В статье представлены реализации моделей FIGARCH и HARCH на языке MQL5, а также обновлена библиотека волатильности для процессов с долгой памятью. В статье представлен код для проведения тестов Херста и GPH, настройки параметров (усечения и горизонтов), а также скрипты для оценки параметров моделей, прогнозирования и моделирования. Читатели узнают, как применять и сравнивать модели на рыночных данных для выбора подходящей спецификации.
Трейдеры и разработчики алгоритмов, использующие модели семейства GARCH(1,1), часто сталкиваются с практической дилеммой: модель либо слишком быстро «забывает» сильные шоки, связанные со сменой режима, либо, при настройке на высокую персистентность, ведет себя как IGARCH, в которой шоки никогда не затухают. На реальных рынках волатильность часто затухает гораздо медленнее: кластеры волатильности могут сохраняться неделями или месяцами, и аппроксимация единственным экспоненциальным ядром нередко оказывается неудовлетворительной. Таким образом, практический вопрос звучит конкретно: как доказать, что ваш прокси-показатель волатильности (|r| или r²) обладает долгой памятью, и, если это так, какую реализацию на MQL5 следует использовать — FIGARCH с гиперболическим затуханием или HARCH с явной агрегацией по нескольким горизонтам — чтобы она была одновременно статистически обоснованной и пригодной для практического применения?
В статье дается ответ на этот вопрос: приводятся формальные тесты (R/S-тест Херста и GPH) с проверками достаточности размера выборки; предлагается визуальная спектральная диагностика; предоставляются рабочие реализации на языке MQL5 и демонстрационные скрипты, которые позволят вам тестировать и выбирать модели волатильности с долгой памятью, оценивать их параметры и внедрять их в ваш торговый стек.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
Опубликована статья Построение моделей волатильности в MQL5 (Часть IV): Долгая память волатильности — диагностика и реализация FIGARCH и HARCH:
В статье дается ответ на этот вопрос: приводятся формальные тесты (R/S-тест Херста и GPH) с проверками достаточности размера выборки; предлагается визуальная спектральная диагностика; предоставляются рабочие реализации на языке MQL5 и демонстрационные скрипты, которые позволят вам тестировать и выбирать модели волатильности с долгой памятью, оценивать их параметры и внедрять их в ваш торговый стек.
Автор: Francis Dube