"Grafiklerin Analizine Ekonometrik Yaklaşım" makalesi için tartışma - sayfa 5
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Hayır, sadece aynı olanlar. Getiriler basitçe Kapanış[i]-Kapanış[i+n] fiyat serilerinin ilk farklarıdır (benim grafiğimde 8 gecikmeyle alınırlar, ancak eğri herhangi bir gecikme için tamamen aynıdır). Sadece getiri, çoğunlukla Batı literatüründe yaygın olan bir terimdir. MQL4 forumunda, insanlar bunu matstat tartışmalarında sıklıkla kullanırlar (orada geleneksel olarak hararetlidirler))) Bu yüzden sadece alışkanlıktan dolayı kullandım. Eğer daha uygunsa, "bir serinin birinci farkı" veya "bir serinin artışı" yazacağım. Ama "türev" zaman serileri için çok yanlış bir terim, burada türev yok ve olamaz. Hatırlarsanız, türevler ve farklar için analitik aparatlar bile ciddi şekilde farklıdır (örneğin, p. Fourier ve z-transformunu karşılaştırın...).
Literatürde getiriler için çeşitli tanımlar var ve bunların farklı türleri var. Anladığım kadarıyla sizin "göreli artışın logaritması" teriminiz benim makalemdeki formüle uyuyor.
"Fiyat serisi türevleri" terimi hiçbir şekilde matematiksel anlamda türev değildir. Bunlar şu anlamda türetilmiştir:
1. Başka bir şeyden türetilmiş; başka bir şeyden türetilmiş.
Ancak göreli artışın logaritmasının dağılımı.....
Daha ziyade lognormal dağılımın ayna görüntüsü gibi....
Genel olarak konuşursak, bir yarışma ilan edebiliriz - Forex'te normal dağılımlı bir değer bulan ilk kişi Nobel ödüllülerin çabalarının yersizliğini kanıtlayan kişi olarak onur panosuna konulmalıdır)))))
Katılıyorum. Bu bir örnek olarak verildi, ampirik bir dağılım olarak değil. Eğer bunu okuyucuya aktaramadıysam, bu benim günahım.
Bu nedenle size ve diğer herkese yetkililere ayak uydurmaktan ziyade kendi başınıza araştırma yapmanızı tavsiye ederim.
ARCH'a. Ve GARCH Bollerslev tarafından icat edildi. Modeller de dahil olmak üzere her şey değişir. Örnek için en basit ve en evrensel olanı seçtim.
Tavsiyeniz için teşekkürler.
Yorumlar:
- Leo haklı makalenin başlığı ne hakkında olduğunu yansıtmıyor.Roche için bir soru sordu.başlıktaki bir kelimeyi değiştireceğim . " MQ Firma Analizine Ekonometrik Yaklaşım".her şeyin nasıl değiştiğini hemen görebilirsiniz , özellikle yaklaşımın .....
- Makale, zaman serisi analizi (TSA) olarak bilinen bir yaklaşımı kullanıyor ve bu yaklaşım, fiyat serisi veya Eskimolara kar satmanın verimliliği olsun, neyi analiz edeceğini umursamıyor :-) ve siz yazar olarak bundan bahsediyorsunuz, ancak nedense onu (makaleyi) farklı adlandırıyorsunuz.....
- AVR gerçekleştirilirken , temel tam olarak ACF (otokorelasyon fonksiyonu), TİPİ ve parametrelerinin analizidir. Her şeyden önce, otokorelasyon fonksiyonunun VID'si (bu konuda tek kelime etmiyorsunuz, ancak sonraki modeli belirleyen VID'dir.
- GARCH modelini kasıtlı bir kararla buraya sürüklediniz. Araştırmanızla bile (dolaylı işaretler) bu modelin uygun olmadığı anlaşılabilir... ve evrensel değildir, daha iyileri vardır... volatilite ticareti yapacaklar için uygun olabilir, ancak fiyat serilerini tahmin etmek için (amacımız) hiçbir şekilde uygun değildir . İlgileniyorsanız nedenini daha ayrıntılı olarak açıklayabilirim, şimdi sadece kısaca. Gözüme çarpan en önemli şey
Şimdi, metodoloji açısından.
- Fourier dönüşümü ile ACF elde etme yoluna gittiniz. Mümkündür ama hatırladığım kadarıyla ters Fourier dönüşümünden önce zorunlu olarak modül alınması ve muhtemelen (hafızadan yazıyorum ) modülün karesinin alınması gerekiyordu. Algoritmanızda göremedim (belki de dikkat etmedim).
- ACF'yi gösterdiğiniz şekilden hesaplamalarda bir hata olduğu açık. ACF tanımı gereği -1...+1 arasında kalan bir fonksiyondur ve siz orada +-200 ve 1e4 çarpanına sahipsiniz (0'ıncı terimde normalizasyon olan bir şey).
