Вопросы для коротких ответов. - страница 5
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
Большая ликвидность.
Да, спасибо. Ликвидность и объёмы продаж связанные, но разные похоже вещи.
Какие факторы влияют на увеличение вероятности предсказуемой прибыли?
1. Большая волатильность. 2. Большие объёмы рынка. 3. Ликвидность. 4. Может ещё что-нибудь?
А как измерить ликвидность?
Уважаемые трейдеры, подскажите, пожалуйста, как измерить ликвидность? И на что она влияет?
На МТ4/МТ5 ликвидность
-- можно измерить косвенно - путем измерения проскользов (slippages) при исполнении ордеров
-- можно направить запрос брокеру и узнать кто его LPs (liquidity providers), больше провайдеров - лучше
Главный фактор обеспечения расчетной прибыльности для внутридневных стратегий
Такой вопрос возник. Как правильнее проверить корреляцию двух временных рядов?
Конечный алгоритм который будет учитывать эту корреляцию, рассчитывается в скользящем окне.
Отсюда и закралось сомнение, как лучше проверить на корреляцию два ряда?
Первый вариант, по всей выборке сразу. К примеру за год.
Второй вариант, пройтись предполагаемым скользящим окном, суммируя результаты корреляции каждого окна, и в конце получить среднее значение.
Второй вариант мне кажется более правилен, или я ошибаюсь?
Так как учитывается корреляция каждого скользящего окна, по идее получим более точный результат в динамике.
Кто что думает по этому поводу?
Такой вопрос возник. Как правильнее проверить корреляцию двух временных рядов?
Конечный алгоритм который будет учитывать эту корреляцию, рассчитывается в скользящем окне.
Отсюда и закралось сомнение, как лучше проверить на корреляцию два ряда?
Первый вариант, по всей выборке сразу. К примеру за год.
Второй вариант, пройтись предполагаемым скользящим окном, суммируя результаты корреляции каждого окна, и в конце получить среднее значение.
Второй вариант мне кажется более правилен, или я ошибаюсь?
Так как учитывается корреляция каждого скользящего окна, по идее получим более точный результат в динамике.
Кто что думает по этому поводу?
Смотря какая цель. По классике полные ряды смотреть, и более мелкие отрезки не влияют на корреляцию в целом. А вот если цель другая, есть ли коррелируемые участки на ВР, то скользящее окно как одно из решений. Это сложная задача на достаточно длинных рядах, и скользящее окно не лучшее решение, хотя самое дешевое.
Смотря какая цель. По классике полные ряды смотреть, и более мелкие отрезки не влияют на корреляцию в целом. А вот если цель другая, есть ли коррелируемые участки на ВР, то скользящее окно как одно из решений. Это сложная задача на достаточно длинных рядах, и скользящее окно не лучшее решение, хотя самое дешевое.
Цель, в поиске качественных коррелируемых зависимостей.
То есть такие ряды, которые меньше всего теряют корреляцию в динамике времени.
Если смотреть полные ряды, то оценку корреляции мы получаем как бы совокупно по всей выборке.
Но у рядов, ведь в какой то момент времени может падать корреляция, до неприемлемых значений, к примеру ниже 0.7
а потом через какое то время, снова подниматься до приемлемого значения, к примеру выше 0.7
А конечный результат к примеру получим 0.8, но мы же не знаем что было в динамике.
По этому и возникло сомнение, а правильно ли измерять корреляцию в данном случае за полный ряд?
Да, кроме скользящего окна и не чего на ум не приходит.
Насчёт сложности, я бы не сказал, копируем подготовленные рендж значения в цикле, рассчитываем корреляцию, результат суммируем, сдвигаем окно, и всё по новой.
В конце цикла, получаем среднее значение. Почему скользящее окно не лучшее решение? Есть другие способы?
Цель, в поиске качественных коррелируемых зависимостей.
То есть такие ряды, которые меньше всего теряют корреляцию в динамике времени.
Если смотреть полные ряды, то оценку корреляции мы получаем как бы совокупно по всей выборке.
Но у рядов, ведь в какой то момент времени может падать корреляция, до неприемлемых значений, к примеру ниже 0.7
а потом через какое то время, снова подниматься до приемлемого значения, к примеру выше 0.7
А конечный результат к примеру получим 0.8, но мы же не знаем что было в динамике.
По этому и возникло сомнение, а правильно ли измерять корреляцию в данном случае за полный ряд?
Да, кроме скользящего окна и не чего на ум не приходит.
Насчёт сложности, я бы не сказал, копируем подготовленные рендж значения в цикле, рассчитываем корреляцию, результат суммируем, сдвигаем окно, и всё по новой.
В конце цикла, получаем среднее значение. Почему скользящее окно не лучшее решение? Есть другие способы?
Вопрос в размерах окна. Если знаем длительность искомых участков, то да. А если нет, то перебор с поиском. Немного не так выразился. Конечно ск. окна. А сложно размеры подобрать.
Да, насчёт размера окна вопрос пока не ясный. Может есть смысл это окно брать рандомно?
Например допускаем верхний и нижний лимит диапазона окна, в котором предположительно будет работать конечный алгоритм.
И пусть на каждой итерации, рандомно меняется это окно в пределах этого диапазона. Как думаете?
Насчёт перебор с поиском, не совсем понял, если не сложно можно развернуть идею?