Обсуждение статьи "Марковские цепи в трейдинге и прогнозировании цены"
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
Опубликована статья Марковские цепи в трейдинге и прогнозировании цены:
В этой статье мы рассмотрим, как строить и применять марковские цепи в условиях рынка: от выбора состояний и подсчета переходов до генерации прогнозов траекторий и уровней. Также, мы увидим, как можно применять марковские цепи для качественных и количественных данных, способы учета редких событий и влияние горизонта прогноза. Даны примеры на ценах и индикаторах, а также вариант для оценки последовательности сделок, с готовыми реализациями в MQL5.
Цепь Маркова — это математическая модель, которая с успехом применяется в самых разных областях. Она была предложена А. Марковым в 1906 году в статье "О предельном распределении одного класса связанных случайных величин", где он изучал статистическое поведение цепочки взаимосвязанных случайных событий.
Суть модели заключается в том, что она позволяет предсказывать вероятность перехода из одного состояния в другое. Таким образом, на основе марковской цепи можно описывать свойства какого-либо процесса и генерировать новые последовательности, которые будут похожи на этот процесс. С помощью этих цепей можно моделировать и анализировать процессы, происходящие на рынке.
Цепи Маркова основываются на двух ключевых факторах: состоянии и вероятности перехода. Состояния цепи могут описываться как количественными, так и качественными переменными. Например, если значение временного ряда находится в пределах 10-20, то он находится в состоянии 1. Или, если временной ряд растет, то его состояние – "U". Тип состояний зависит от исследуемого процесса, а их количество может быть детерминированным, а иногда устанавливается исследователем.
Еще одно важное свойство цепей — отсутствие памяти. Это означает, что следующее состояние зависит от текущего и никак не связано с предысторией. Благодаря этому свойству цепи Маркова позволяют моделировать нестационарные финансовые временные ряды — их свойства меняются со временем. Это важно при высокой волатильности, когда тренды могут быстро меняться и трудно предсказать, как поведет себя цена.
Автор: Aleksej Poljakov