timbo>>: Каждая реализация помноженная на вероятность данной реализации равно мат.ожидание равно сегоднящней цене или нулю, смотря какая точка отсчёта. Для формулы x(t) = x(t-1) + e(t) мат.ожидание будет равно E[x(t)] = E[x(t-1)] + E[e(t)], где E[e(t)] = 0. Соответственно, E[x(t)] = E[x(t-1)]= E[x(t-2)] = E[x(t-3)] для любого t вплоть до того момента когда цена тебе уже известна и равна не мат.ожиданию, а конкретной цифре.
Я только хотел сказать, что приведенная мной методика проверки ряда на независимость приращений дает практически однозначный и теоретически на 99,99% обоснованный результат - ценовой ряд не является рядом с независимыми приращениями (даже если они мало или вообще не коррелируют). А это, в свою очередь, говорит о том, что все модели работы с ценой, подразумевающие независимость соседних отсчетов - неадекватны.
Более того, по-видимому (хотя это еще и надо доказать - а для этого просто не хватает исторических данных), статистическая зависимость между соседними отсчетами одинакова по форме на графиках ряда, по крайней мере, нескольких младших таймфреймов (вплоть до Н4 я это проверял с достаточной точностью). Т.Е. похоже на то, что указанная зависимость - явление неслучайное, как минимум, отчасти - а значит может быть спрогнозировано.
Еще раз повторюсь - этот вывод теоретический и основан исключительно на математике, никаких домыслов из области "фундаментального анализа":)
И пора, наверное, уже завязывать со "случайностями" на рынках и обсасыванием характеристик СЧ. Весь форум уже захламлен подобными непрактичными рассуждениями.
ну если читали, то многократно упоминалось, что волатильность имеет память - зависимость от предыдущих значений. Стационарность же подразумевает, что дисперсия не зависит от предыдущих значений и является константой
Каждая реализация помноженная на вероятность данной реализации равно мат.ожидание равно сегоднящней цене или нулю, смотря какая точка отсчёта. Для формулы x(t) = x(t-1) + e(t) мат.ожидание будет равно E[x(t)] = E[x(t-1)] + E[e(t)], где E[e(t)] = 0. Соответственно, E[x(t)] = E[x(t-1)]= E[x(t-2)] = E[x(t-3)] для любого t вплоть до того момента когда цена тебе уже известна и равна не мат.ожиданию, а конкретной цифре.
...
听着，我已经写过了，我不打算争论这个问题。我的看法是，报价x(n)-x(n-1)系列是静止的，在这个意义上，主要分布参数被保留了。或者以其他方式，它们的波动可以被认为是静止的（在不同尺度上）。轮班的ACF则不然。我还在上面写到有必要研究更多细分市场的行为（你仔细阅读）。
这就是明确的（对我来说）和成熟的验证方法由于某种原因需要更多的段数，它只是需要一个系列。 对所获得的参数系列进行分段分析，以确定是否符合某种（取决于方法或其变体）分布，只有在这之后才能应用趋势标准。由于两点，很难得出这样的结论。
这实际上是我几年前所做的事情。这一点通过静止性检验--正常的统计检验得到了证实。如果你认为系列x(n)-x(n-1)不是静止的，那么也没有什么问题。
顺便说一下，你为什么要引用它？首先，我已经读过了，其次，它与我所说的并不矛盾。顺便说一下，Shiryaev对x(n)-x(n-1)、ln(x(n)/ln(x(n-1)、((1/n)SUM(x(n))的构造有很好的描述，他推荐 用它们将数列还原成静止的（我就不给截图了，书是纸质的）。
....
Я только хотел сказать, что приведенная мной методика проверки ряда на независимость приращений дает практически однозначный и теоретически на 99,99% обоснованный результат - ценовой ряд не является рядом с независимыми приращениями (даже если они мало или вообще не коррелируют). А это, в свою очередь, говорит о том, что все модели работы с ценой, подразумевающие независимость соседних отсчетов - неадекватны.
Более того, по-видимому (хотя это еще и надо доказать - а для этого просто не хватает исторических данных), статистическая зависимость между соседними отсчетами одинакова по форме на графиках ряда, по крайней мере, нескольких младших таймфреймов (вплоть до Н4 я это проверял с достаточной точностью). Т.Е. похоже на то, что указанная зависимость - явление неслучайное, как минимум, отчасти - а значит может быть спрогнозировано.
