Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2535

[Aleksey Nikolayev]

Maxim Dmitrievsky #:
Тогда не понимаю о чем речь

Как теоретик, тоже не очень понимаю.

[Aleksey Nikolayev]

Rorschach #:

Причем результат очень близкий, даже если скосить глаза не видно разницы. На несколько пикселей смещены оси. Несколько раз проверил.

Так и должно быть из-за того, что при малом x приблизительно log(1+x)~x. В данном случае x=bid[i]/bid[i-1]-1

Rorschach #:

Удивительно, но эти формулы не работают

Возможно, проявляется известный эффект толстохвостости распределения ретурнов. Большие значения ретурнов появляются чаще, чем должны в случае нормального распределения.

[Rorschach]

А кто-нибудь обратил внимание на возратность на Lag plot? Это котир, выложенный несколько страниц назад.

[Aleksey Nikolayev]

secret #:
Цена валют не меняется в разы, зачем ей логарифм? А вот приращения меняются.

Один авторитетный учёный написал, что цену надо обязательно логарифмировать и все теоретики слепо продолжают делать это.

[secret]

Aleksey Nikolayev #:

Один авторитетный учёный написал, что цену надо обязательно логарифмировать и все теоретики слепо продолжают делать это.

Так это он про акции небось писал.

[Aleksey Nikolayev]

secret #:
Так это он про акции небось писал.

Не читал, но на этой основе выводится формула Блека-Шоулза и не говорится, что она только про опционы на акции. Хотя, конечно, в точности она не верна ни для чего, но используется как отправная точка для любых опционных теорий.

[הטרנסצנדנטלי בעל-חזון]

Aleksey Nikolayev #:

Один авторитетный учёный написал, что цену надо обязательно логарифмировать и все теоретики слепо продолжают делать это.

Джон Тьюки? или Бокс с Коксом?

[Aleksey Nikolayev]

transcendreamer #:

Джон Тьюки? или Бокс с Коксом?

Возможно, Юджин Фама в своей диссертации, но не уверен.

[LenaTrap]

Renat Akhtyamov #:

вроде бы тут такое было уже ранее

ну и снова выкатится проблема флета и тренда

...........

Метод состоит заключается в:

1)У вас есть некая модель (например линейная регрессия)

2)Некоторый набор наблюдений, в точности которого вы не уверены

Тогда создадим некоторый случайный шум и объединим его с набором наблюдений, повторим несколько раз.

После этого сравним поведение модели на разных получившихся наборах, и сделаем некоторые выводы.

Опционально можно выбрать самый устойчивый вариант поведения как предпочтительный.

Это не волшебная палочка, а просто инструмент анализа и возможного небольшого улучшения, оно не превращает неправильную модель в правильную.

[Dmytro Nazarchuk]

LenaTrap #:

...........

Метод состоит заключается в:

1)У вас есть некая модель (например линейная регрессия)

2)Некоторый набор наблюдений, в точности которого вы не уверены

Тогда создадим некоторый случайный шум и объединим его с набором наблюдений, повторим несколько раз.

После этого сравним поведение модели на разных получившихся наборах, и сделаем некоторые выводы.

Опционально можно выбрать самый устойчивый вариант поведения как предпочтительный.

Это не волшебная палочка, а просто инструмент анализа и возможного небольшого улучшения, оно не превращает неправильную модель в правильную.

Нипанятна. Есть детерминированный ряд и модель, которая описывает его с точностью 100%. Добавили шум - точность описания модели стала 52%. Вы чем смысл этого действия?