- MOG'yi çıkarıyorsunuz (ortalama değer m=mean(res);). Neden trend olmayan - düz çizgi denklemlerini kaldıralım? Lütfen gerekçelendirin
- Spektral işlemede bir uzman olarak, MOJ'un kaldırılmasının spektrumun sıfır bileşenini sıfırlamaya benzer olduğunu bilmelisiniz, ancak tamamen doğru olmak gerekirse spektrumdaki bu bileşen en güçlü olanıdır ve sin(x)/x fonksiyonunun yan lobları ile tüm spektruma yayılır. Yan lobları (bu etkiyi) bastırmak için en azından bir hemming penceresi (hening, butterworth, ...) uygulamak gerekir.
- Yorumlarda "ters ağırlıklı Fourier dönüşümü" yazmışsınız, bunun basit bir ters dönüşümden farkı nedir ? neyi ve neden ağırlıklandırıyorsunuz?
Daha fazla soru var... daha doğrusu katılmadığım bazı şeylervar. .. H4 doğasını alamazsınız aldatılamaz, zaman eksenindeki noktalar birbirinden ne kadar uzaksa, aralarındaki korelasyon o kadar az olur, sırasıyla tahminin doğruluğu her zaman kısa bir zaman aralığından daha kötü olacaktır.
Logaritma alamazsınız ( daha doğrusu alabilirsiniz, ancak bunu unutmamalısınız), aksi takdirde abrakadabra elde edersiniz, özetle başlangıç verileri üzerindeki bu dönüşüm ACF'nin türünü değiştirir (istatistik paketi yardımıyla kontrol edebilirsiniz), birçok kişi bu tırmığa basar ve ben de zamanında bir kez bastım ... başka birinin türü son derece önemlidir.
H.Y. araştırmaya katılmaya hazır, çünkü bu konuyla her zaman ilgileniyorum ve ilgileniyorum, tahmin etme yeteneği, ama hepsi basit değil, bir sürü beyaz nokta var, karşılaştığım çalışmalar, çok sık beyaz noktalar var, geçerken konuşuluyorlar, özü ortaya çıkarmıyor, açık olmasına rağmen, çünkü daha fazla zaten para yatıyor ve algoritmalar gelir getirmeye başlıyor. https://www.mql5.com/tr/code/8295
Evet, Q-testi hakkında, evet yaptık, ama sonra ne oldu?
Şimdi hangi modelin gözlemlediğiniz şeye karşılık geldiğini cevaplayabildiniz mi?
Bu modelin parametreleri nelerdir ? Bu test size ne verdi.... hangi sorunun cevabını aldınız? Demek istediğim hipotezleriniz biraz yanlış....
Bunu farklı şekilde yapabilirsiniz, önemli olan bu testin ne aradığını, örneklemde neyi belirlediğini anlamaktır...
Açıklamalar:
- AVR gerçekleştirilirken , temel tam olarak ACF (otokorelasyon fonksiyonu), VIDA ve parametrelerinin analizidir. Her şeyden önce, otokorelasyon fonksiyonunun türüdür (bu konuda tek kelime etmiyorsunuz, ancak daha sonraki modeli belirleyen türdür.
- GARCH modelini kasıtlı bir kararla buraya sürüklediniz. Araştırmanızdan bile (dolaylı işaretler) bu modelin uygun olmadığı anlaşılabilir... ve evrensel değildir, daha iyileri vardır... volatilite ticareti yapacaklar için uygun olabilir, ancak fiyat serilerini tahmin etmek için (amacımız) hiçbir şekilde uygun değildir . İlgileniyorsanız nedenini daha ayrıntılı olarak açıklayabilirim, şimdi sadece kısaca. Gözüme çarpan en önemli şey
En önemli ve ilginç şeyi cevaplamaya karar verdim.
ACF türünün daha ileri modeli belirlediğine katılıyorum. Ancak şu ana kadar makalede bununla ilgilenmedim. Bu daha sonraki bir aşama için bir görev. Şimdiye kadar ön tahmin aşaması olarak adlandırılan ön tahmin aşamasını ele aldım.
GARCH'ı göreceli basitliği nedeniyle buraya getirdim ve henüz değerlendirmediysek bile uygun olmadığına nasıl karar verdiniz? :-)
Bunu, göstergelerin önceki değişikliklerini(ϵ2t -i) ve önceki varyans tahmin lerini("eski haberler" olarak adlandırılır) (σ2t-i) dikkate alan matematiksel bir temel olarak belirledim.
Ana hedef - bazı modeller kullanarak döviz kuru (fiyat) tahmini yapmak - tek bir makalede çözülmez...