Еще раз повторюсь - этот вывод теоретический и основан исключительно на математике, никаких домыслов из области "фундаментального анализа":)
一个强有力的声明，最主要的是每个人在潜意识里都希望它是真的。
"非随机 "价格系列增量的间接证据是在有NN的市场中出现的积极结果。一个随机数列（任何随机数列）不能被近似，数列本身、其增量以及数列的潜在规律性都不能被近似。如果不是这样，那么它（系列）就是非随机的，有内在的规律性。
而现在可能是时候停止对市场的 "意外 "和讨论MF的特点了。整个论坛已经充斥着这种不切实际的争论。
听着，我已经写过了，我不打算争论这个问题。我的看法是--一系列的报价x(n)-x(n-1)是静止的，在这个意义上，主要的分布参数被保留了。或者以其他方式，它们的波动可以被认为是静止的（在不同尺度上）。轮班的ACF则不然。我还在上面写到，有必要研究更多细分市场的行为（你仔细阅读）。
实际上，几年前我就这么做了。它被静止性检验--正常统计检验所证实。如果你认为序列x(n)-x(n-1)不是静止的，那么也没有什么问题。
顺便说一下，你为什么要引用它？首先，我已经读过了，其次，它与我所说的并不矛盾。顺便说一下，构造x(n)-x(n-1)，ln(x(n)/ln(x(n-1)，((1/n)SUM(x(n))由Shiryaev描述得非常好，他推荐 它们用于将序列还原为静止的（我不会给出截图，书是在纸上）。
好吧，如果你读过的话，已经多次提到波动性具有记忆性--对先前价值的依赖性。静止性意味着方差与以前的数值无关，是一个常数。对数解决了另一个问题--波动率与绝对值的比例关系，但没有解决聚类效应和其他记忆效应。当一只股票价值1卢布，每天的波动率是5%，也就是5戈比。当它增长到10卢布时，同样的5%的vol是50戈比。
这正是我几年前所做的事情。它被静止性检验--正常统计检验所证实。如果你认为系列x(n)-x(n-1)是非平稳的，那么也没有什么问题。
ok :)
И пора, наверное, уже завязывать со "случайностями" на рынках и обсасыванием характеристик СЧ. Весь форум уже захламлен подобными непрактичными рассуждениями.
为了知道如何赚钱，你必须先了解你到底是如何赚不到钱的，这样你以后就不会在这方面浪费时间了。不要急于对这种或那种方法的不实用性下结论；如果你不知道如何做，并不意味着别人不知道。
1) Чтобы знать как можно заработать, необходимо сперва точно уяснить как заработать нельзя, чтобы потом не терять на это время.
2) Ну и не стоит делать скорополительных выводов о непрактичности того или иного подхода, если ты не знаешь как, это не значит что никто не знает.
1）你有吗？这很好!
2）我没有草率地得出任何结论。你能赚多少就赚多少，我并不反对。
ну если читали, то многократно упоминалось, что волатильность имеет память - зависимость от предыдущих значений. Стационарность же подразумевает, что дисперсия не зависит от предыдущих значений и является константой
对数解决了另一个问题--波动率与绝对值的比例关系，但没有解决聚类效应和其他记忆效应。当一只股票价值1卢布，每天的波动率为5%时，它是5戈比。当份额增长到10卢布时，同样的5%的波动将是50戈比。
不要误会我的意思，"时间序列记忆 "并没有明确和准确的定义。没有人有，做出这样的根本性发现应该是非常谨慎的。特别是你写的是股票，而我写的是x（n）-x（n-1）的过程。这个过程与股票没有关系。这是一个将系列还原为静止的标准程序，实际上是铁板钉钉的；它杀死了所有或几乎所有的人。但数列x(n)=x(n-1)+(case)当然是非稳态的，你写的一切直接适用于它。
搞清楚，"时间序列记忆 "没有明确和准确的定义。没有人有，这样的根本性发现应该极其谨慎地进行。
以前写过，有一个模型是考虑到波动性记忆的。
恩格尔，罗伯特（生于1942年），美国经济学家，分析经济统计数据方法的专家。由于他与克莱夫-格林格在分析具有时变波动性的时间序列方面的联合努力，他于2003年被授予诺贝尔经济学纪念奖。
....
尽管实际的波动性是可变的，但经济学家们长期以来只掌握了这种基于其恒定性假设的统计方法。1982年，恩格尔开发了自回归条件异方差（ARCH）模型，在此基础上可以预测波动率的变化。他发现的经济时间序列分析方法使人们有可能不仅预测未来一天或一周的国内生产总值、消费价格、利率、汇率和其他经济指标的趋势，甚至比以前更准确地预测未来一年的情况。通过分析美国和英国的历史经济统计数据，当基于前几年的数据的预测与随后几年的实际指标进行比较时，特别证明了使用该模型所做的预测的高准确性。
https://www.mql5.com/go?link=http://slovari.yandex.ru/dict/krugosvet/article/c/ca/1011225.htm
Писали же уже, есть модель где учитывается память по волатильности.
...这个模型从来没有 考虑过 "时间序列记忆 "的问题。没有必要含糊其辞地一厢情愿。
比以前更可靠地预测国内生产总值、消费者价格、利率、汇率和其他经济指标的趋势，不仅是未来一天或一周，甚至是未来一年。
你自己有没有尝试过用这种方法进行预测？
在这个模型中，从来没有 考虑过 "时间序列记忆"。不要含糊地一厢情愿。
你自己有没有尝试过用这种方法进行预测？
不喜欢记忆这个词，让它像Shiryaev的 "后遗症"。该模型在预测时使用了波动率对前值的依赖性。波动性和分散性不是一个常数，而是随着时间的推移而变化，并取决于以前的数值，这个事实是简单而明显的。这就是ARCH/GARCH等模型中使用的东西。但你声称方差是恒定的。虽然你可能会这么想，如果你能从中找到一些有用的东西 :)模型的主要价值在于具有实际用途。