Распределение ценовых приращений - страница 7
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
Думаю, что в случае немарковского процесса надо заключать сделку против тренда, а для марковского - по тренду.
Странно. А я думал наоборот. Тренд - это эффект памяти процесса (зависимость между наблюдениями). А марковский процесс - беспамятный. Соответственно по тренду нужно торговать немарковский, а против тренда марковский.
Только на практике характер котировок, скорее всего, меняется туда-сюда.
Странно. А я думал наоборот. Тренд - это эффект памяти процесса (зависимость между наблюдениями). А марковский процесс - беспамятный. Соответственно по тренду нужно торговать немарковский, а против тренда марковский.
Контрпримеры для любителей "подумать":
Если returns подчиняются модели AR(1) - работать может как трендовая, так и контртрендовая торговля; получаемый процесс - марковский. Если добавить интегрирование дробного порядка - процесс станет немарковским, но работать будет как трендовая, так и контртрендовая торговля.
У модели AR(1) не так много параметров, чтобы понять от какого из них зависит работоспособность трендовой торговли, если дело не в том, является ли процесс марковским или нет.
Уважаемые трейдеры!
На досуге перечитал много тем на данном форуме - во многих из них обсуждается проблема определения вида распределения случайной величины returns (т.н. ценовых приращений). Для себя понял, что эта задача не решена и, имея, некоторым образом :) :) :), соответствующее образование и навыки, решил поучаствовать в решении этой задачи.
Итак, постановка задачи:
Определить по тиковым данным определенной валютной пары распределение вероятностей последовательных ценовых приращений Bid и Ask (т.е. анализировался набор данных, состоящий из разности между текущим и предыдущим значениями цены Ask и такой же набор для цены Bid). Должны быть представлены в аналитическом виде формулы плотности вероятности, функции распределения и квантильной функции данного распределения.
Задача оказалась, безусловно, непростой. Сражу скажу, что это распределение не является ни одним из широко обсуждаемых - ни нормальным, ни логистическим, ни Лапласа, ни Коши, и т.д. и т.п.
Перед тем как назвать Вам это распределение (точнее говоря, это - семейство распределений, т.к. разные валютные пары имеют разные значения коэффициента масштаба, который, в общем случае, не совпадает со стандартным отклонением), ответьте мне, пожалуйста, на пару вопросов - а что, собственно, дает знание этого распределения? Каким образом это поможет в торговле на рынке Forex?
С уважением,
случайно проходивший мимо и заинтересовавшийся рынком Forex
Alexander_K :) :)
1) Ничего не даёт.
2) Никаким образом не поможет.
Безусловно, это самый главный вопрос.
Думаю, что в случае немарковского процесса надо заключать сделку против тренда, а для марковского - по тренду.
На следующей неделе проведу исследования распределения вероятности времени прихода тиков - посмотрим какое оно для различных пар.
Если неэкспоненциальное - то процессы немарковские, ну и наоборот.
Результаты выложу на форуме.
Уж простите, Александр_К, но это совершенная, мягко говоря, чушь.
Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
Рынок -- управляемая динамическая система.
Олег avtomat, 2013.06.12 17:35
sergeyas:
Строго говоря,шум должен быть "красным".
Это собственные шумы любой "правильной" динамической системы.
Включим усилитель на максимальную громкость без подачи на вход музыки и услышим ШШШШШШШШШШ)).
Строго говоря, шум не должен быть, а может быть любым, в том числе и "красным", и "розовым", и "белым"... и "серо-буро-малиновым" -- любым.
это же справедливо и для приращений.
Модели GARCH, имеющие на входе логарифм приращений, состоят из трех частей: модели тренда, модели волантильности и модели распределения приращений. Существует огромная литература об этих распределениях, их влиянии на алгоритмы, отличия валютных пар по типам распределений и прочая.... Поднятый Вами вопрос с 30-ти летней бородой. Основным математическим инструментом на финансовых рынках являются GARCH, которых очень много. В ветке по машинному обучению я давал подбор литературы - цепляю повторно.
