Wissen Sie, wie man Kanäle herstellt? - Seite 7

 
Alexey Volchanskiy:

Freunde, es gibt fast keinen Handel mehr, es ist Zeit, sich mit der Theorie zu beschäftigen. Nachdem wir ein lustiges Bild gezeichnet haben, wollen wir nun über die Arbeit in einem Kanal sprechen.

Meiner bescheidenen Meinung nach ist der Kanal ein Hilfsmittel und dient dazu, ein auf andere Weise empfangenes Signal zu bestätigen.

HP-Kanal


All diese Kanäle, Trends und so weiter sind Blödsinn. In der Geschichte sieht alles gut aus, und die Zukunft ist hinter dem Nebel der NESTATION verborgen.

Oder wir erinnern uns immer an die Nicht-Stationarität und suchen nach Instrumenten dagegen, die wir dann anwenden, oder wir verlieren unser Depot.

1. Wir handeln nach Mustern (ein Kanal ist auch ein Muster). Wir nehmen TA + Köpfe (Erfahrung) - die vielversprechendsten, und vielleicht gewinnen wir. Oder wir nehmen MO, suchen automatisch nach Mustern... und dann müssen wir Eingabedaten finden, die wiederum stabile Muster für die Zielvariable erzeugen sollten. Das Hauptproblem ist nicht der Algorithmus zur Mustersuche, sondern die Fähigkeit, die Rohdaten für diese Muster zu finden. Die Erfahrung zeigt, dass es etwa 30 solcher Eingangsdaten (multivariat) gibt. Mit dieser Zahl ist es im Prinzip möglich, nach multivariaten Kanälen zu suchen. Ist das notwendig?

2. Statistik (Toolbox"Ökonometrie" in Matlab). GARCH. Konvertieren Sie die ursprüngliche Reihe in drei Schritten in eine stationäre Reihe. Bis zum Ende ist es NIEMANDEM gelungen, ein stationäres Residuum aus dem Modell zu erhalten. Und wenn der Restwert nicht stationär ist, gibt es immer eine Situation, in der das Depot aufgebraucht wird.

 
СанСаныч Фоменко:

Bis zuletzt ist es niemandem gelungen, ein stationäres Residuum aus dem Modell zu gewinnen. Und wenn die Restmenge unstetig ist, gibt es immer eine Situation, die das Depot leert.


Sie haben die Formulierung "wir werden alle ausbluten" auf so schwierige Weise verschleiert.

 
СанСаныч Фоменко:

Das Hauptproblem ist nicht der Algorithmus zur Mustersuche, sondern die Fähigkeit, die Rohdaten für diese Muster zu finden. Die Erfahrung zeigt, dass es etwa 30 solcher Eingaben gibt (Mehrfachwährung).

Können Sie das genauer erläutern? Welche 30 Eingabedaten enthalten Muster?

 

Hier die Entwicklung der Modelle von linear zu Müll

Vielleicht sollte jemand Python verwenden, um die Beispiele zu lösen und zu sehen, warum die Kanäle nicht funktionieren

Die Grundprämisse ist, dass alles, was nicht linear (nicht stationär im Sinne des Wortes) ist, unterdeterminiert ist, weil es nicht zum Mittelwert konvergiert... alles ist so trivial, dass es schwer zu glauben ist, dass die Ökonometrie über die Ideen von Bernoulli oder was auch immer hinausgegangen ist... Gaußsche Ideen.

http://www.blackarbs.com/blog/time-series-analysis-in-python-linear-models-to-garch/11/1/2016

Time Series Analysis (TSA) in Python - Linear Models to GARCH
Time Series Analysis (TSA) in Python - Linear Models to GARCH
  • 2016.11.08
  • Brian Christopher
  • www.blackarbs.com
So what?  Why do we care about stationarity?  A stationary time series (TS) is simple to predict as we can assume that future statistical properties are the same or proportional to current statistical properties.Most of the models we use in TSA assume covariance-stationarity (#3 above). This means the descriptive statistics these models predict...
 
Viktor Korchagin:

So verlief der Handelstest



Also automatisieren Sie es.

