Обсуждение статьи "Прогнозирование OHLC-рядов Forex методом векторной авторегрессии (VAR)"

Новый комментарий
 

Опубликована статья Прогнозирование OHLC-рядов Forex методом векторной авторегрессии (VAR):

В этом материале мы познакомимся с тем, как модели векторной авторегрессии (VAR) могут прогнозировать временные ряды значений OHLC (цены открытия, максимум, минимум и цена закрытия) на форексе Поговорим о том, как реализовать VAR-модели, обучать их и строить прогнозы в MetaTrader 5 в реальном времени, чтобы анализировать взаимозависимые движения валютных курсов для получения лучших результатов в трейдинге.

Это традиционный статистический инструмент прогнозирования временных рядов, используемый для исследования динамических взаимосвязей между несколькими переменными временного ряда. В отличие от одномерных авторегрессионных моделей, таких как ARIMA (мы обсуждали ее в предыдущей статье), которые прогнозируют только одну переменную на основе ее прошлых значений, VAR-модели исследуют взаимосвязь множества переменных.

Для этого они моделируют каждую переменную как функцию не только ее собственных прошлых значений, но и прошлых значений других переменных в системе. В этой статье мы рассмотрим основы векторной авторегрессии и ее применение в трейдинге.

Векторная авторегрессия была впервые представлена в 1960-х годах экономистом Клайвом Грейнджером. Его открытия заложили основы для понимания и моделирования динамических взаимодействий между экономическими факторами. VAR-модели получили широкое распространение в эконометрике и макроэкономике в 1970–1980-х годах.

Эта техника является многомерным вариантом авторегрессионных (AR) моделей. Традиционные AR модели, такие как ARIMA, анализируют зависимость одной переменной от ее лагов, модели VAR рассматривают несколько переменных одновременно. В VAR каждая переменная регрессируется по собственным лагам, а также по лагам других переменных системы.


Автор: Omega J Msigwa

Новый комментарий