От теории к практике - страница 417
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
Я вот о чем думаю.
Если распределение выборки из, допустим, 1.000.000 тиков является неустойчивым (а я все никак не могу собрать такой объем на своем экспоненциальном времени) и меняет дисперсию с течением времени, то получается, что использовать в моем случае в качестве меры центральной тенденции нельзя ни среднее арифметическое, ни взвешенное среднее.
Остается медиана.
Относительно медианы каналы выстраивать нужно. Так что ли?
Эта неустойчивость вполне может быть следствием нестационарности (не обязательно, но скорее всего). В случае нестационарности любая выборочная величина (моменты, квантили и т.д.) скорее всего не имеет смысла. Я не зря писал про основы теорвера - выборочные величины обычно считают для ряда одинаково распределённых случайных величин. В случае же нестационарных приращений они разнораспределёные (по определению)
Ребятки, нужно брать инвертированную автокорреляцию (регрессию) и уже на ней строить приращения, смотреть ошибки, распределения, обучать НС или что душе угодно
единственное отличие теорий эффективного и фрактального рынка это то что ряд не авторегрессивный а инверт. авторегрессивный. Отсюда появляется память, такой ряд прогнозируется.
более того, он может быть инверт. авторегрес. n-ного порядка, здесь даже прореживание Эрланга может подойти.
и рубить бабло тоннами
как приеду с отдыха доделаю индикатор. Но сами сделайте, не поленитесь. В книжках об этом не написано нигде и ничего, а значит есть шанс :)
Ребятки, нужно брать инвертированную автокорреляцию (регрессию) и уже на ней строить приращения, смотреть ошибки, распределения, обучать НС или что душе угодно
единственное отличие теорий эффективного и фрактального рынка это то что ряд не авторегрессивный а инверт. авторегрессивный. Отсюда появляется память, такой ряд прогнозируется.
более того, он может быть инверт. авторегрес. n-ного порядка, здесь даже прореживание Эрланга может подойти.
и рубить бабло тоннами
как приеду с отдыха доделаю индикатор. Но сами сделайте, не поленитесь. В книжках об этом не написано нигде и ничего, а значит есть шанс :)
Имеется в виду Inverse Autoregressive Flow (IAF)?
Имеется в виду Inverse Autoregressive Flow (IAF)?
к сожалению, не знаю названия, возможно
надо почитать, если там выборка делится на 2 равных части, первая преворачивается зеркально и считается акф или авторегр. по значениям (лаговое значение берется из 2-й выборки) то да
а размер окна должен меняться при поиске наименьшей ошибки на выборках, т.е. берем 4 точки, делим на 2, переворачиваем 2-й кусок зеркально, считаем корреляцию, берем 6 точек, потом 8 и т.п. Чем больше окно и выше корреляция тем ряд интересней для торговли
к сожалению, не знаю названия, возможно
надо почитать, если там выборка делится на 2 равных части, первая преворачивается зеркально и считается акф или авторегр. по значениям (лаговое значение берется из 2-й выборки) то да
а размер окна должен меняться при поиске наименьшей ошибки на выборках, т.е. берем 4 точки, делим на 2, переворачиваем 2-й кусок зеркально, считаем корреляцию, берем 6 точек, потом 8 и т.п. Чем больше окно и выше корреляция тем ряд интересней для торговли
Вы бредите?
смысли?
к сожалению, не знаю названия, возможно
надо почитать, если там выборка делится на 2 части, первая преворачивается зеркально и считается акф или авторегр. то да
Видимо, это что-то другое, но тоже из области нейросетей.
Всё же не думаю, что есть какие-либо способы свести ряд цен к какому-либо стационарному процессу. Скорее, надо адаптировать имеющиеся для нестац. процессов методы (например, задача о разладке)
К тому же, выборочная АКФ (как и выборочное распределение, моменты и т.д.) имеет смысл только для стационарного процесса. В случае нестационарности будут проблемы как у ТСВидимо, это что-то другое, но тоже из области нейросетей.
Всё же не думаю, что есть какие-либо способы свести ряд цен к какому-либо стационарному процессу. Скорее, надо адаптировать имеющиеся для нестац. процессов методы (например, задача о разладке)
весь ряд скорее наверное нельзя, а отдельные куски можно привести к такому состоянию через этот метод, с отсевом "плохих"
но проще доделать потом и посмотреть чем объяснять своими придуманными терминами :)
К тому же, выборочная АКФ (как и выборочное распределение, моменты и т.д.) имеет смысл только для стационарного процесса. В случае нестационарности будут проблемы как у ТС
как раз происходит поиск стационарного процесса через коинтеграцию графика с самим собой, но с инвертированной его частью. Неудачные участки пропускаются и торговля не ведется
но мне надоело придумывать новые сущности :) потом продемонстрирую на индикаторе, в первую очередь самому себе
очередное извращение над ценой
Как бы по простому объяснить утопию такого рода занятия...?
А, о!
Допустим я иду в магазин и начинаю ни с того ни с чего прикидывать на сколько же цена стала дороже/дешевле? // еще хуже - натягивать фибо на ценник.
Констатирую - я сделал оценку прошлого.
Вряд ли я буду иметь с этого анализа прогноз, не так ли?