 
Viktor Korchagin:

Ich bin kein Programmierer, der Handel wurde auf sh4 durchgeführt, so dass Sie auch mit Ihren Händen langsam handeln können


daher können wir Ihrem Ergebnis nicht trauen, da es zufällig sein könnte :)

 
СанСаныч Фоменко:

All diese Kanäle, Trends und so weiter sind Blödsinn... In der Geschichte sieht alles gut aus, aber die Zukunft ist hinter dem Nebel der UNSTABILITÄT verborgen.

Entweder wir erinnern uns immer an die Nicht-Stationarität und suchen nach Instrumenten, die wir dagegen einsetzen, oder wir verlieren unser Depot.

1. Wir handeln nach Mustern (ein Kanal ist auch ein Muster). Wir nehmen TA + Köpfe (Erfahrung) - die vielversprechendsten, und vielleicht gewinnen wir. Oder wir nehmen MO, suchen automatisch nach Mustern... und dann müssen wir Eingabedaten finden, die wiederum stabile Muster für die Zielvariable erzeugen sollten. Das Hauptproblem ist nicht der Algorithmus für die Mustersuche, sondern die Fähigkeit, Eingabedaten für diese Muster zu finden. Die Erfahrung zeigt, dass es etwa 30 solcher Eingangsdaten (multivariat) gibt. Mit dieser Zahl ist es im Prinzip möglich, nach multivariaten Kanälen zu suchen. Ist das notwendig?

2. Statistik (Toolbox"Ökonometrie" in Matlab). GARCH. Konvertieren Sie die ursprüngliche Reihe in drei Schritten in eine stationäre Reihe. Bis zum Ende ist es NIEMANDEM gelungen, ein stationäres Residuum aus dem Modell zu erhalten. Und wenn der Restwert nicht stationär ist, gibt es immer eine Situation, in der das Depot aufgebraucht wird.

Völlig einverstanden. Kanäle, Trends sind im Großen und Ganzen a posteriori und sind einfach unsere übliche Art, einer bereits etablierten Geschichte einen Sinn zu geben. Es müssen gleitende Wahrscheinlichkeitsverteilungen berechnet werden, um zuverlässigere Informationen zu erhalten. Aber auch hier bringt die Nicht-Stationarität die Karten durcheinander.
 
Viktor Korchagin:

Du hast Recht... ich behaupte nichts))), aber ich habe darauf hingewiesen, dass man eine Eule schreiben kann... es wird interessant sein, die Ergebnisse zu sehen


 
Aleksey Ivanov:
Ich stimme völlig zu. Kanäle, Trends sind im Großen und Ganzen a posteriori und sind einfach unsere übliche Art, einer bereits etablierten Geschichte einen Sinn zu geben. Es müssen gleitende Wahrscheinlichkeitsverteilungen berechnet werden, um zuverlässigere Informationen zu erhalten. Aber auch hier bringt die Nicht-Stationarität die Karten durcheinander.
Ganz genau. Ich erzähle schon seit 2 Monaten in meinem Thread, wie man das macht. Und einige der kultiviertesten Menschen sind in diesen Fragen völlig verblüfft. Sie sind ahnungslos, um es einfach auszudrücken. Es ist Zeit für sie, Domino zu spielen :))))
 
Aleksey Ivanov:
Ich stimme völlig zu. Kanäle, Trends sind im Großen und Ganzen a posteriori und sind einfach unsere übliche Art, einer bereits etablierten Geschichte einen Sinn zu geben. Es müssen gleitende Wahrscheinlichkeitsverteilungen berechnet werden, um zuverlässigere Informationen zu erhalten. Aber auch hier bringt die Nicht-Stationarität die Karten durcheinander.
Dies wird in GARCH seit etwa 15 Jahren gemacht, aber davor gibt es zwei weitere Schritte für Inkremente: ein Trendmodell in Inkrementen und ein Volatilitätsmodell (GARCH - Clustering der Volatilität zuerst, aber es gibt viele andere Nuancen). Dann wird die bewegte Dichte berechnet und in der Regel durch eine t-Verteilung modelliert. Betrachtet man die Entwicklungsgeschichte der GARCH-Modelle, so hat sich die Effizienz dieser Modelle gerade nach der Modellierung der Wahrscheinlichkeitsdichte dramatisch verbessert. Sie können also nicht darauf verzichten.