Gewinnung eines stationären BP aus einem Preis BP - Seite 7
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
Also ..... ? Und? Die spektrale Leistungsdichte ist für Händler nicht notwendig, da sie keine Vorhersage (Synthese) der Signalform für die Zukunft erlaubt.
Nicht unbedingt - eine Umkehrprognose ist für den Trendhandel ausreichend
Das ist nur Ihre *Annahme* aus dem Reich der Mythen. Sie können nicht einmal zeigen, WIE Sie das tun würden (eine Umkehrung vorhersagen), wenn Sie nur die spektrale Leistungsdichte verwenden.
Wie wir wissen, sind stationäre BPs vorhersehbar, wenn sie kein weißes Rauschen sind.
Es besteht daher ein dringender Bedarf an der Umwandlung nicht-stationärer Preis-GP in stationäre, aber mit der Möglichkeit der umgekehrten Umwandlung.
Die primitivste Variante. Näherungsweise der Preis VR. Extrapolieren Sie. Die Differenz zwischen dem extrapolierten Blutdruck und dem tatsächlichen Blutdruck ist ebenfalls ein Blutdruck, allerdings ein stationärer. Nennen wir dieses neue BP synthetisch.
Extrapolation des synthetischen BP. Wir fassen es mit der Extrapolation des Preises VR zusammen. Handelt es sich bei dem synthetischen BP nicht um weißes Rauschen, ist die Ausgabe eine Prognose - das Ergebnis der Summierung der beiden Extrapolationen.
Ich war zu faul, alle Beiträge hier zu lesen. Ich werde also eine Frage stellen, die vielleicht schon vor mir gestellt wurde. Was ist das Kriterium für die Annäherung? Wie groß ist die minimale Standardabweichung in dem zu prüfenden Intervall? Und wie wählen wir die Länge des Modells?
Um zu sehen, worauf ich mit meinen Fragen hinaus will, nehmen Sie das AR-Modell als Beispiel. Dazu werden die Daten der Vergangenheit in Trainingsstichproben unterteilt, d. h. in Eingänge und Ausgänge. Anpassung des Modells an diese Daten entweder durch lineare Regression, die Methode von Burg oder eine andere lineare Vorhersagemethode. Sie schlagen vor, dass wir nach der Anpassung dieses AR-Modells die Vorhersagefehler auf der Grundlage früherer Daten (d. h. dieselben Fehler, die wir bei der Anpassung zu reduzieren versucht haben) berechnen und ein weiteres AR-Modell an einen Fehlerbereich anpassen sollten usw. Dies ist wenig sinnvoll, da die Länge des AR-Modells so gewählt werden sollte, dass der Approximationsfehler die Eigenschaften von weißem Rauschen hat. Andernfalls haben Sie ein kurzes Modell, und seine Fehler verhalten sich nicht wie weißes Rauschen, sondern wie etwas Vorhersehbares. Die Anpassung eines zweiten Modells unter einer Reihe von Fehlern, dann eines dritten und so weiter hat jedoch das gleiche Ergebnis wie die Erhöhung der Ordnung (Länge) des ersten AR-Modells.
Richtiger ist es, das erste Modell schrittweise aufzubauen und die Länge des Modells zu erhöhen, bis sich der Approximationsfehler wie Rauschen verhält. Darüber ist in Büchern und Artikeln viel geschrieben worden.
Ich war zu faul, alle Beiträge hier zu lesen. Ich werde also eine Frage stellen, die vielleicht schon vor mir gestellt wurde. Was ist das Annäherungskriterium? Wie groß ist die minimale Standardabweichung in dem zu prüfenden Intervall? Und wie wählen wir die Länge des Modells?
Um zu sehen, worauf ich mit meinen Fragen hinaus will, nehmen Sie das AR-Modell als Beispiel. Dazu werden die Daten der Vergangenheit in Trainingsstichproben unterteilt, d. h. in Eingänge und Ausgänge. Anpassung des Modells an diese Daten entweder durch lineare Regression, die Methode von Burg oder eine andere lineare Vorhersagemethode. Sie schlagen vor, dass wir nach der Anpassung dieses AR-Modells die Vorhersagefehler auf der Grundlage früherer Daten (d. h. dieselben Fehler, die wir bei der Anpassung zu reduzieren versucht haben) berechnen und ein weiteres AR-Modell an einen Fehlerbereich anpassen sollten usw. Dies ist wenig sinnvoll, da die Länge des AR-Modells so gewählt werden sollte, dass der Approximationsfehler die Eigenschaften von weißem Rauschen hat. Andernfalls haben Sie ein kurzes Modell, dessen Fehler sich nicht wie weißes Rauschen, sondern wie etwas Vorhersehbares verhalten. Aber die Anpassung eines zweiten Modells unter einer Reihe von Fehlern, dann eines dritten und so weiter hat das gleiche Ergebnis wie die Erhöhung der Ordnung (Länge) des ersten AR-Modells.
