Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1590
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich habe diesen Artikel vor etwa 5 Jahren gelesen, er ist interessant, aber es gibt nicht viele zusätzliche Informationen, der Autor macht irgendetwas mit OHLC, um eine "bequemere" Volatilitätsmetrik zu erhalten, das ist im Prinzip nicht neu, in dem Klassiker von Dacorogna "An introduction to high-frequency finance" aus dem letzten Jahrhundert wurde empfohlen, durchschnittliche absolute Renditen und nicht RMS-Werte als Maß für die Volatilität zu nehmen. Die Vorhersagbarkeit der Volatilität ist ebenfalls bekannt und hängt von zwei Faktoren ab, der Saisonalität und der Trägheit, die 95 % ihres Einflusses ausmachen. Aber selbst wenn wir die (log)Renditen an der Volatilität ausrichten, bringt das nichts, denn wir brauchen ein Vorzeichen für den Handel, und das hat keinen Einfluss auf die Verteilung.
Nimmt man beispielsweise ein Gauß'sches Rauschen, so kann man natürlich die folgenden nicht anhand früherer Stichproben vorhersagen, unabhängig von der Stationarität, aber wenn man beispielsweise diese Reihe sortiert, was die Verteilung nicht verändert, sondern sie völlig vorhersehbar macht, dann kann man mit der dynamischen Volatilität in einem weiten Bereich spielen und sie nicht-stationär, aber dennoch leicht vorhersehbar machen.
Es ist sinnvoll, all dies nicht für einen einzigen Zeitrahmen, sondern für einen Teil davon zu tun und das sich ergebende Bild mit dem zu vergleichen, das sich bei einer Gaußschen SB mit ähnlicher Varianz ergeben sollte.
Wenn Strenge gefragt ist, kann man davon ausgehen, dass es sich um einen Mangel an Stationarität im weitesten Sinne handelt, z. B. bei den Logarithmen der Renditen.
https://github.com/BlackArbsCEO/mixture_model_trading_public/blob/master/notebooks/current_public_notebooks/03_Are_Gaussian_Mixture_Components_More_Stationary_2019-01-01.ipynb
Es ist sinnvoll, all dies nicht für einen einzigen Zeitraum, sondern für ein bestimmtes Segment davon zu tun und das sich ergebende Bild mit dem zu vergleichen, was bei einer Gaußschen SB mit ähnlicher Varianz zu erwarten wäre.
Was die Verteilung der Rückkehrer betrifft, so ist es sehr wichtig, dass die Verteilung umso gaußförmiger wird, je größer der Zeitraum ist, und zwar aus dem trivialen Grund der Mittelwertbildung (wir erinnern uns alle daran, dass die Aggregation von nicht normalen Verteilungen eine normale Verteilung ergibt). Echte "zufällige" Ereignisse auf dem Markt sind nur Änderungen eines Bests (askbid), durch das Platzieren/Ziehen einer Order oder eines Deals; die Aggregation von Ticks sogar in einer Minute verändert die Verteilung und macht sie näher an der Gauß-Verteilung (um aus einer gleichmäßigen Gauß-Verteilung eine zu machen, braucht es 12 Iterationen), die echte Marktverteilung ist nur eine Tick-Verteilung, und sie ist überhaupt nicht normal.
Was die Verteilung der Rückkehrer betrifft, so ist es sehr wichtig, dass die Verteilung umso gaußförmiger wird, je größer der Zeitraum ist, und zwar aus dem trivialen Grund der Mittelwertbildung (wir erinnern uns alle daran, dass die Aggregation nicht-normaler Verteilungen eine Normalverteilung ergibt). Die wirklichen "zufälligen" Ereignisse auf dem Markt sind nur Änderungen eines besten (askbid), durch die Platzierung / Zeichnung einer Bestellung oder die Durchführung eines Handels, die Aggregation von Ticks sogar in einer Minute ändert die Verteilung machen es näher an die Gauß-Verteilung (12 Iterationen sind genug, um die gleichmäßige Verteilung in die Gauß-Verteilung zu machen), ist der reale Markt Verteilung nur die Tick-Verteilung, und es ist überhaupt nicht normal.
Auch für Währungen ist sie nicht real. Genauer gesagt, sie ist überhaupt nicht real, und sie ist auch nicht "normal" (auch nicht im Sinne von Verteilungen).
Denn es gibt kein Zentrum. Es gibt keine einzige Zeckenquelle und keine Garantie dafür, dass die Zecken den Nutzer erreichen. Nicht nur der "hypothetische Strom von Ticks" eines bestimmten Servers ist ein Produkt der Aggregation anderer Server, sondern dieser Strom wird auch aus technischen Gründen sowohl vom Server als auch vom Terminal gedünnt.
