Gewinnung eines stationären BP aus einem Preis BP - Seite 8
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
Umwandlungen von BP in etwas Anständigeres gibt es zuhauf - alles (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 stellen wir keine solche Aufgabe, wir stellen die Aufgabe der statistischen Charakteristik des Ergebnisses, und wir wissen nicht, was dieses Ergebnis vom ursprünglichen BP widerspiegeln wird.
Was ist der Vorteil von stationären Prozessen gegenüber nicht-stationären Prozessen? Ein stationärer Prozess ist vorhersehbar. Sie hat ein wichtiges Merkmal (in ihrer allgemeinsten Form ist es nicht unbedingt der Mittelwert), und es ist bekannt, wie sich dieses Merkmal ändern kann (in ihrer allgemeinsten Form ist es nicht unbedingt die Varianz). Es ist auch bekannt, dass dieses Merkmal und seine Variabilität von der Stichprobe unabhängig sind. Und in einer besonders strengen Form ist auch bekannt, dass die Verteilungen der Variabilität konstant sind. All dies macht es möglich, mit einer gewissen Strenge Vorhersagen zu treffen. Dies ist bei nicht-stationären Prozessen nicht der Fall. In diesem Fall ist es streng genommen unmöglich, eine Vorhersage zu treffen (in der Praxis ist es natürlich nicht so schlimm). Es ist die Nicht-Stationarität, die zu einigen Arten von Einbrüchen führt. Aber auch stationäres Klempnern ist möglich, und es gibt viele Anhänger dieser Art von Klempnern. Aber das ist ein anderes Thema.
Aus diesem Grund schreibe ich: Gewinn = f(Preis), was bedeutet, dass man einen stationären Gewinn aus einem nicht-stationären Preis erhält.
Dies ist keine Garantie für einen Gewinn, aber es ist ein sehr begehrtes Objekt.
Übrigens habe ich im Forum einige Charts gesehen, die zeigen, dass die Länge der Candlesticks von der Tageszeit abhängt.
Was ist der Vorteil von stationären Prozessen gegenüber nicht-stationären Prozessen? Ein stationärer Prozess ist vorhersehbar. Sie hat ein wichtiges Merkmal (in ihrer allgemeinsten Form ist es nicht unbedingt der Mittelwert), und es ist bekannt, wie sich dieses Merkmal ändern kann (in ihrer allgemeinsten Form ist es nicht unbedingt die Varianz). Es ist auch bekannt, dass dieses Merkmal und seine Variabilität von der Stichprobe unabhängig sind. Und in einer besonders strengen Form ist auch bekannt, dass die Verteilungen der Variabilität konstant sind. All dies ermöglicht mit einer gewissen Strenge eine Vorhersage. Dies ist bei nicht-stationären Prozessen nicht der Fall. In diesem Fall ist es streng genommen unmöglich, eine Vorhersage zu treffen (in der Praxis ist es natürlich nicht so schlimm). Es ist die Nicht-Stationarität, die zu einigen Arten von Einbrüchen führt. Aber auch stationäres Klempnern ist möglich, und es gibt viele Anhänger dieser Art des Klempnerns. Aber das ist ein anderes Thema.
Deshalb schreibe ich: Gewinn = f(Preis), was bedeutet, dass man einen stationären Gewinn aus einem nicht-stationären Preis erhält.
Das ist der Hauptgrund, warum ich schreibe: Gewinn=f(Preis), was bedeutet, einen nicht-stationären Gewinn zu einem nicht-stationären Preis zu erzielen.
Dies ist eine inhärente Eigenschaft einiger Märkte. Warum sind Sie daran interessiert? Im Zusammenhang mit dieser Diskussion.Stationarität ist bei positivem mo erwünscht. Dann ja, es ist eine Quelle des Gewinns. Gibt es Fälle von stationärem mo=0, an denen man systematisch verdienen kann? Es ist möglich, recht gut vorauszusagen, aber ist es möglich, zu verdienen? Positive mo können am effizientesten gespielt werden, wenn Sie die anderen Merkmale/Parameter der Verteilung kennen.
Die stationäre Reihe ist von Abhängigkeiten befreit. Er hat kein "Gedächtnis", da seine Verteilung nicht von der Zeitverschiebung des Referenzschlüssels t abhängt. Wenn man darin nach Abhängigkeiten sucht, ist der Aufbau von TA nutzlos. Spielen Sie das positive Mo nur dann auf rein statistische Weise aus, wenn es vorhanden ist.
