Обсуждение статьи "За пределами GARCH (Часть VII): Прогнозирование волатильности методом Монте-Карло в MQL5"
Опять эти мультики - ну не читают люди важную техническую информацию с такой скоростью. Если очень хочется сделать в духе презентации - нужны управляющие кнопки, чтобы можно было рассмотреть каждый слайд, а не бестолковая гифка.
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 За пределами GARCH (Часть VII): Прогнозирование волатильности методом Монте-Карло в MQL5:
Адаптивная глубина каскада выбирает минимальное k, при котором b^k покрывает горизонт прогнозирования, обеспечивая быстродействие и согласованность симуляции.
В шестой части мы создали модуль моделирования, генерирующий одну ценовую траекторию MMAR. Одна траектория полезна для визуализации, но бесполезна для прогнозирования. Одна случайная реализация ничего не говорит о распределении возможных будущих состояний. Чтобы получить прогноз волатильности — точечную оценку с границами неопределенности, — нужно многократно запустить модуль моделирования и агрегировать результаты. В этом состоит метод Монте-Карло: выполнить N независимых симуляций, измерить волатильность каждой и извлечь статистические показатели из полученного распределения.
В этой статье создается класс CMonteCarlo — последний вычислительный модуль перед верхнеуровневым фасадом. Класс принимает подогнанные параметры модели, выполняет сотни или тысячи независимых симуляций MMAR на заданном горизонте прогнозирования и возвращает полный результат прогноза: среднюю волатильность, стандартное отклонение, медиану и 95-процентный доверительный интервал. Результат отвечает на важный для торговли вопрос: "Какова ожидаемая волатильность на следующих N барах и насколько мы в этом уверены?"
Автор: Muhammad Minhas Qamar