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
Первый и крайне туманный шаг - это детрендирование. Меня обругали, что я выкладывал графики, но из них следует, что примененный в данном топике способ получения остатка является бессмысленным, так как статистика этого остатка также плоха, как и статистика исходного ряда.
Вы бы ознакомились к названием топика. Знакомо понятие Feature Selection? Речь идет о применении линейной и нелинейной корреляции, а также других статистических методов для выделения переменных, которые несут информацию о состоянии нулевого или будущих баров.
я стремлюсь подходить к предмету без навязывания ему каких-то субъективных ограничений, условностей, теорий
Тогда Вам в детский сад - там уж точно без теорий, а здесь люди обрименены образованием
А если здесь такие как Вы обрИменены образованием, я бы им посоветовал сесть за парту снова.
Юморист
А что мешает это сделать по отношению к возврату (return)? Его можно дискретизировать, это случайная величина. Вполне приличный объект для приложения теории информации. Какие тут могут быть поиски идентичности? В войнушку играете, уважаемый...
faa1947: Для меня ТИ - это кодирование и шифрование и обратный процесс. Здесь пытаются на основе формул, якобы из ТИ, получить некоторую, вообще-то, содержательную информацию. Для таких операций существуют другие науки, в которых кроме анализа еще и доказывается что мы действительно видим то, что видим, а не некий фантом, который видит только автор топика.
А для меня в этой задаче ТИ - в первую очередь инструмент добычи данных (data mining). Что делать с этими данными - это уже другой вопрос. Важно, что мы действительно видим нечто не заметное невооруженным глазом. И о каких других науках Вы говорите?
anonymous: В статье сделан вывод о том, что между приращениями котировок есть статистические зависимости. Одна из этих зависимостей хорошо известна - зависимость условной дисперсии приращений (d[t]) от величины предшествующих приращений (r[t-1], r[t-2], ...) и дисперсий (d[t-1], ... ).
Причиной обнаружения статистической зависимости скорее всего была именно волатильность.
Похоже на GARCH(p, q). О каких порядках модели можно говорить?
И откуда Вы видите там волатильность, если речь шла только о возвратах?
Кстати, книга о семиинвариантах, которую Вы мне посоветовали, может вполне пригодиться для установления порядка зависимости.
Без обид к активным участникам топика. Вспомнился анекдот про самолёт с кучей бассейнов, спорт залов и прочего. "А теперь со всем этим добром мы попробуем взлететь". Вопрос не праздный, в чём прикладной аспект? Ну то есть от теории к практике на каком этапе планируется переход?
Слайды, слайды... ) Это то же из анекдота.