你知道如何制作运河吗? - 页 11

 
Aleksey Ivanov:

也就是说,重点是尽量减少模型参数变化的松弛时间。+ 在这段时间里,仓库不应受到影响,为此,(马克西姆-德米特里耶夫斯基)切换(deversifier)战略。

我不是这样理解的:如果这个模型是稳定的,那么它肯定会在偏差上回来。而这是模型的属性,并不取决于市场--它就像一个玩偶:你可以坐等缩水。有定量的特征,在设计模型时,它们是已知的。它被表示为模型的系数之和。如果它大于1,则不稳定,小于1,则在冲击(新闻)偏离后恢复的越快。
 
СанСаныч Фоменко:
我不是这样理解的:如果模型是稳定的,那么它肯定会在偏差上回来。而这是模型的属性,并不取决于市场--它就像一个无法滚动的娃娃:你可以在缩减中生存。有定量的特征,在设计模型时,它们是已知的。它被表示为模型的系数之和。如果它大于1,则不稳定,小于1,则在冲击(新闻)偏离后恢复的越快。

因此,该策略应坐实模型的放松时间,也就是说,在模型的参数行走时,其缩减量不应超过给定的MM限制。

 
Alexander Laur:

你和零方差混淆了,或者只是一个常数。

而事实上,三角形的例子是一个将同一时间序列 与自身进行比较的例子
 
Aleksey Ivanov:

我计算一个移动概率密度,并设定概率水平--比方说0.9--然后建立一个价格与该概率相遇的波段,这就是通道。


是的,我忘了说明,我是把那些移动概率分布构造成非分布式的(移动平均数 由2n+1点滞后n点构造,当然分布式也是如此),对此,只要用

GARCH预测了一些点,并在历史的末端部分建立了一个非退化 分布的模型(这很重要),考虑到他们提供的额外统计数据。向桑桑尼茨(SanSanych Fomenko)提问:"这种方法对于跳跃来说是比较正确的,还是也会失败?"

 
Aleksey Ivanov:

是的,我忘了说明,我已经使这些概率的移动分布成为非分布的 2n+1点的移动平均数 落后n点,当然,分布也是如此),为此, 只是通过GARCH 模型预测了一些点,在历史的最后部分建立了非分布模型(这很重要),考虑到额外的统计数据,已经由他们给出向SanSanych提问:"这样的方法对于跳跃来说是比较正确的,还是也会失败?

我无法评估你的方法并给出答案。

你正试图考虑一个想法,市场上有无数的想法,但像绝大多数想法的作者一样,你没有问自己一个问题:你在历史数据中看到的东西将在未来重复出现在什么基础上?或者更准确地说:你的想法甚至具有预测能力吗?

GARCH的作者并没有立即得出这个模型,顺便说一下,在与有效市场的思想家的激烈斗争中,他们把有效市场理解为静止的。

我们从统计学中知道,静止的过程是可以预测的,但非静止的过程的预测效果很差。这正是问题所在。非稳态性使无用的数学山在其他领域变得极为有效。

GARCH意识形态。

  • 其基本前提不是静止性
  • 我们精确地阐述了非平稳性一词的含义
  • 开始一点一点地从NOT到静止状态到静止状态。
  • 越接近静止性,算法对未来的预测能力就越强


你的想法是这样的吗?

 
СанСаныч Фоменко:

我无法评估你的方法并给出答案。

你正试图考虑一个想法,市场上有无数的想法,但像绝大多数想法的作者一样,你没有问自己一个问题:你在历史数据中看到的东西会在未来重复出现在什么基础上?或者更准确地说:你的想法甚至具有预测能力吗?

GARCH的作者并没有立即得出这个模型,顺便说一下,在与有效市场的思想家的激烈斗争中,他们把有效市场理解为静止的。

我们从统计学中知道,静止的过程是可以预测的,但非静止的过程的预测效果很差。这正是问题所在。非稳态性使无用的数学山在其他领域变得极为有效。

GARCH意识形态。

  • 其基本前提不是静止性
  • 我们精确地阐述了非平稳性一词的含义
  • 开始一点一点地从NOT到静止状态到静止状态。
  • 越接近静止性,算法对未来的预测能力就越强


你的想法是这样的吗?

谢谢你!有很多事情需要考虑。我很荣幸能收到你的建议。节日快乐!
 
最好以另一种方式提出问题:你知道如何在渠道中进行交易吗?
 

我有一个以折叠米的形式呈现的图形,每个膝盖都单独简化了对整个米的分析。一切都是简单中的复杂。

 
Aleksey Ivanov:
谢谢你!有很多事情需要考虑。我很荣幸能收到你的建议。节日快乐!
我也很高兴与你交谈。节日快乐!
 
Alexander_K2:
这是完全正确的。我在关于如何做的主题上已经谈论了两个月了。而一些最成熟的人完全不知道如何去做。简而言之,他们毫无头绪。他们现在应该在玩多米诺骨牌了 :))))

哇--那是一张猫头鹰的照片!

原因: