не знаешь как, это не значит что никто не знает.
1) Ну как, уяснил? Вот и отлично!
2) Не делаю я никаких скоропалительных выводов. Зарабатывай как можешь и как умеешь, я ничего не имею против.
ну если читали, то многократно упоминалось, что волатильность имеет память - зависимость от предыдущих значений. Стационарность же подразумевает, что дисперсия не зависит от предыдущих значений и является константой
Логарфимирование решает другую проблему - пропорциональность волатильности абсолютному значению, но никак не эффект кластерности и др. эффекты памяти. Когда акция стоила 1 руб и дневная вола была 5%, что составляло соответсвенно 5 коп. Когда выросла до 10 руб, то те же 5% волы уже 50 коп. в абсолютном приращении.
Поймите правильно, нет никакого четкого и ясного определения "памяти временного ряда". Ни у кого нет, и делать столь фундаментальные открытия нужно крайне осторожно. Тем более Вы пишите об акциях, а я пишу о процессе x(n)-x(n-1). Этот процесс к акциям никакого отношения не имеет. Это стандартная процедура приведения ряда к стационарному и практически железобетонная, убивает все, или практически все. А вот ряд x(n)=x(n-1)+(случай) конечно нестационарный, и все, что Вы написали к нему относится непосредственно.
Поймите правильно, нет никакого четкого и ясного определения "памяти временного ряда". Ни у кого нет, и делать столь фундаментальные открытия нужно крайне осторожно.
Писали же уже, есть модель где учитывается память по волатильности.
ЭНГЛ, РОБЕРТ (Engle, Robert) (р. 1942), американский экономист, специалист по методам анализа экономической статистики. Лауреат Нобелевской премии по экономике 2003 "за методы анализа экономических временных рядов с изменяющейся во времени волатильностью" совместно с Клайвом Гренджером.
....
Хотя реальная волантильность переменна, экономисты долгое время имели в своем распоряжении только такие статистические методы, которые основаны на предположении о ее постоянстве. В 1982 Энгл разработал авторегрессионную гетероскедастическую (то есть предполагающую переменный разброс) модель (Autoregressive Conditional Heteroskedasticity — ARCH), на основе которой стало возможно предсказывать изменение волатильности. Открытый им метод анализа экономических временных рядов позволяет гораздо достовернее, чем ранее, прогнозировать тенденции изменения ВВП, потребительских цен, процентных ставок, биржевого курса и других экономических показателей не только на ближайший день или на неделю, но даже и на год вперед. Высокая точность прогнозов с использованием этой модели была доказана, в частности, на анализе историко-экономической статистики США и Великобритании, когда сделанный на основе данных за минувшие годы прогноз сопоставляли с фактическими показателями последующих лет.
https://www.mql5.com/go?link=http://slovari.yandex.ru/dict/krugosvet/article/c/ca/1011225.htm
Писали же уже, есть модель где учитывается память по волатильности.
...Никакой "памяти временного ряда" эта модель никогда не учитывала. Не надо выдавать смутно-желаемое за действительное.
гораздо достовернее, чем ранее, прогнозировать тенденции изменения ВВП, потребительских цен, процентных ставок, биржевого курса и других экономических показателей не только на ближайший день или на неделю, но даже и на год вперед.
Вы сами то пробовали прогнозировать с использованием этого метода?
Никакой "памяти временного ряда" эта модель никогда не учитывала. Не надо выдавать смутно-желаемое за действительное.
Вы сами то пробовали прогнозировать с использованием этого метода?
Не нравится слово память, пусть будет как у Ширяева "последействие". Модель использует зависимость волатильности от предыдущих значений при прогнозе. То что волатильность и дисперсия не являются константой, а меняется со временем и зависит от предыдущих значений - вроде просто и очевидно. Что и используется в моделях типа ARCH/GARCH. Вы же утверждаете, что дисперсия - неизменна. Хотя можете и так считать, если из этого удалось что-то полезное найти :) Главная ценность моделей быть практически полезными.