FR H-Volatilität - Seite 3
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
Der Einfachheit halber sind die Differenz (Hvol - 2) und die Differenz (sko/|leg| - root(pi/2)) in rot eingezeichnet, um sofort die Differenz zu dem Wert Hvol=2 zu zeigen, den die H-Volatilität für den Nicht-Arbitrage-Markt annehmen sollte, und die Differenz zu dem Wert 1,253314, den sko/|leg| für die Normalverteilung annehmen sollte.
Hmm ... Folgt man Ihrer Logik, dann sollten das Verhalten von Hvol - 2 und die Differenz sko/|leg| - Wurzel(pi/2) positiv korreliert sein. Im Bereich von kleinem H, wo der Unterschied von FR zu normal am deutlichsten ist, beobachten wir jedoch die kleinsten Werte für sko/|leg| - Wurzel(pi/2) - als ob die Verteilung zu Gauß tendiert.
Aber für den Euro sind die Kurven genau dieselben wie bei Ihnen. Vielleicht liegt es daran, dass Sie gezielt versucht haben, die Merkmale einer realen Serie in dieser Modellreihe nachzubilden? Auf jeden Fall würde ich gerne sehen, wie sich Kagi-Builds und ihre Parameter und phd auf normalen CB verhalten werden. Ich finde es zum Beispiel sehr merkwürdig, dass die Verteilungen für Ticks und für Zickzacks, die auf diesen Ticks aufbauen, sich grundlegend voneinander unterscheiden.
Alles.
Yura, die Tatsache, dass die Modell- und die realen Reihen nicht dasselbe Hvol haben, deutet darauf hin, dass wir (ich) die Dateien verwechselt haben. Lassen Sie mich eine neue Serie erstellen (es wird einige Zeit dauern, sich daran zu erinnern), die genau dasselbe Korrelationsdiagramm und dieselbe Volatilität auf Ticks wie der echte BP haben wird. Ich schlage vor, EUR/JPY-Ticks als das vielversprechendste Paar für Arbitrage zu modellieren.
Ich beginne mich zu erinnern. In dem autoregressiven Modell N-ter Ordnung, das ich für die Modellierung verwendet habe, war der FR der Residuenreihe sehr ähnlich wie normal, wenn die Art des FR des stochastischen Terms (sigma) gaußverteilt war. Um die PDF der Residuen der Modellreihe an die ursprüngliche Reihe anzunähern, habe ich eine sehr exotische Form des stochastischen Terms festgelegt, so dass keine Gaußsche Verteilung vorliegt.
Vorerst lege ich eine Reihe von Ticks für EUR/JPY an:
Hmmm... wenn man Ihrer Logik folgt, dann sollten das Verhalten von Hvol - 2 und die Differenz sko/|leg| - Wurzel(pi/2) positiv korreliert sein. Allerdings beobachten wir im Bereich von kleinem H, wo der Unterschied von FR zu normal am deutlichsten ist, die kleinsten Werte für sko/|leg| - Wurzel(pi/2) - als ob die Verteilung zu Gauß tendiert...
Die positive Korrelation zwischen Hvol - 2 und sko/|leg| - root(pi/2) ist mir nicht bekannt. Vom Aussehen der Diagramme her scheint es mir, dass Hvol und sko/|leg| ganz unterschiedliche Merkmale sind. Abstrahiert man vom allerersten Punkt (Tick-Zick-Zack) der Modellreihe, so verhält sich sko/||leg| sehr gleichmäßig. Wahrscheinlich kann es im Handel kaum verwendet werden, aber Hvol scheint ein wertvolleres Merkmal zu sein.
Als Ergebnis dieser Forschung habe ich erkannt, dass Arbitragefreiheit keine Folge der Normalverteilung ist. Genauer gesagt gibt es andere FRs, für die die SV-Reihen arbitragefrei sind. Hvol ist ein geeignetes Merkmal zur Beurteilung der Arbitragefreiheit, sko/|leg| jedoch nicht. Sie eignet sich bestenfalls dazu, die Nähe des FR zu einem Gauß zu schätzen, was für sich genommen wenig aussagekräftig ist.
Von den vielen Punkten der beiden sko/||leg|-Diagramme zeigt nur einer - der erste Punkt für die Modellreihe - die Normalität der Verteilung an. Das ist genau der Punkt, der sich direkt auf die von Ihnen erzeugte Reihe bezieht. Für mich war es ganz natürlich, dass Sie speziell eine normalverteilte SV erstellt haben. Daher war es für mich eine Überraschung, die FR für diese Serie zu sehen (Grafik Z1). Dies zeigt einmal mehr, dass sko/|leg| ein gutes, wenn auch nicht erschöpfendes Merkmal zur Beurteilung der Normalität von FR sein kann. :-)
Handelt es sich bei den angezeigten Ticks um echte Daten oder um modellierte Daten?