Richtiger ist es, das erste Modell schrittweise aufzubauen und die Länge des Modells zu erhöhen, bis sich der Approximationsfehler wie Rauschen verhält. Darüber ist in Büchern und Artikeln viel geschrieben worden.
Oh, Mann!
Ach, komm schon, Kollege!? Niemand hier kennt auch nur solche schlauen Worte (wie Sie schreiben: "Kriterium", "Annäherung"), sondern kennt genau 3-4 Personen. Und sie sind es offensichtlich leid, allen die einfachen Wahrheiten zu erklären, also schweigen sie.
Die Umwandlung einer nicht-stationären Reihe in eine stationäre Reihe ist eine Art Übung, die nichts mit dem Gewinn zu tun hat.
>> Nichts dergleichen. Im weitesten Sinne geht es darum, aus einer nicht-stationären Preisreihe eine stationäre Reihe von Gewinnen zu gewinnen.
Auf Anregung von grasn (wofür ich ihm danke) habe ich begonnen, die folgende Idee zu entwickeln.
3. Wir prognostizieren ZZ in 2 Schritten - Abschluss der aktuellen Welle und die nächste. Wahrscheinlich ist es möglich, ein kompliziertes Regressionsmodell zu verwenden, vorläufig beschränke ich mich auf die üblichen Statistiken.Dieser Punkt ist der wichtigste, weil er die größten Amplituden ergibt. Könnten Sie das näher erläutern? ;-) Natürlich handelt es sich dabei nicht um eine Statistik, d. h. es handelt sich nicht nur um Durchschnittswerte von Schrittgrößen oder sogar um die Verteilung der nächsten Schrittgröße gegenüber der vorherigen.
Nichts dergleichen. Im weitesten Sinne geht es darum, aus einer nicht-stationären Preisreihe eine stationäre Reihe von Gewinnen zu gewinnen.
Das verstehe ich nicht. TS macht Gewinn und ich habe kein Wort über TS gesehen.
Das verstehe ich nicht. Der TS erwirtschaftet Gewinne, und ich habe noch kein Wort über den TS gehört.
Gewinn=f(Preisreihen)
Dieser Punkt ist der wichtigste, weil er mit den größten Amplituden arbeitet. Können Sie das genauer erläutern? ;-) Es handelt sich offensichtlich nicht um eine übliche Statistik, d.h. nicht einfach um die durchschnittliche Größe des Schrittes ZZ und auch nicht um die Verteilung der Größe des nächsten Schrittes vom vorherigen.
Vorerst jedoch - Vertrieb. Ich habe vor, die Verteilungen nach Vorhersagefehlern zu klassifizieren, vielleicht ergibt sich daraus ein Muster.
Nein.
1. Zunächst approximieren wir die Preisreihen. Wir erhalten die Formel für die Annäherung an den Preis BP: price_appr(time)
Extrapolieren Sie price_appr(time + i).
3. Synthetisches Delta(Zeit + i) = Open[Zeit + i] - price_appr(Zeit + i) erhalten
4. Prüfen Sie delta(x) auf weißes Rauschen. Wenn es laut ist, ist es schade um die Oma. Wenn es keine Geräusche macht, fahren Sie fort.
5. Synthetik annähern und Formel erhalten: delta_appr(time)
6. Prognose: Prognose(Zeit + i + j) = price_appr(Zeit + i + j) + delta_appr(Zeit + i + j)
wobei: i und j OOS aus den vorangegangenen Schritten sind. time, i und j sind sich nicht überschneidende Zeitreihen
Dies ist ein interessanter Vorschlag.
Allerdings ist die Methodik der Vorhersage nicht ganz klar. Was wird tatsächlich vorhergesagt?
Aber es gibt noch eine ganz andere Aufgabe, die zuerst gelöst werden muss.
Wie prüft man weißes Rauschen oder nicht?
Gewinn=f(Preisreihen)
Umwandlungen von BP in etwas Anständigeres sind reichlich vorhanden - alle (oder fast) Indikatoren, aber kein Gewinn ist sichtbar. Wenn ein Indikator entwickelt wird, geht es immer zuerst um die Idee und dann um die Umsetzung. Hier heißt es: "Es ist gut, wenn VR stationär statt nichtstationär ist". Was ist gut? Die Entwicklung aller Indikatoren zielt darauf ab, dass sie einige Merkmale des ursprünglichen BP widerspiegeln. Hier ist eine solche Aufgabe gar nicht gestellt, die Aufgabe besteht darin, Merkmale des Ergebnisses anzugeben, und was dieses Ergebnis des ursprünglichen BP anzeigen wird, ist unbekannt.
Übrigens, hier auf dem Forum sah eine Grafik, die zeigt, dass die Länge der Kerzen hängt von der Tageszeit.