Stationarität ist bei positivem mo erwünscht. Dann ja, es ist eine Einkommensquelle. Gibt es mögliche Fälle von stationären mo=0, an denen man systematisch verdienen kann? Vorhersagen sind möglich und durchaus angemessen, aber verdienen? Positive mo können am effizientesten gespielt werden, wenn Sie die anderen Merkmale/Parameter der Verteilung kennen.
Die stationäre Reihe ist von Abhängigkeiten befreit. Er hat kein "Gedächtnis", da seine Verteilung nicht von der zeitlichen Verschiebung des Referenz-T-Scores abhängt. Wenn man darin nach Abhängigkeiten sucht, ist der Aufbau von TA nutzlos. Nur um das positive Mo auf rein statistische Weise auszuspielen, wenn es vorhanden ist.
Ich hoffe, dies ist eine Klarstellung und keine Widerlegung dessen, was ich geschrieben habe.
Sprechen wir über dieselbe Sache?
Wahrscheinlich ja, es war nur noch nicht da, als ich es gelesen habe.
"Stationarität ist keine Garantie für Rentabilität, aber ein wünschenswertes Attribut."
und das ist ein Punkt, den ich klarstellen wollte :)
Stationarität ist bei positivem mo erwünscht. Dann ja, es ist eine Einkommensquelle. Gibt es mögliche Fälle von stationären mo=0, an denen man systematisch verdienen kann? Vorhersagen sind möglich und durchaus angemessen, aber verdienen? Positive mo können am effizientesten gespielt werden, wenn Sie die anderen Merkmale/Parameter der Verteilung kennen.
Die stationäre Reihe ist von Abhängigkeiten befreit. Er hat kein "Gedächtnis", da seine Verteilung nicht von der zeitlichen Verschiebung des Referenz-T-Scores abhängt. Wenn man darin nach Abhängigkeiten sucht, ist der Aufbau von TA nutzlos. Nur um das positive Mo auf rein statistische Weise auszuspielen, wenn es vorhanden ist.
Ein paar Beiträge zuvor habe ich mich über die Übereinstimmung des Modells mit dem Original gewundert. Stimmt das Mashup mit dem ursprünglichen unsteten Signal überein? Eine ganze Reihe von Antworten, sowohl theoretisch als auch in Form von Mashup-Modifikationen. Sie können reguläre Modelle verwenden, müssen aber immer die Frage nach der Übereinstimmung (Angemessenheit) des Modells mit dem Original beantworten. Wir versuchen, einen Trend aufzugreifen. Was nehmen wir in kleinen Schritten? Wenn wir davon ausgehen, dass der Blutdruck eine Summe aus starken Trends, schwachen Trends, Zyklen (Oszillationen im Korridor und weißem Rauschen) ist, was nehmen wir dann als Inkremente?
Dies ist eine inhärente Eigenschaft einiger Märkte. Warum sind Sie daran interessiert? >> Im Zusammenhang mit dieser Diskussion.
Die Abhängigkeit der Kerzenlänge von der Tageszeit wurde als Nicht-Stationarität der Zuwächse interpretiert.
Die Abhängigkeit der Kerzenlänge von der Tageszeit wurde als Nicht-Stationarität der Zuwächse interpretiert.
Gibt es einen Link?
Gibt es einen Link?
Leider nein. Es war auf der Spinne, dann zog es hierher. Das unangenehmste Zeichen für die Nicht-Stationarität des BP ist die unterschiedliche Periodizität der Trends. Auch die Länge der Kerze variiert mit der Zeit. Dies erscheint mir offensichtlich, da die Volatilität nicht stationär ist.
Das war's, mein Modell funktioniert! Heute habe ich Fehler im Algorithmus zur Extrapolation des neuronalen Netzes nach Gewichtskoeffizienten festgestellt.
Kurz gesagt, wir unterteilen die Geschichte in drei Teile.
Im ersten Teil füttern wir die NN-Eingänge mit Residuen von Preisdifferenzen und (ich werde nicht sagen, was). Das neuronale Netz ist im Rückstand. Wir erhalten Gewichtskoeffizienten. Wir extrapolieren.
Im zweiten Teil prüfen wir, ob eine Extrapolation vorliegt. Wir sehen, dass es eine Übereinstimmung gibt. Ziehen Sie die Extrapolation des ersten NN von den Resten ab, d. h. wir erhalten einen weiteren BP der Reste (Fehler des ersten NN). Einspeisung in die Eingänge des zweiten NN.
Im dritten Teil korrigiert der zweite NN die Fehler des ersten NN. Vorwärts ist erfolgreich.
Die Zweigstelle kann als geschlossen betrachtet werden. Meine Hypothese aus dem ersten Beitrag hat sich als richtig erwiesen. Zumindest im Testgerät ist das Ergebnis stabil.