PS
Im Übrigen bin ich der Meinung, dass das Korrelationsdiagramm und die Volatilität der Modellreihen nicht mit den realen Reihen übereinstimmen müssen. Unsere Aufgabe geht nämlich noch nicht über eine grundlegende Prüfung des Verhaltens dieser Merkmale hinaus. Im Gegenteil, wenn es sich um die primitivsten normalverteilten Reihen handelt, auch wenn sie nicht der Realität entsprechen, ist es noch besser. Wenn sich aber bei einer solchen Serie herausstellt, dass diese Merkmale funktionieren, dann können wir eine zweite Frage stellen: Können diese Merkmale zwischen echten und Modelldaten (Fake :-) unterscheiden, können sie ein Filter für Arbitragemöglichkeiten sein?
Echt! Wirklich.
Und hier kommen die Modellzecken!
Bei der Erstellung der Daten war die wichtigste Bedingung, dass Korrelogramme und Volatilität bei verschiedenen Stichproben übereinstimmen:
Zu diesem Zweck wurde ein autoregressives Modell 5. Ordnung verwendet. So verhalten sich die BPs selbst und ihre FRs:
Als Ergebnis dieser Studie wurde mir klar, dass Willkür keine Folge der Normalverteilung ist. Genauer gesagt gibt es andere PDFs, für die die SV-Reihen arbitragefrei sind. Hvol ist ein geeignetes Merkmal zur Beurteilung der Arbitragefreiheit, sko/|leg| hingegen nicht. Sie eignet sich bestenfalls dazu, die Nähe des FR zu einem Gauß zu beurteilen, was für sich genommen wenig aussagekräftig ist.
Ich habe den Eindruck, dass Sie einen sehr wichtigen Punkt hervorgehoben haben: Willkür ist keine Folge der Normalverteilung. Ich sollte hinzufügen, dass Arbitrage eine Folge eines Nicht-Gleichgewichts auf dem Devisenmarkt sein kann (wir sprechen noch nicht über seine Art).
Auf diese Weise stimmen die Werte der autoregressiven Koeffizienten des Modells und der Quellkoeffizienten überein:
P.S. Jura, erkläre mir, wie es sein kann, dass so wichtige Prozessmerkmale wie Volatilität, Korrelationsdiagramm!!! übereinstimmen, die Werte der autoregressiven Koeffizienten und FR sich aber grundlegend unterscheiden!? Die Mathematik schlug vor, dass dies von Nicht-Stationarität im strengen Sinne in einer Reihe von ersten Residuen herrührt... aber irgendwie ist es nicht überzeugend. Scheiße!
Ja! Alle Daten beziehen sich auf die Zecken im Juli dieses Jahres, das ist das, was modelliert wurde.
Der Korrelogramm-Algorithmus selbst geht bereits implizit davon aus, dass der Prozess als stationär angesehen wird. Woher weißt du das,Neutron?
Übrigens sind die Ticks der Amplitude nach einem stationären Prozess sehr ähnlich (fast immer +-1, wenn es sich um einen Euro handelt). Mit Verzögerung (Zeit zwischen den Ticks) - überhaupt nicht.
P.S. Hier wäre es schön, Balken mit gleicher Anzahl von Ticks zu erstellen, nicht mit gleicher astronomischer Zeit darin...
P.P.S. Hier sind sie, die Wurzeln der wahrscheinlichen Nicht-Stationarität der Balken. Wir graben in der Amplitude, aber wir sollten auch in der Zeit graben... Vielleicht werden die Ideen von Prival bei einer solchen Darstellung des Prozesses funktionieren. Was denkst du, Neutron?
Eine Reihe von First-Tick-Differenzen haben eine Erwartung streng bei Null, die Standardabweichung variiert von Sitzung zu Sitzung, aber wie Sie richtig bemerkten - schwach... Ich denke, das Problem liegt in der Unzulänglichkeit des verwendeten Modells. Wenn wir einen Begriff einführen, der seltene, aber treffende Ticks "streut", wird das Bild realistischer. Aber wie sehr brauchen wir sie? Yura hat dazu etwas zu sagen...
Irgendwie erotisch :-))
Ich habe den Eindruck, dass Sie einen sehr wichtigen Punkt hervorgehoben haben: Willkür ist keine Folge der Normalverteilung. Ich möchte hinzufügen, dass Arbitrage eine Folge eines Ungleichgewichts in der FR sein kann (wir sprechen noch nicht über die Art der Arbitrage).
P.S. Yura, erkläre mir, wie es sein kann, dass so wichtige Prozessmerkmale wie Volatilität, Korrelogramm!!!, Werte der autoregressiven Koeffizienten übereinstimmen und FR sich grundlegend unterscheiden! Die Mathematik hat vorgeschlagen, dass dies auf einen Mangel an Stationarität im strengen Sinne in einer Reihe von ersten Residuen zurückzuführen ist... Aber irgendwie ist das nicht überzeugend.