Die statischen Merkmale der Zecken hängen von dem jeweiligen DC, seinen Kollegen und deren Software ab.
Was die Verteilung der Rückkehrer betrifft, so ist es sehr wichtig, dass die Verteilung umso gaußförmiger wird, je größer der Zeitraum ist, und zwar aus dem banalen Grund der Mittelwertbildung (wir erinnern uns alle daran, dass die Aggregation von nicht normalen Verteilungen eine normale Verteilung ergibt). Die wirklichen "zufälligen" Ereignisse auf dem Markt sind nur Änderungen eines Bests (askbid) durch das Platzieren/Ziehen einer Order oder das Ausführen eines Handels; die Aggregation von Ticks sogar in einer Minute verändert die Verteilung, indem sie sie näher an die Gauß-Verteilung bringt (12 Iterationen sind genug, um die gleichmäßige Gauß-Verteilung zu verändern), die wirkliche Marktverteilung ist nur die Tick-Verteilung, und sie ist überhaupt nicht normal.
Auf der Tick-Ebene ist ein korrekteres Modell jedoch eine Variation des Poisson-Prozesses, z. B. ein zusammengesetzter Poisson-Prozess mit einer diskreten Verteilung von Sprüngen und einer nicht konstanten Intensität (keine konstante Zeitfunktion). Dabei wird jedoch die Diskretion der realen Handelszeit außer Acht gelassen.
Die Form des Histogramms hängt davon ab, auf welche Bereiche wir treffen (Maxim Dmitrievsky schrieb gerade oben über Mischungen). Manchmal ergibt sich daraus sogar ein Histogramm mit doppeltem Buckel.
Da ich nicht weiß, wie man ein vollständig markovianisches Modell auf metac überträgt, besteht die Idee darin, alle saisonalen Komponenten in Python zu clustern, dann ein einfaches MOH zu trainieren, um die Cluster vorherzusagen und an einer Teststichprobe zu testen. Und übertragen Sie es auf das Terminal. Dies wird Bombe Nr. 3 sein.
Es wird erwartet, dass jeder Cluster eine konstante Varianz und einen konstanten Matroid aufweist.
Da ich nicht weiß, wie man ein vollständig markovianisches Modell auf metac überträgt, besteht die Idee darin, alle saisonalen Komponenten in Python zu clustern, dann ein einfaches MOH zu trainieren, um die Cluster vorherzusagen und an einer Teststichprobe zu testen. Und übertragen Sie es auf das Terminal. Dies wird Bombe Nr. 3 sein.
Es wird erwartet, dass jeder Cluster eine konstante Varianz und einen konstanten Matroid aufweist.
Da ich nicht weiß, wie man ein vollständig markovianisches Modell auf metac überträgt, besteht die Idee darin, alle saisonalen Komponenten in Python zu clustern, dann ein einfaches MOH zu trainieren, um die Cluster vorherzusagen und an einer Teststichprobe zu testen. Und übertragen Sie es auf das Terminal. Dies wird Bombe Nr. 3 sein.
Es wird erwartet, dass jeder Cluster eine konstante Varianz und einen konstanten Matroid aufweist.
Auf Tick-Ebene ist ein korrekteres Modell jedoch eine Variante des Poisson-Prozesses, z. B. ein zusammengesetzter Poisson-Prozess mit diskreter Verteilung der Sprünge und variabler Intensität (KEINE konstante Zeitfunktion).
es wird aus vielen Gründen nicht funktionieren, es wird seit langem erforscht und es geht nicht einmal um Tick-Filterung durch den DC-Server
das ist es, was ich weiß, wo ich suchen musshttps://www.mql5.com/ru/forum/102066/page9#comment_2968124 in diesem Bild, wo der Pfeil ein Ausreißer ist
diese Ticks wird es immer geben, so funktioniert der Markt - warum sie auftreten, ist eine andere Frage
und wenn Sie Ihrer Annahme über die Sprünge in den Ticks folgen, werden Sie diese als Spikes betrachten, aber diese Ticks bilden eben nicht die Richtung der weiteren Bewegungen, sie treten höchstens auf dem Hoch/Tief eines Balkens auf
Ich konnte keine Screenshots des Tick-Indikators von Prival finden, er ist sehr gut darin, diese Spikes darzustellen - man muss also nicht raten, woher der Tick kommt. Eine Möglichkeit ist, dass MM oft asc/bid mit einer Zeitverzögerung im Kursfluss vermischt, aber dies ist ein echter Kurs! )))
Bomba #5 ist ein Trendthema mit bestimmten Tempi, das in regelmäßigen Abständen wiederholt wird. Aber Sie müssen auch durch Nummer 4 gehen
Es ist bereits in Bombe Nummer 2 :)