- Fourier dönüşümü yoluyla ACF elde etme yoluna gittiniz. Bu şekilde yapabilirsiniz, ancak hatırladığım kadarıyla ters Fourier dönüşümünden önce zorunlu modül alma ve muhtemelen (hafızamdan yazıyorum) modül karesi alma olmalı. Algoritmanızda bunu göremedim (belki de dikkat etmedim).
Analiz: Tahmin ve Kontrol. 3. baskı. Upper Saddle River, NJ: Prentice-Hall, 1994.
Ayrıca Matlab'da da uygulanmaktadır.
En önemli ve ilginç olanı cevaplamaya karar verdim.
...
ACF'nin -1 ila +1 aralığında olması gerektiği gerçeği ne olacak? Bu ilginç değil mi? Çünkü herhangi bir sonuca varmadan önce, her şeyin doğru hesaplandığından emin olmanız gerekir.
H.Y. Ve bir makalede her şeyin ortaya konulamayacağı gerçeği, açıktır, bir mat model vagon ve küçük bir araba ))
ve yabancı literatüre referansla ilgili olarak http://www.statsoft.ru/home/textbook/modules/sttimser.html#1general adresine bakabilirsiniz.
istatistik paketinde ACF hesaplaması var, matlab ile çakışıyor, bir keresinde kontrol etmiştim. Hesaplama sonuçlarınızı MQL'de ve bu paketlerle aynı veriler üzerinde karşılaştırın. Bir yerde bir hatanız var
- ACF'yi gösterdiğiniz şekilden, hesaplamalarda bir hata olduğu açıktır. ACF tanımı gereği -1...+1 arasında kalan bir fonksiyondur ve sizde +-200 ve 1e4 çarpanı var (0. terime normalize edilmiş bir şey).
Lütfen makaledeki y ekseni açıklamasını daha dikkatli okuyun. Bunu yaptım çünkü İMKANSIZLIKGoogle Chart API yardımıyla birlikten küçük değerleri yansıtmak için.
Ayrıca, algoritmadan da görebileceğiniz gibi, ACF dizisinden her zaman 1'e eşit olan sıfır gecikmesini kaldırdım. Bu, grafiği daha okunabilir hale getiriyor.
- MOG'yi çıkarıyorsunuz (ortalama m=mean(res);). Neden trend olmayan - düz çizgi denklemlerini kaldırıyorsunuz? Lütfen bunu gerekçelendirin.
Bu teorisyenler için bir sorudur. Eğer ilgileniyorsanız, algoritmanın kaynağını zaten belirttim.
- Spektral işlemede bir uzman olarak, MOG'nin kaldırılmasının spektrumun sıfır bileşenini sıfırlamaya benzer olduğunu bilmelisiniz, ancak tamamen doğru olmak gerekirse, spektrumdaki bu bileşen en güçlü olanıdır ve sin(x)/x fonksiyonunun yan loblarına göre tüm spektruma uzanır. Yan lobları (bu etkiyi) bastırmak için en azından bir hemming penceresi (hening, butterworth, ...) uygulamak gerekir.
Oh, ben hiç uzman değilim. Detaylandırabilir misiniz? :-)
- yorumlarda "ters ağırlıklı Fourier dönüşümü" yazmışsınız, bunun basit bir ters dönüşümden farkı nedir ? nasıl ve neden ağırlıklandırıyorsunuz?
Burada anlatılıyor, sanırım ....
... H4 doğasını kandıramazsınız, zaman eksenindeki noktalar birbirinden ne kadar uzaksa, aralarındaki korelasyon o kadar az olur, bu nedenle tahminin doğruluğu her zaman kısa bir zaman aralığından daha kötü olacaktır.
Logaritma alamazsınız ( daha doğrusu alabilirsiniz, ama bunu unutmamalısınız), aksi takdirde abrakadabra elde edersiniz, özetle, başlangıç verileri üzerindeki bu dönüşüm ACF'nin şeklini değiştirir,son derece önemlidir (istatistik paketi yardımıyla kontrol edebilirsiniz), birçok kişi bu tırmığa basar ve ben de zamanında bir kez bastım... form farklıdır.
Hem günler hem de haftalar sürüyor :-)
Neyin logaritması? Affedersiniz!
Trolls:
...istatistik paketinde bir ACF hesaplaması var ve matlab ile çakışıyor, bir keresinde kontrol ettim. Hesaplama sonuçlarınızı MQL'de ve bu paketlerle aynı veriler üzerinde karşılaştırın. Bir yerde bir hatanız var
Zaten karşılaştırdım. Her şey doğru, herhangi bir hata yok. Sadece veri görselleştirme Google yüzünden hala sıkıntı çekiyor.
Bu makalenin yorumlarında , 21 Ocak 2011, 14:19, ACF grafiğini genellikle göründüğü gibi gösterdim, ancak her zaman 1'e eşit olan sıfır gecikme olmadan.