Was ist Nicht-Gleichgewichts-FR? Und was ist Stationarität im engeren Sinne? Vergessen Sie aber nicht, dass ich kein Mathematiker bin. :-) Übrigens habe ich gestern den Landau-Lifshitz-Band "Statistische Physik" in die Hand genommen und darin so viele interessante Dinge gefunden! Damals habe ich bitterlich bedauert, dass ich Fachrichtungen und nicht Statistik studiert hatte. :-))
Ehrlich gesagt, kann ich die Frage nicht beantworten. Ich selbst bin immer noch verblüfft über alles, was ich in den letzten Tagen gesehen habe. Ich habe die Daten heruntergeladen, aber noch nicht gezählt, geben Sie mir Zeit.
Sergey, ich glaube, Sie hatten absolut Recht, als Sie von der verallgemeinerten Exponentialverteilung sprachen. So wie es aussieht, ist es wirklich so etwas wie das. Und noch etwas, ich möchte Ihnen voll und ganz zustimmen. Diese hier:
Ich denke, das Problem liegt in der Unzulänglichkeit des verwendeten Modells. In der Tat berücksichtigen wir darin keine Nachrichtenstörungen, wodurch sich die "fetten Schwänze" ausbreiten. Wenn wir ein Mitglied einführen, das selten, aber treffend "Zecken verteilt", wird das Bild realistischer.
Darüber hinaus gibt es noch eine weitere funktionierende Idee. Ich würde sehr gerne die FR und alle Merkmale einer echten Serie während eines ausgeprägten, stabilen Trends sehen. Ein Problem ist, dass die Trends nicht so lange anhalten, dass die Datenmenge ausreichend repräsentativ ist. Oder verstehe ich vielleicht etwas nicht? Vielleicht ist es möglich, Stücke zu schneiden und sie zu einer Serie zu kombinieren? Im Allgemeinen weiß ich nicht, wie man das macht, aber ich möchte mir FR in verschiedenen Marktstadien ansehen. Schließlich geht es hier um die durchschnittliche Temperatur im Krankenhaus.
P.S. Es wäre schön, Balken mit einer gleichen Anzahl von Ticks statt gleicher astronomischer Zeit darin zu bauen...
Das ist im Allgemeinen gar nicht so schwierig. Ich kann das auch tun und die entsprechenden Statistiken veröffentlichen, sagen Sie mir nur, welche. Interessieren Sie sich nur für Renditen oder auch für ONLC? Ich glaube, Northwind hat etwas Ähnliches gemacht.
Aber ich kann nicht zustimmen, dass dies die Ursache für die Nicht-Stationarität ist. Ich weiß noch nicht, was stationär ist (aber ich hoffe, Sie werden es schreiben), aber ich nehme an, dass Forex auf keinen Fall stationär sein kann. Aber quasi-stationär könnte es sein. Wie auch immer man es betrachtet, Forex ist ein stabiles, stabiles System. Sie absorbiert und zerstreut alle externen Störungen. Das ist Forex als ein System sitzt in einem tiefen Brunnen (potentieller Brunnen, natürlich, entschuldigen Sie das Wortspiel :-) Und wenn man einen Ziegelstein in diesen Brunnen wirft, werden die Wellen auf dem Wasser garantiert sein, aber das Gleichgewicht wird wiederhergestellt werden. Alle Modelle, die auf Stationarität beruhen, sind also durchaus lebensberechtigt. Mit einem bedeutenden "aber":
Wenn gezeigt werden kann, dass alle Phänomene, die die Stationarität von Forex stören, kaum Auswirkungen auf die statistischen Parameter des Prozesses haben. Und wenn das Gegenteil bewiesen werden kann, dann wird es wahrscheinlich möglich sein, festzustellen, wo und wie Nicht-Stationarität auftritt. Und dann wird die Frage gelöst, was die Händler verdienen: Stationarität oder Nicht-Stationarität.
Übrigens Mathemat, Sie haben einmal über Risiken und den Einfluss der Tatsache geschrieben, dass der Krampf größer ist als der Durchschnitt. Vielleicht können Sie das Ergebnis kommentieren: bei realen Preisdaten ist der Unterschied zwischen sko und Durchschnitt viel kleiner als bei normalverteilten SV.
Yurixx, Stationarität gibt es in zwei Bedeutungen - breit und eng.
Im weitesten Sinne ist der r.O. des Prozesses konstant und der ACF hängt nur von der Differenz der Argumente ab und nicht von jedem einzelnen. Wahrscheinlich meinst du mit "Konstanz" des r.O. wieder Stationarität :) Das ist eine seltsame Definition...
Im engeren Sinne ist es, wenn... Vergessen Sie es im engeren Sinne. Diese Stationarität ist praktisch nicht nachweisbar.
"Die Preise sind eine unstetige Reaktion auf eine nicht beobachtbare stationäre Sequenz", c) unbekannt. Dieser Gesichtspunkt ist mir in letzter Zeit sehr nahe gegangen: Es gibt einen Gott, der die ursprüngliche "gute" Sequenz beobachtet, aber für die Sterblichen lässt er sie durch einen nichtlinearen Filter laufen, um sie nicht stationär zu machen.
Ehrlich gesagt, kann ich mich nicht erinnern. Ich erinnere mich, dass ich geschrieben habe, dass Risiken von einer nicht-gaußschen Verteilung (dicke Schwänze) betroffen sind.