Обсуждение статьи "Построение моделей волатильности в MQL5 (Часть I): Первичная реализация"

MetaQuotes 2026.05.14 13:08

Опубликована статья Построение моделей волатильности в MQL5 (Часть I): Первичная реализация:

В этой статье мы представляем библиотеку MQL5 для моделирования волатильности, разработанную так, чтобы функционировать аналогично пакету arch в Python. В настоящее время библиотека поддерживает спецификацию распространённых моделей условного среднего: HAR, AR, Constant Mean и Zero Mean, а также моделей условной волатильности: Constant Variance, ARCH и GARCH.

Представленная здесь библиотека вдохновлена пакетом arch в Python — специализированным инструментарием для финансовой эконометрики, ориентированным на модели авторегрессионной условной гетероскедастичности, или ARCH, и обобщённые ARCH-модели, то есть GARCH. Хотя основная функция пакета arch заключается в реализации различных моделей волатильности, он также предоставляет разнообразные возможности для моделирования уравнения среднего, например модели с постоянным средним, нулевым средним или авторегрессионные модели AR. Кроме того, пользователи могут задавать различные распределения для стандартизированных остатков, включая нормальное распределение, распределение Стьюдента и асимметричное распределение Стьюдента. Наша цель — нативно воспроизвести эту функциональность в MQL5.

Структура библиотеки

Архитектура этой нативной реализации является модульной: процесс среднего отделён от процесса волатильности и распределения ошибок. Следовательно, модель представляет собой композицию из этих трёх отдельных компонентов. Процесс среднего выступает в качестве основного компонента, к которому присоединяются остальные; примечательно, что все параметры модели оцениваются совместно через этот центральный компонент. Каждый элемент реализован в виде базового класса, а подклассы представляют конкретные варианты.

Автор: Francis Dube