Предсказание рынка на основе макроэкономических показателей - страница 6
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
На mql это как то так.
if(h<3) { h=pow(4./3./n,0.2); }
Здесь ошибка. Если h не задано, то расчитывается по формуле h=pow(4./3./n,0.2). Если задано как входной параметр p_h, то h = p_h. В Матлабе, переменная измеряющая количество входов называется nargin. Если nargin<3, to это означает что только два первых входов указано при вызове фуинкции, x и y. В этом случае рассчитывем h по формуле.
if(h<3) { h=pow(4./3./n,0.2); }
Здесь ошибка. Если h не задано, то расчитывается по формуле h=pow(4./3./n,0.2). Если задано как входной параметр p_h, то h = p_h. В Матлабе, переменная измеряющая количество входов называется nargin. Если nargin<3, to это означает что только два первых входов указано при вызове фуинкции, x и y. В этом случае рассчитывем h по формуле.
Попалась статья и показалось, что по теме. Файл в аттаче.
Вот фраза
We report evidence of a deep interplay between cross-correlations hierarchical properties and multifractality of New York Stock Exchange daily stock returns.
Попалась статья и показалось, что по теме. Файл в аттаче.
Вот фраза
We report evidence of a deep interplay between cross-correlations hierarchical properties and multifractality of New York Stock Exchange daily stock returns.
Мне эту статью трудно понять, но всё равно спасибо.
Я задумался о распределении положительных и отрицательных отклонений рыночных цен. Когда-то здесь обсуждалось такое и вывод был что отрицательные отклонения сильнее положительных. Попробую заменить регрессию одной прямой на регрессию двумя прямыми: одну для положительных значений входа и другую для отрицательных. Посмотрю что получится.
Мне эту статью трудно понять, но всё равно спасибо.
Я задумался о распределении положительных и отрицательных отклонений рыночных цен. Когда-то здесь обсуждалось такое и вывод был что отрицательные отклонения сильнее положительных. Попробую заменить регрессию одной прямой на регрессию двумя прямыми: одну для положительных значений входа и другую для отрицательных. Посмотрю что получится.
Модели бывают двух типов:
Для классификации очень распространены леса случайных деревьев - randomForest. Очень хорошо работают для исходных данных, в которых очень много переменных, имеющих малое количество измерений. Обычно хватает 50-100 измерений. А переменных может быть несколько десятков тысяч.
Для прикидочных расчетов очень удобен Rattle. Вы упомянули Матлаб, так для Вас Rattle - день работы и становятся доступны 6 моделей обоих типов, как регрессионные, так и классификационные. Там же можно посмотреть корреляции, отбросить некоторые переменные, оценить результат..... Получить массу интересных сведений о Ваших переменных. Кстати оценить важность переменных.
Потратьте время на Rattle - не пожалеете, особенно на Вашем этапе и Вашими целями - просто посмотреть, что получается.
Не хотите добавать в свои классификатор вот эти данные: "Проект Meta COT - новые горизонты анализа отчетов CFTC в терминале MetaTrader 4". Интересно было бы посмотреть на сколько сильным предиктором они являются.
Посмотрел статью но не понял какие данные. Я с удовольствием попробую новые данные, но скажите конкретно какие и где их достать. Данные должны быть существовать по крайней мере до 1980 года (идеально если с 1960 года). СКО предсказаний моей системы уменьшается если передвигать начало истории вправо и её предсказания становятся хуже случайных предсказаний если начало обучающей истории передвигается после 1980 года. Это скорее всего связано с уменьшением количества прошлых предсказаний, на основе которых выбираются наилучшие предсказатели для тестируемого периода с 2000 года. Я уже подкачиваю put/call ratio для S&P 500, но эти данные отбрасываются моей системой так как они начинаются с 1995 года а система начинает обучаться с 1960 года. Все данные, которые начинаются позже 1860 года, автоматически отбрасываются.
К сожалению требование на глубину 1960 года очень жесткое. COT, в том виде, в каком они начали публиковаться сейчас начали собираться в конце 80-ых годов (старые добрые восьмедесятые).
Попробуйте собрать модель, для обучения которой потребуется меньшая история. COT выходит раз в неделю, put/call ratio вообще доступны на конец каждого дня. Т.е. общее количество измерений для таких данных может быть даже больше чем для ежемесячных отчетов.
Если что, данные здесь: http://www.cftc.gov/MarketReports/CommitmentsofTraders/HistoricalCompressed/index.htm
Как можно предсказать крах, вызванный в мае 2010 ошибкой работы робота (все пришли именно к этому мнение) и евро рухнуло более, чем 1000 (!) пунктов, или крах, вызванный январским поведением франка?
Крах, он потому и крах, что происходит НЕОЖИДАННО! :)
Крах вызванный работой алгоритма это ошибка алгоритма, происходит редко и можно исправить проанализировав ситуацию и сам алгоритм.
Но крахи происходят ежедневно, любое резкое изменение курса из равновесного состояния можно рассматривать с точки зрения краха.
Такой крах вызван поведением толпы и имеет своих предвестников. Их поиском все собственно и занимаются.