Was macht ein unstetes Diagramm unstetig oder warum ist Öl Öl? - Seite 18

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
спрогнозировать его надо прежде всего с того что привести его к стационарному.
Например взять разности, то есть: Разность(2)= Цена(2)-Цена(1).....Разность(100)=Цена(100)-Цена(99),
ну и дальше подбирать соотв. линейную модель прогнозирования
Каким образом вы сможете это потом использовать?
Wenn es einen Nullpunkt gibt, kann der Kumulant vollständig vom Rückkehrer zurückgefordert werden, und umgekehrt.
Wenn Sie eine zuverlässige Renditeprognose haben (Preis der ersten Differenz), dann machen Sie eine Niveau-Prognose
(bis wohin der Preis reicht und wo er sich umdreht) sind ein paar einfache Dinge.
Если по поводу темы, то есть по поводу того что делает движения цен нестационарным случ. процессом,
то вначале необходимо определить что такое есть сама нестационарность.
Нестационарность это изменение (не постоянство) математического ожидания и дисперсии
во времени, то есть среднее-дисперсия на M5 полученные по последним, скажем 100 значениям не
равны среднему-дисперсии полученные на том же тайм-фрейме, но сутки тому назад.
При наличии нулевой точки кумулят полностью востановим из ретурна так же как и наоборот.
Те если вы получили достоверный прогноз ретурна (цен первой разности) то сделать уровневый прогноз
(докуда цена дойдёт и хде развернёться) из него пара пустяков.
D.h. indem man einen aktuellen Punkt als Referenz nimmt und eine Vorhersage von Richtung und Größe hat. Es scheint ganz einfach zu sein.
Aber es scheint, dass die Vorhersage ausreichend kurzfristig sein muss.
Und reicht die Bandbreite der Vorhersage aus, um sicherzustellen, dass das Ergebnis statistisch gültig und verwertbar ist?
Wenn nicht, bedeutet dies, dass der Bezugspunkt ständig geändert werden muss und folglich die Nicht-Stationarität wieder eintritt.
А почему именно сутки? Цена вполне даже стационарна в пределах времени тренда или флета.
А вы знаете как их определить? Т.е. решить когда переходить с одной модели поведения на другую
Т.е. беря за референс некоторую текущую точку и имея прогноз направления и величины. Вроде всё просто.
Но, по-видимому, прогноз должен быть достаточно краткосрочным.
А будет ли диапазон прогноза достаточным, чтобы обеспечить стат достоверность результата и возможность его использования?
Если нет-не означает ли это необходимости постоянного изменения референса и, как следствие, возврата к нестационарности.
Ich habe keine Antworten, aber ich denke, dass der statistische Vorteil zwischen der zufälligen Eingabe und der Eingabe durch Vorhersage bei der letzteren liegen wird
mit der Zuverlässigkeit der Vorhersage (je zuverlässiger die Vorhersage ist, desto besser ist sie natürlich).
Selbst wenn der prognostizierte Eintrag schlechter ist als der zufällige, kann er während der Fehlersuche einfach rückgängig gemacht werden,
Das einzige Problem ist, dass es nichts bringen wird, wenn die zufällige Eingangsrentabilität gleich der vorhergesagten ist, Sie werden mit der Streuungsrate verlieren.
Это другой вопрос, не имеющий отношения к обсуждаемой стационарности/нестационарности. Именно поэтому нет смысла о ней особо рассуждать так как это само по себе ничего не даёт.
Für mich ist die Frage der Stationarität/Nicht-Stationarität im Hinblick auf ihre Verwendung interessant.
Wenn also nicht klar ist, wie ein Trend oder ein Flat zu definieren ist, dann ist die Aussage "Der Preis ist innerhalb eines Trends oder eines Flats ziemlich stationär" sozusagen ein No-Brainer.
Для меня, вопрос о стационарности/нестационарности интересен с точки зрения того, как это использовать.
Поэтому, если непонятно как определить тренд или флет, то утверждение "Цена вполне даже стационарна в пределах времени тренда или флета" - как-бы не о чём.
У Бокса "проинтегрированное" - это разности порядка выше чем один, т.е. разности разностей, пока не получим стационарный процесс. Бокс приводит к стационарному виду, но для исторических данных, а что будет для будущих данных? Будет ли там модель АРПСС иметь те же параметры, что и для исторических данных. Вот что имелось ввиду.
Die Ordnung der Autoregression wird um die Ordnung der Differenz erhöht, und somit werden die zuvor angepassten Gewichte (Parameter) für den gegebenen statistischen Prozess geändert.
Die Parameter (Gewichte) des gleitenden Durchschnitts bleiben davon unberührt. Box hat dafür eindeutige Definitionen und Beispiele.
Und was die historischen Daten angeht... Ich gebe Ihnen einen Tipp:
Differenz(t+1)=Preis(t+1)-Preis(t), wobei t=1,2,......N.
Wenn vorhergesagte Differenz(t+1), Preis(t) wir wissen, weil t der letzte geschlossene Balken ist, dann...
:)