sibirqk #: от ВМО вы надеетесь получить - "разделение случайных колебаний на стационарную и нестационарную составляющие"
Поленился там уточнять что имеется в виду, попробую сделать это здесь)
При использовании алгоритма ВМО на этапе вывода у нас должна быть возможность проверить, как реальная выборка укладывается в прогнозное распределение. А при сравнении алгоритма на выборках из разных промежутков времени у нас должна быть возможность проверить, укладываются ли они одинаково (или со временем что-то меняется - нестационарность). Имхо, потенциально ВМО здесь может давать больше информации.
Поленился там уточнять что имеется в виду, попробую сделать это здесь)
При использовании алгоритма ВМО на этапе вывода у нас должна быть возможность проверить, как реальная выборка укладывается в прогнозное распределение. А при сравнении алгоритма на выборках из разных промежутков времени у нас должна быть возможность проверить, укладываются ли они одинаково (или со временем что-то меняется - нестационарность). Имхо, потенциально ВМО здесь может давать больше информации.
Нестационарность чего?
Исходных котировок? - не стационарны
Приращения? - не стационарны, точнее, менее не стационарны по сравнению с исходными котировками.
Можно взять логарифмы приращений или еще что-либо. еще МЕНЕЕ стационарны.
А что такое "мене"?
Идем еще на шаг глубже.
Строим деревянную модель, например, случайный лес. Обычно свыше 50 деревьев ошибка классификации меняется очень мало. Считается, что эти деревья будут в будущем, но это не правда, т.е. деревья не стационарны и меняются в будущем.
А распределения вероятностей класса буду стационарны? Если нет, то это опять разговоры про "менее" не стационарность.
А гарч предлагает не вести разговоры про более или менее не стационарность, а тупо попытаться аналитически задать эту не стационарность
ARIFMA - задать остаточный тренд в приращениях.
Разнообразные арчи - учесть хвосты, скосы и прочее...
СанСаныч Фоменко #: Так может подать на вход МО результат гарча?
Обычно GARCH смотрят на дневках. Имхо, уже на часовках (на форексе) он мало что добавит к сессионной периодичности. Хотя было бы неплохо если бы кто аккуратно это поисследовал бы.
This paper presents a method to identify causal interactions between two time-series. The largest eigenvalue follows a Tracy-Widom distribution, derived from a
Maxim Dmitrievsky #: Вижу, что ценные ИИ специалисты снова заскучали, опять старые песни о главном :)
Слишком ценные, чтобы у фондов нашлись такие большие деньги на найм таких спецов дата-сайентистами)
Потихоньку погружаюсь в тему вероятностного МО. Возможно даже (если будет не лень) заведу канал/блог в телеграме по теме - здесь неудобно систематизировать изложенное.
Слишком ценные, чтобы у фондов нашлись такие большие деньги на найм таких спецов дата-сайентистами)
Потихоньку погружаюсь в тему вероятностного МО. Возможно даже (если будет не лень) заведу канал/блог в телеграме по теме - здесь неудобно систематизировать изложенное.
Ну, не знаю как насчёт аналогий рынка с физическими системами - про эконофизику как-то подзабыли в последнее время.
В телеге можно сполна ощутить сладкий вкус админства и прочего модераторства, то есть побыть на другой стороне добра и зла :)
Да, ну все такие подобные инструменты изначально из физики
Другой физический принцип описывают, не на постоянстве корреляции, а на резком ее отклонении от нормы. Для поиска структурных изменений в рядах с задержкой.
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.
sibirqk #:
от ВМО вы надеетесь получить - "разделение случайных колебаний на стационарную и нестационарную составляющие"
Поленился там уточнять что имеется в виду, попробую сделать это здесь)
При использовании алгоритма ВМО на этапе вывода у нас должна быть возможность проверить, как реальная выборка укладывается в прогнозное распределение. А при сравнении алгоритма на выборках из разных промежутков времени у нас должна быть возможность проверить, укладываются ли они одинаково (или со временем что-то меняется - нестационарность). Имхо, потенциально ВМО здесь может давать больше информации.
