利用数字低通滤波器建立交易系统 - 页 23

新评论
 
NorthernWind:


在网上的某个地方，我看到了关于他的方法的更详细描述。不完全是彻底的，但仍然是。但我对细节不感兴趣，但我对，我们可以说，一般的方法论方法感兴趣。而他们所依据的是什么，以及是平均数还是其他什么，并不那么重要。此外，就理解过程而言，知道从平均数建立LRMA的微妙之处，其价值是非常暂定的。



而这，事实上，向昏庸的人解释了戈尔恰科夫在说什么。我读过一些东西，读过一些东西，但我还没有推断出想法或其深度 :)
 
我想不明白，但不知怎的，我设法读了他的*.ppt文件，他的报告。怎么会这样呢？那里没有那么详细的东西，但是这种神秘感还是非常有趣的......
 
Mathemat:
我想不明白，但不知怎的，我设法读了他的*.ppt文件，他的报告。怎么会这样呢？没有那么详细的内容，但还是非常有趣，神秘感...

再次下载。有一个2003年的DOC文件。对于2005年来说，这确实是一个ppt，但它不是关于这个。:)
 
bstone:
北风。


我在网上的某个地方看到了关于他的方法的更详细描述。这并不完全是彻底的，但仍然是。但我对细节不感兴趣，但我对，我们可以说，一般的方法论方法感兴趣。而他们所依据的是什么，以及是平均数还是其他什么，并不那么重要。此外，在了解过程方面，知道从平均数中建立LRMA的错综复杂的价值是非常暂定的。



而这，事实上，向昏庸的人解释了戈尔恰科夫在说什么。我读了一些东西，读了一些东西，但我没有得到它的想法或深度 :)


如果你仔细阅读，这一切都很有趣。当然，这些指标非常简短，但这是一个执业交易员对价格序列和模型的看法，曾经是应用统计领域的专业人士（我想这是他对自己的评价）。对我来说，这是继Shiryaev的报告之后最有趣的作品之一。那里的许多东西都可以被证实。包括市场和马丁格尔的短期差异（这是对这里提到的静止性问题）。材料不够新，所以我不知道是否有进一步发展的想法。我不知道，每句话都可以有一页的缩写文本。

 
NorthernWind:


如果你仔细阅读，这一切都很有趣。当然，这些指标非常简短，但这是一个执业交易员对价格序列和模型的看法，曾经是应用统计领域的专业人士（我想这是他对自己的评价）。对我来说，这是继Shiryaev的报告之后最有趣的作品之一。那里的许多东西都可以被证实。包括市场和马丁格尔的短期差异（这是对这里提到的静止性问题）。材料不够新，所以我不知道是否有进一步发展的想法。我不知道，你可以为每个句子写一页简略的文字。



这里是 "我们对张伯伦的回答"：http://monetarism.ru/articles/06/05/02/0644217.shtml

看来，戈尔恰科夫在不存在不对称性的地方发现了不对称性。我们可以得出结论，如果他在将自己的想法应用于实际交易中取得了积极的成果，那也主要是偶然的，因为基本前提是根本错误的。
 
bstone:
北风。


如果你仔细阅读，这一切都很有趣。当然，这些指标非常简短，但这是一个执业交易员对价格序列和模型的看法，曾经是应用统计领域的专业人士（我想这是他对自己的评价）。对我来说，这是继Shiryaev的报告之后最有趣的作品之一。那里的许多东西都可以被证实。包括市场和马丁格尔的短期差异（这是对这里提到的静止性问题）。材料不够新，所以我不知道是否有进一步发展的想法。我不知道，你可以为里面的每一个句子写一页骂人的文字。



这里是 "我们对张伯伦的回答"：http://monetarism.ru/articles/06/05/02/0644217.shtml

看来，戈尔恰科夫在不存在不对称性的地方发现了不对称性。我们可以得出结论，如果他在将自己的想法应用于实际交易中取得了积极的成果，那也主要是偶然的，因为基本前提是根本错误的。


作者是一个有名的小丑，他对讨论的主题有最普遍的想法。我懒得检查谁是正确的，对我来说，除了讨论的统计数字，其他方法显示出相同的结果就足够了。

[不，对不起，我在旧的笔记里挖到了，我前段时间检查了标准，我已经忘记了。

好了，这里再看一下http://www.howtotrade2007.narod.ru/articles/stan.zip，不知道作者斯坦尼斯拉夫-布拉雪夫 是否是同一个人？

 

在市场建模中使用黑噪声

ps.我自己还没有测试过

 
NorthernWind:

在市场建模中使用黑噪声

ps.没有亲自检查

我已经出版了一本非常好的书：《用分形进行信号处理》，但是是英文的。这比介绍的内容要好 :o)

 
问题。有没有人熟悉或有经验，或有基于FARIMA模型的预测系列的来源？
 
NorthernWind 似乎是同一个Bulashev。现在是关于静止性--文章的前几段（给最懒的人）。
决定资产价格变动的真正机制几乎不为人所知，也不确定。我们唯一可以肯定的是--价格运动中存在随机因素。但这种随机性的性质可能是不同的。<br / translate="no">

一个可能的假设是，价格变化的对数遵循正态分布，但这个分布是非平稳的。 也就是说，分布的期望值和标准差都可以随时间变化。因此，当使用标准的统计方法处理经验样本时，假设整个样本来自单一的一般人群，我们会得到一个非高斯样本。这可以用经验分布的重尾的形式来表示（从样本中计算出的峰度超过了3的数字，即正态分布的峰度）。

另一个假设是，价格变化的对数最初遵循一个峰度大于3的分布。在这种情况下，即使分布本身是静止的，从这个分布中抽取的经验样本也可以被视为在时间上是非静止的。重点是，随机变量x 的数学期望值的估计是样本的算术平均值。

<X>= 1/N * sum(x(i),i=1...)N)

随机变量的算术平均值本身就是一个随机变量。算术平均值的标准差取决于随机变量的标准差和样本量。

sigma(<X>) = sigma(X) / sqrt(N)

因此，平均值的标准差比随机变量本身的标准差小了sqrt（N）倍，也就是说，通过增加样本量可以提高数学期望值估计的准确性。但这只适用于具有有限数学期望值和有限方差的随机变量。问题是，有限数学期望只存在于那些在无穷大的概率密度下降为1 / |x|^(2+delta)或更低的分布，而有限方差只存在于那些在无穷大的概率密度下降为1 / |x|^(3+delta)或更高的分布（delta - 任何小正数）。如果我们用价格变化的对数来模拟一个从具有无限方差和/或无限数学期望的静止分布中抽取的随机样本，并将这个样本提供给一个独立的观察者进行分析，他可能会得到一种错觉，即他处理的是一个时间上的非静止过程。

最后，我们不能排除这样的情况：不仅是分布参数，而且价格对数的分布规律本身在时间上也是非平稳的，价格的时间序列可能包含有无限方差和/或无限数学期望的分布描述的部分。

简而言之，根据Bulashev的说法，一切看起来就像胖尾巴在原则上对确定静止性/非静止性这一事实的可能性下了一道不可逾越的禁令--至少在应用于收益或其对数时是如此。嗯，这是可以理解的，Foreh不是一桶蜂蜜。

这并不意味着在将价格序列可逆地转化为静止的东西的意义上什么都不能做：不仅可以使用回报。现在就划清界限还有点早。

对于合成生成的问题，似乎有一些变通方法，这与过程的静止性无关。但这仍然只是一种遗传性的。我们应该好好想想。
1...161718192021222324252627282930...33
新评论