市场现象 - 页 33

新评论
 
joo:
不是说这是错的。对，就像 "买得便宜，卖得好 "的说法一样正确。重要的不仅仅是正确性，还有形式上的可塑性。构建聪明的哲学近似市场的构架是没有意义的，如果它们（构架）就像山羊的牛奶。
你认为吃亏后的时间差是否难以正式确定？还是别的什么？
 
paukas:
你认为接受损失后的时间间隔是否难以正式确定？或者有什么不同？
是的，你可以，当然，没有问题。你也可以在波动性低的时候禁止交易。
 
gpwr:

谢谢。我将在闲暇时思考SOM。

链接中的文章对时间序列 分割方法进行了概述。他们都做了差不多的事情。并不是说SOM是最好的外汇方法，但也不是最差的，这是一个事实 ))

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.115.6594&rep=rep1&type=pdf

 

我的同事，不幸的是，不允许我给更多的时间来做交易，但我找到了一些时间，决定问一下（为了我自己的利益，所以我不会忘记它:o，所以我以后会回来，当我有更多的空闲时间时）

现象的本质。

让我提醒你这个现象的本质。这是在分析 "长尾 "对未来价格偏离的影响时发现的。如果我们对长尾进行分类，看看没有长尾的时间序列，我们可以观察到一些奇怪的现象，几乎每个符号都是独一无二的。该现象的本质是一种非常具体的分类，以某种方式基于 "神经 "方法。事实上，这种分类法将原始数据，即报价过程本身 "分解 "为两个子过程，习惯上被称为"α"和"β"。一般来说，最初的过程可以被分解成更多的子过程。

具有随机结构的系统

这种现象非常适用于具有随机结构的系统。该模型本身看起来会非常简单。让我们来看看一个例子。最初的欧元兑美元 系列 M15（我们需要一个长的样本，和尽可能小的框架），从一些 "现在"。

步骤1：分类

进行分类，得到两个过程"α"和"β"。定义主流程的参数（该流程涉及报价的最终 "组合"）。

第2步 识别

对于每个子过程，都定义了一个基于Volterry网络的模型。

哦，识别它们是多么的痛苦。

步骤3 子过程预测

对每个过程的100个计数进行预测（15分钟，即刚刚超过一天）。

第4步：模拟建模

建立一个模拟模型，它将产生未来实施的x.o.数量。该系统的方案很简单。


三个随机化：每个模型和过程过渡条件的误差。下面是变现本身（从零开始）。

第5步：交易方案。

对这些变现进行了偏差分析。这可以通过不同的方式进行。从视觉上我们可以看到，大量的轨迹被转移了。让我们看一下事实。

<>

初步测试

随机进行了大约70次 "测量"（需要很长的时间来计算）。大约70%的系统检测到了正确的偏差，所以它还没有说什么，但我希望在几个月内回到这个轨道上，尽管我还没有完成主要项目的工作 :o(。

 
也许不完全正确：用什么原则来分类，并实际分解成什么过程的目的？
 

对sayfuji

Может не совсем корректно: по какому принципу производится классификация и, собственно, разложение на какие процессы предполагается?

不，一切都很正确。这是本主题中几十页的讨论主题之一。所有我认为必要的东西--我都写了。 不幸的是，我没有时间来进一步发展这个话题。此外，这种现象特别有趣，但不是很有希望。"长尾 "现象出现在长周期上，即轨迹有较大偏差的地方，但为此有必要对阿尔法和贝塔过程（以及其他过程）进行远距离预测。而这是不可能的。 没有这样的技术...

:о(

对所有

同事们，事实证明，有些帖子我还没有回答。请原谅我，现在试图移动是没有意义的。

 

Prohwessor Fransfort，请回答你用哪个程序进行研究。

还有......如果谁有俄文手册或程序的俄文版 http://originlab.com/ (OriginPro 8.5.1)

 
如果我没弄错的话，Matlab就是。
 
Farnsworth:
我们希望在研究 "胖尾巴 "的过程中，能够接触到更严肃的 "分形 "数学。这还需要一些时间，但现在我发布一项近乎科学的研究，给了我一些思考。
模型假设。
有理由认为，有几个过程是坐在小床上的，这是我想找到的。主要的 "承载过程 "应该是某种增加/减少的趋势，它通过某种随机算法打断了另一个（或多个）过程。这个想法开始时很简单--去除那些理论上属于 "胖尾巴"（或其他一些子过程）的增量，看看会发生什么。首先，最简单的分类方法是 "过滤掉 "位于+/-LAMBDA内的所有东西。
Open(n)-Open(n-1)增量，M15，EURUSD。
从0.0001的增量到0.025，我通过LAMBDA，只留下那些属于特定的+/-LAMBDA通道的增量，加起来，并确定每个LAMBDA的线性回归决定系数。是的，很明显会有遗漏（我把它们算作零），但现在我只想看看过程本身。
测定系数（CD）/ LAMBDA
让我提醒你，CoD，很简单，是一个一定的百分比，它显示了有多少数据能解释这个模型。当LAMBDA=0.0006时，达到最大值（0.97）。
过滤后的增量可以加在一起，得到两个过程。
0.0006的数值略低于增量过程的有效值。作为比较，我们可以看一下第二个局部极值，LAMBDA值为0.0023（约3个有效值）。
这种 "趋势 "在所有商数上都可以确定，而且有些（和大多数）是向上的，有些是向下的。很明显，这种方法是近乎科学的，但另一方面，它给出了一些想法，一种具有随机结构的系统的替代表示。

一个有趣的结果。

这种现象会不会是由于历史数据是Bid价格造成的？(实验中的Lambda与传播率相当）。

你不认为用具有片状常数系数的线性回归 来测试所产生的 "趋势 "过程的质量，作为时间的函数来看，更有意义吗？

 
教授，你在第22页图2的图表与 欧元-美元月度 图表非常相似--非常相似。

你可以把过滤后的增量加起来，就可以得到两个过程。



1...262728293031323334353637383940...75
新评论