На сегодняшний день наиболее широко используется скошенное t-распределение. Но повторяю, что полная модель состоит из трех компонентов.
Имеется готовые пакеты программ, которые широко используются в реальной торговле. Результаты имеются в открытых публикациях. Из R можно назвать: fgarch, rugarch, но они не единственные.
Уважаемый Сан Саныч Фоменко.
Если вы тот Сан Саныч Фоменко, который заложил фундамент и разработал кластерные индикаторы , примите мои поздравления
Однако я хотел бы отметить важный аспект математического разложения
Чтобы получить какое-либо распределение ценовой функции, оно должно быть непрерывным с течением времени
Ето условие аксиома для всех интегральные и дифференциальные функции
Это условие непрерывности функции должно выполняться для любой функции, которую мы хотим дифференцировать или интегрировать еще больше, если мы хотим разложить ее в порядке
К сожаление природа Форекса такая что по моему она не может обеспечить гладкость и непрерывность цены из-за тикового характера ее формирования
Поэтому я думаю, что любые ценовые распределения, которые вы создаете, будут либо ошибочными, либо, по крайней мере, будут псевдораспределением
С уважением Стефан СтояновНаконец-то пошли профессиональные комментарии!!! Я очень этому рад.
Однако, в среде инженеров не принято отступать перед трудностями - не так ли? Первое, что необходимо сделать - это свести получаемые результаты к известной модели. Повторю - не придуманной, а известной.
1. Получаемые мной сейчас результаты о времени прихода тиков показывают, что вероятностное распределение времени прихода тиков не явлется экспоненциальным.
2. Как Вы думаете, если я сейчас начну считывать котировки через временные промежутки, удовлетворяющие экспоненциальному закону, это что-нибудь даст? Ведь по логике. я получу марковский процесс, с некоторыми псевдосостояниями котировок, когда торгов не было, но текущее состояние Bid и Ask считается пришедшим тиком.
Уважаемый Сан Саныч Фоменко.
Если вы тот Сан Саныч Фоменко, который заложил фундамент и разработал кластерные индикаторы , примите мои поздравления
Однако я хотел бы отметить важный аспект математического разложения
Чтобы получить какое-либо распределение ценовой функции, оно должно быть непрерывным с течением времени
Ето условие аксиома для всех интегральные и дифференциальные функции
Это условие непрерывности функции должно выполняться для любой функции, которую мы хотим дифференцировать или интегрировать еще больше, если мы хотим разложить ее в порядке
К сожаление природа Форекса такая что по моему она не может обеспечить гладкость и непрерывность цены из-за тикового характера ее формирования
Поэтому я думаю, что любые ценовые распределения, которые вы создаете, будут либо ошибочными, либо, по крайней мере, будут псевдораспределением
С уважением Стефан СтояновВ данном случае мы говорим об аппроксимации вероятностного распределения. Мои исследования говорят о том. что в первом приближении, вероятностном распределением ценовых приращений является t2-распределение Стьюдента с коэффициентом масштаба различным для разных валютных пар и не равном стандартному отклонению. Считаю это очень важной информацией. осталось только понять как это знание применить.
Все - запустил параллельно 2 процесса считывания тиков для пары EURJPY.
1. по реальному времени их прихода.
2. через промежутки времени, подчиняющиеся экспоненциальному закону распределения.
Посмотрим - будут ли какие интересные результаты.
Поздравляю поклонников теории вероятностей!
Действительно, если считывать тики не по реальному времени их прихода, а через промежутки времени, распределенные по показательному закону, то процесс ценообразования становится марковским. Причем, распределение приращений, взятых по модулю, из непонятно какого, становится геометрическим с p=0.5.
Остается непонятным - как теперь эти знания применить на практике, но то что мы на верном пути - это очевидно.