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
Кстати, было бы интересно посмотреть картинки, аналогичные приведенным Вами в https://www.mql5.com/ru/forum/368720/page2#comment_22207994,
для конкретного случая, когда курс изменился почти скачком.
В принципе, что и следовало ожидать.
Но теперь я хоть понял, что к чему.
Алексей, такой вопрос возник.
Забурился я в эконометрические формулы, и во многих формулах присутствует переменная, которая является белым шумом.
По определению, белый шум имеет идеальные характеристики, наличие нормальности с постоянной дисперсией единица.
Очевидно, что такой белый шум в реальности наверно не встретить. От сюда вопрос:
в практике, что используют в качестве белого шума?
Этот белый шум как то должен быть причастен к входным данным? Например в качестве шума брать остатки, но тогда нарушается условие нормальности и дисперсии.
Или это реально должен быть посторонний шум, который можно просто рандомно сгенерировать, с заданными характеристиками?
Или в том и смысл, чтобы добиться от остатков характеристик белого шума? То есть нормальность есть, дисперсия постоянна, автокорреляция отсутствует.
А причет тут нормальность и дисперсия? Белый шум характеризуется автокорреляционной дельта-функцией Дирака. Легче стало от зауми? Шутка... хотя и правда (про дельта-функцию Дирака).
Генератор равномерно распределенных случайных чисел - вот вам и белый шум - вот и всё. Диапазон - какой хотите, такой и делайте: A*2.0*(MathRand()/32767-0.5).
Вообще существует гугл и с его помощью можно найти много интересного: https://ru.wikipedia.org/wiki/Белый_шум
А причет тут нормальность и дисперсия? Белый шум характеризуется автокорреляционной дельта-функцией Дирака. Легче стало от зауми?
Шутка... хотя и правда (про дельта-функцию Дирака).
Генератор равномерно распределенных случайных чисел - вот вам и белый шум - вот и всё. Диапазон - какой хотите, такой и делайте: A*2.0*(MathRand()/32767-0.5).
Вообще существует гугл и с его помощью можно найти много интересного: https://ru.wikipedia.org/wiki/Белый_шум
Не убедительно.
У меня другая информация на этот счёт.
Если элементы ряда wt являются независимыми одинаково распределенными (i.i.d.) величинами со средним (mean) равным 0 и дисперсией (variation), равной σ2,
и отсутствием автокорреляции Cor(wi,wj)≠0, ∀i≠j, тогда серия wt представляет собой белый шум ( white noise).
Как я предполагаю, генератор необходим при тестовом моделировании, так сказать для проверки.
Может я не верно понял выражение одинаково распределённые (i.i.d) ?На практике же генератор не должен использоваться.
И это не означает, что они нормально распределённые ?
Не убедительно.
У меня другая информация на этот счёт.
Если элементы ряда wt являются независимыми одинаково распределенными (i.i.d.) величинами со средним (mean) равным 0 и дисперсией (variation), равной σ2,
и отсутствием автокорреляции Cor(wi,wj)≠0, ∀i≠j, тогда серия wt представляет собой белый шум ( white noise).
Как я предполагаю, генератор необходим при тестовом моделировании, так сказать для проверки.
Может я не верно понял выражение одинаково распределённые (i.i.d) ?На практике же генератор не должен использоваться.
И это не означает, что они нормально распределённые ?
Белый шум - постоянное МО, постоянная дисперсия и нулевая автоковариационная функция (наблюдения не коррелированы между собой). Слабо стационарный процесс.
Если наблюдения будут иметь нормальное распределение, то процесс становится строго стационарным, а коэффициенты автокорреляции также будут иметь нормальное распределение.
Белый шум - постоянное МО, постоянная дисперсия и нулевая автоковариационная функция (наблюдения не коррелированы между собой). Слабо стационарный процесс.
Если наблюдения будут иметь нормальное распределение, то процесс становится строго стационарным, а коэффициенты автокорреляции также будут иметь нормальное распределение.
Воот. Спасибо.
Слабо стационарный процесс.
Строго стационарный процесс.
Разница есть. В зависимости от того, имеют наблюдения нормальное распределение или нет.
Но вопрос был немного в другом.
Что используют в качестве шума на практике? Остатки?
Воот. Спасибо.
Слабо стационарный процесс.
Строго стационарный процесс.
Разница есть. В зависимости от того, имеют наблюдения нормальное распределение или нет.
Но вопрос был немного в другом.
Что используют в качестве шума на практике? Остатки?
Вопрос не совсем понял - зачем использовать белый шум?
Если тебе нужен такой ряд, то можешь сгенерировать ряд СБ в Экселе или другой программе и взять его первые разности - это будет белый шум.
Если подойдет грубая оценка - первые разницы ценового ряда тоже являются квазиБелым шумом
Какое матожидание у белого шума? Оно постоянное и одинаковое на всех значениях диапазона. Если конечно посчитать по формуле, то будет 0 - тут не поспоришь, математика молчаливая наука - в ответ не выматерится.
Белый шума стационарен. Хотя, скорее глупо говорить о его стационарности, это белый шум - этим все сказано.
Слово "одинаковый" по смыслу ближе к "равномерный", чем к "нормальный". А вообще, как один элемент может быть как-то распределенным? Абсурдное определение. Или что за элементы? Куски ряда? С какого перепуга вообще о кусках (элементах) разговор?
Вопрос не совсем понял - зачем использовать белый шум?
Если тебе нужен такой ряд, то можешь сгенерировать ряд СБ в Экселе или другой программе и взять его первые разности - это будет белый шум.
Если подойдет грубая оценка - первые разницы ценового ряда тоже являются квазиБелым шумом
Раз в формуле есть составляющая в виде белого шума, значит ее надо выделить... даже если полезный сигнал и так виден))
Все числовые ряды делятся на три типа - детерминированные, случайные и стохастические.
ТеорВер занимается случайными рядами - задача состоит в том, что бы разложить случайный ряд на детерминированную и стохастическую составляющую. Грубо говоря, модель + белый шум.