Поленился там уточнять что имеется в виду, попробую сделать это здесь)
При использовании алгоритма ВМО на этапе вывода у нас должна быть возможность проверить, как реальная выборка укладывается в прогнозное распределение. А при сравнении алгоритма на выборках из разных промежутков времени у нас должна быть возможность проверить, укладываются ли они одинаково (или со временем что-то меняется - нестационарность). Имхо, потенциально ВМО здесь может давать больше информации.
Нестационарность чего?
Исходных котировок? - не стационарны
Приращения? - не стационарны, точнее, менее не стационарны по сравнению с исходными котировками.
Можно взять логарифмы приращений или еще что-либо. еще МЕНЕЕ стационарны.
А что такое "мене"?
Идем еще на шаг глубже.
Строим деревянную модель, например, случайный лес. Обычно свыше 50 деревьев ошибка классификации меняется очень мало. Считается, что эти деревья будут в будущем, но это не правда, т.е. деревья не стационарны и меняются в будущем.
А распределения вероятностей класса буду стационарны? Если нет, то это опять разговоры про "менее" не стационарность.
А гарч предлагает не вести разговоры про более или менее не стационарность, а тупо попытаться аналитически задать эту не стационарность
ARIFMA - задать остаточный тренд в приращениях.
Разнообразные арчи - учесть хвосты, скосы и прочее...
Так может подать на вход МО результат гарча?
Так может подать на вход МО результат гарча?
выхлоп MathRandom() подайте на вход MO - и то больше толку.
когда (если) получите результат, есть конторы которые с удовольствием его купят
Нестационарность чего?
Грубо говоря, ошибок модели.
Так может подать на вход МО результат гарча?
Обычно GARCH смотрят на дневках. Имхо, уже на часовках (на форексе) он мало что добавит к сессионной периодичности. Хотя было бы неплохо если бы кто аккуратно это поисследовал бы.
С возвращением!)
Спасибо :) Вижу, что ценные ИИ специалисты снова заскучали, опять старые песни о главном :)
Наткнулся на интересную статью по определению autocausality во временных рядах, вроде бы лучше херста и энтропии и Грейнджера.
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4841224
Спасибо :) Вижу, что ценные ИИ специалисты снова заскучали, опять старые песни о главном :)
Наткнулся на интересную статью по определению autocausality во временных рядах, вроде бы лучше херста и энтропии и Грейнджера.
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4841224
вроде бы классика
формулы те же
корреляция, коинтеграция и прочее
не вижу разницы
Максим, ткни носом пжста
или он хвосты на параболу домножил?Вижу, что ценные ИИ специалисты снова заскучали, опять старые песни о главном :)
Слишком ценные, чтобы у фондов нашлись такие большие деньги на найм таких спецов дата-сайентистами)
Потихоньку погружаюсь в тему вероятностного МО. Возможно даже (если будет не лень) заведу канал/блог в телеграме по теме - здесь неудобно систематизировать изложенное.
Наткнулся на интересную статью по определению autocausality во временных рядах, вроде бы лучше херста и энтропии и Грейнджера.
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4841224
Ну, не знаю как насчёт аналогий рынка с физическими системами - про эконофизику как-то подзабыли в последнее время.
Слишком ценные, чтобы у фондов нашлись такие большие деньги на найм таких спецов дата-сайентистами)
Потихоньку погружаюсь в тему вероятностного МО. Возможно даже (если будет не лень) заведу канал/блог в телеграме по теме - здесь неудобно систематизировать изложенное.
Ну, не знаю как насчёт аналогий рынка с физическими системами - про эконофизику как-то подзабыли в последнее время.
вроде бы классика
формулы те же
корреляция, коинтеграция и прочее
не вижу разницы
Максим, ткни носом пжста
или он хвосты на параболу домножил?