А вы умеете готовить каналы? - страница 7

 
Alexey Volchanskiy:

Друзья, торговли почти нет, самое время заняться теорией. Нарисовал веселую картинку, давайте обсудим работу в канале.

Мое скромное мнение, канал является вспомогательным инструментом и служит для подтверждения сигнала, полученного каким-то иным способом. 

Канал HP


Чушь собачья все эти каналы, тренды и прочая... все это хорошо выглядит на истории, а будущее скрыто за туманом НЕСТАЦИОНАРНОСТИ.

Или мы всегда помним про нестационарность  и ищем инструменты против нее, которые потом применяем, или сливаем депозит.

1. Торговля по паттернам (канал - это тоже паттерн). Берем ТА + мозги (опыт) - самое перспективное, и может быть выигрываем. Или берем МО, автоматически ищем паттерны... и упираемся в исходные данные, которые должны опять же порождать устойчивые паттерны для целевой переменной. Основная проблема не алгоритм поиска паттернов, а умение найти исходные данные для этих паттернов. Опыт показывает, что таких исходных данных (мультивалютник) около 30. Вот на таком количестве, в принципе, можно искать многомерные каналы. А это нужно?

2. Статистика (тулбокс "Эконометрика" в матлабе). GARCH. Преобразовываем исходный ряд в стационарный, сейчас за три шага.  До конца НИКОМУ не удалось добиться стационарного остатка от модели. А если остаток нестационарен, то всегда возникает ситуация, которая сливает депо.

 
СанСаныч Фоменко:

До конца НИКОМУ не удалось добиться стационарного остатка от модели. А если остаток нестационарен, то всегда возникает ситуация, которая сливает депо.


Вы так сложно завуалировали фразу "мы все сольём".

 
СанСаныч Фоменко:

Основная проблема не алгоритм поиска паттернов, а умение найти исходные данные для этих паттернов. Опыт показывает, что таких исходных данных (мультивалютник) около 30.

А поподробнее можно? Какие 30 исходных данных содержат паттерны?

 

Вот эволюция моделей от линейных до гарча

ну мб кому-то надо на питоне порешать примерчики и вкупить почему каналы не работают

ну основной посыл такой - все что нелинейное (нестационарное всмысле) то анпредиктабл, потому что к среднему не сходится.. как бы все так банально что аж не верится что эконометрика дальше идей Бернулли или кого там.. Гаусса пойти пока не смогла

http://www.blackarbs.com/blog/time-series-analysis-in-python-linear-models-to-garch/11/1/2016

Time Series Analysis (TSA) in Python - Linear Models to GARCH
Time Series Analysis (TSA) in Python - Linear Models to GARCH
  • 2016.11.08
  • Brian Christopher
  • www.blackarbs.com
So what?  Why do we care about stationarity?  A stationary time series (TS) is simple to predict as we can assume that future statistical properties are the same or proportional to current statistical properties.Most of the models we use in TSA assume covariance-stationarity (#3 above). This means the descriptive statistics these models predict...
 
Viktor Korchagin:

вот так проходил тест торговли 



ну так автоматизировать ннада

 
Viktor Korchagin:

я не программист, торговля велась на ш4 так что можно и руками торговать не спеша


поэтому мы не можем доверять вашему результату, т.к. он может оказаться случайным :)

 
СанСаныч Фоменко:

Чушь собачья все эти каналы, тренды и прочая... все это хорошо выглядит на истории, а будущее скрыто за туманом НЕСТАЦИОНАРНОСТИ.

Или мы всегда помним про нестационарность  и ищем инструменты против нее, которые потом применяем, или сливаем депозит.

1. Торговля по паттернам (канал - это тоже паттерн). Берем ТА + мозги (опыт) - самое перспективное, и может быть выигрываем. Или берем МО, автоматически ищем паттерны... и упираемся в исходные данные, которые должны опять же порождать устойчивые паттерны для целевой переменной. Основная проблема не алгоритм поиска паттернов, а умение найти исходные данные для этих паттернов. Опыт показывает, что таких исходных данных (мультивалютник) около 30. Вот на таком количестве, в принципе, можно искать многомерные каналы. А это нужно?

2. Статистика (тулбокс "Эконометрика" в матлабе). GARCH. Преобразовываем исходный ряд в стационарный, сейчас за три шага.  До конца НИКОМУ не удалось добиться стационарного остатка от модели. А если остаток нестационарен, то всегда возникает ситуация, которая сливает депо.

Полностью согласен. Каналы, тренды, по большому счету, апостериорны и  являются просто  привычным нам способом осмысливания уже сложившейся истории. Скользящие распределения вероятности  нужно просчитывать  - это даст  более достоверную информацию. Но и здесь нестационарность путает карты.      
 
Viktor Korchagin:

ваше право..я не на что не претендую)) но смысл я выложил, можете написать сову...будет интересно посмотреть на результаты


 
Aleksey Ivanov:
Полностью согласен. Каналы, тренды, по большому счету, апостериорны и  являются просто  привычным нам способом осмысливания уже сложившейся истории. Скользящие распределения вероятности  нужно просчитывать  - это даст  более достоверную информацию. Но и здесь нестационарность путает карты.      
Именно так. Я об этом уже 2 месяца на своей ветке рассказываю как это делать. А некоторые наидосточтимейшие люди абсолютно дубеют в этих вопросах. Не шарят, проще говоря. Им уже в домино пора играть :))))
 
Aleksey Ivanov:
Полностью согласен. Каналы, тренды, по большому счету, апостериорны и  являются просто  привычным нам способом осмысливания уже сложившейся истории. Скользящие распределения вероятности  нужно просчитывать  - это даст  более достоверную информацию. Но и здесь нестационарность путает карты.      
Это делается в GАRCH лет 15. Но до этого еще два действия для приращений: модель тренда в приращениях и модель волантильности (GARCH - кластеризации волантильности в первую голову, но есть  масса других нюансов). А потом вычисляется скользящая плотность и моделируется обычно t-распределением. Если посмотреть на историю развития моделей GARCH, то результативность этих моделей радикально улучшилась именно после моделирования плотности вероятностей. Так что без нее никуда.
Причина обращения: