Феномены рынка - страница 28
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
Модель рынка
...Суть ее очень простая. Существует конечное число структур, которые описывают трансформацию входа в выход. Каждая такая структура предполагает наличие некой модели, в соответствии с которой происходит преобразование. Наблюдаемый процесс образуется переходом (переключением) между структурами...
Коллеги, я на продолжительное время покину форум. попутных трендов.
gpwr, проблема в том, что это декодирование (или, что примерно то же самое, - переключение между структурами), скорее всего, нелинейно.
Линейные связи между событиями (корреляции по Пирсону) исчезают уже на небольших "расстояниях" между событиями. Под расстоянием имею в виду количество единиц базового ТФ, т.е. число баров.
Пока дополнительно сказать нечего, т.к. и сам иду в темноте и нащупываю.
Мне кажется что Вы думаете в правильном направлении. Я бы ещё добавил что цены на определённом промежутке времени представляются не просто пероходами между этими структурами, но ими взвешенными комбинациями. Тут главное правильно найти эти структуры. Что они представлют собой? Принципиальные вектора? Синусы и косинусы как в преобразовании Фурье? Вейвлеты? Если кто знает как правильно определить эти структуры из временного ряда, то поделитесь мыслями. Тут выборов может быть много, но правильный только один. Я бы посчитал те структуры (вейвлеты) правильными, которых требуется наименьшее количество чтобы описать цену. Это по моему опыту из радиотехники. Передаваемая цифровая информация 100110... пропускается через цифровой фильтр/ЦАП-модулятор и таким образом преобразуется в аналоговый сигнал с большим количеством значений чем первоначальная информация. Процесс представления рыночных цен в виде переходов между структурами по существу идентичен процессу демодуляции радио-сигнала (или уменьшению размерности стохастических процессов). Чтобы правильно демодулриотвать этот сигнал нужно занать какими фильтрами (структурами) он был закодирован.
Как радиотехник(к сожалению уже в прошлом) поддержу Вашу мысль о демодуляции.
Напрашивается идея синхронного детектирования - главное определиться с опорным сигналом и видом фильтрации(скорее нелинейной).
gpwr, проблема в том, что это декодирование (или, что примерно то же самое, - переключение между структурами), скорее всего, нелинейно.
Линейные связи между событиями (корреляции по Пирсону) исчезают уже на небольших "расстояниях" между событиями. Под расстоянием имею в виду количество единиц базового ТФ, т.е. число баров.
Пока дополнительно сказать нечего, т.к. и сам иду в темноте и нащупываю.
Мой интерес к этой теме структур вызван их более практическим применением чем предсказание рыночных цен. Меня сейчас более интересует разработка систем быстрого распознование речи. Как мы знаем, речь состоит из фонем (тех же структур), набор которых образует слово. Например, в русском языке всего 43 фонем, ктотрые образуют 150-200 тысяч слов. Эти слова в свою очередь образуют предложения и нашу речь. Речь можно рассматривать эквивалентом рыночной цены, фонем (структур) которой мы не знаем. Поэтому она и выглядет как шум (представьте себе речь инопланетянина). Фонемы речи генрируются звуковыми связками, языком и т.п., короче голосовыми фильтрами, на вход которых подаётся шум в виде выдыхаемого воздуха. Наше восприятие речи это тоже процесс фильтрации звуков фильтрами внутреннего уха настроенными на различные фонемы. То есть, упрощённо, на вход (ухо) подаётся кодированный сигнал (речь), а на выходе (в коре головного мозга) получаем сигнал (слова). Предсказание цены сводится к предсказанию будущих фонем (структур). Но меня это не интересует. Меня интересует распознование прошлых и настоящих фонем (структур). Чтобы этого достичь, нужно иметь словарь этих фонем и кореллировать речь с этими известными фонемами (упрощённо конечно). Если мы знаем на каком языке говорит наш собеседник, то всё очень просто - находим соответствующий словарь фонем и декодируем речь в текст а потом переводим его со словарём. А что делать если нам неизвестен язык говорящего? Как нам из речи определить фонемы? Или, по теме, как нам из ценовых котировок определить структуры? Причём заметьте что количество ценовых структур должно быть того же порядка как и количество речевых фонем (10-100).
gpwr:
...
Причём заметьте что количество ценовых структур должно быть того же порядка как и количество речевых фонем (10-100).
Здесь уже, по-моему, близка тема "рыночных паттернов" (неких, как Вы пишете фонем) - в частности их задание и распознавание, допустим уже НС. После чего уже принимается торговое решение - либо вверх, либо вниз. Как-то так.
Согласен. Терминов много разных напридумали: фонемы, структуры, паттерны, вейвлеты, базисные функции. Мне больше нравится термин базисные функции. Меня интересует вопрос: как зная временной ряд, автоматически определить его базисные функции? Конечно можно визуально изучить этот ряд и найти треугольники, флаги и другие приятные взгляду фигуры. Но никто пока не доказал что эти паттерны имеют статистическую важность, а не просто продукт воображения. Помните как в анекдоте:
Психиатр показывает разные картинки больному спрашивая "Что вы на них видите?" А больной каждый раз отвечает "Мужчина и женщина занимаются сексом". "Развратник вы какой-то" говорит врач. А больной отвечает: "Ну вы же сами показывали мне эти развратные картинки"
Автоматическое определение статистически важных базисных функций это довольно сложный процесс и мне так кажется пока ещё никто не додумался как это правильно сделать даже нейронными сетями. Конечно можно упростить задачу и заранее предположить что временной ряд разбивается на вейвлеты Хаара, или тригонометрические функции как в ряде Фурье, или на другие базисные функции часто используемыми в регрессии. Причём все эти базисные функции успешно воспроизведут наш ряд, будь то ценовой ряд или речь. Но, представьте себе если мы разобьём речь на вейвлеты Хаара - ничего общего они с фонемами не имеют. Так же бессмысленно будет разбивать ценовой ряд на вейвлеты Хаара или тригонометрические функции. Тут к месту упомянуть compressive sensing, суть которого сводится к описанию сигнала наименьшим набором базисных функций. Хотя существует много алгоритмов этого метода, все они предполагают что базисные функции нам известны. Короче, елси у кого есть мысли об алгоритме нахождения базисных функций из ценового ряда, то пожалуйста поделитесь.
... Короче, елси у кого есть мысли об алгоритме нахождения базисных функций из ценового ряда, то пожалуйста поделитесь.
Как радиотехник(к сожалению уже в прошлом) поддержу Вашу мысль о демодуляции.
Напрашивается идея синхронного детектирования - главное определиться с опорным сигналом и видом фильтрации(скорее нелинейной).
Мне это уже нравится..Сергей, на каких главных принципах физики работает радио(телеграф и т.д.)
Согласен. Терминов много разных напридумали: фонемы, структуры, паттерны, вейвлеты, базисные функции. Мне больше нравится термин базисные функции. Меня интересует вопрос: как зная временной ряд, автоматически определить его базисные функции? Конечно можно визуально изучить этот ряд и найти треугольники, флаги и другие приятные взгляду фигуры. Но никто пока не доказал что эти паттерны имеют статистическую важность, а не просто продукт воображения. Помните как в анекдоте:
Психиатр показывает разные картинки больному спрашивая "Что вы на них видите?" А больной каждый раз отвечает "Мужчина и женщина занимаются сексом". "Развратник вы какой-то" говорит врач. А больной отвечает: "Ну вы же сами показывали мне эти развратные картинки"
Автоматическое определение статистически важных базисных функций это довольно сложный процесс и мне так кажется пока ещё никто не додумался как это правильно сделать даже нейронными сетями. Конечно можно упростить задачу и заранее предположить что временной ряд разбивается на вейвлеты Хаара, или тригонометрические функции как в ряде Фурье, или на другие базисные функции часто используемыми в регрессии. Причём все эти базисные функции успешно воспроизведут наш ряд, будь то ценовой ряд или речь. Но, представьте себе если мы разобьём речь на вейвлеты Хаара - ничего общего они с фонемами не имеют. Так же бессмысленно будет разбивать ценовой ряд на вейвлеты Хаара или тригонометрические функции. Тут к месту упомянуть compressive sensing, суть которого сводится к описанию сигнала наименьшим набором базисных функций. Хотя существует много алгоритмов этого метода, все они предполагают что базисные функции нам известны. Короче, елси у кого есть мысли об алгоритме нахождения базисных функций из ценового ряда, то пожалуйста поделитесь.