El autor - página 2
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
En matemáticas las series temporales se dividen en tres grupos (son posibles más, pero tres son suficientes para saber cómo se comportará un modelo matemático):
1. La BP es ergódica y, en consecuencia, estacionaria. En este caso sus características estadísticas son tan estables que existe una única solución. Es decir, tiene sentido construir un modelo matemático y que funcione en cualquier sección de BP - supergrial.
2. La RV es no ergódica pero sí estacionaria. Este caso es más complicado, ya que las características estadísticas son estables sólo por la expectativa matemática y la dispersión. Aquí ya hay muchas soluciones. Por lo tanto, se pueden construir varios modelos matemáticos y con cierta probabilidad serán rentables en ciertas partes - no súper, pero sí grial, porque podemos operar dentro del canal en el rebote de SPE - fronteras del canal. La presión arterial se desborda de vez en cuando, pero estos momentos pueden ser superados. También tendremos que esperar y ponernos al día cuando BP baile alrededor del valor cero, sin acercarse a las fronteras. Para comprobar la estacionariedad es necesario y suficiente poner las Bandas de Bollinger en BP y ver que no cambia - es una tendencia lateral con canales bastante estables.
3. La PA no es estacionaria y, por tanto, no es ergódica. Las características estadísticas son inestables. La situación es más complicada porque cualquier modelo matemático sólo es adecuado en la sección para la que se calcula: el ajuste. Fuera de la trama, será un desastre. Simplemente, puede ocurrir que cualquier modelo matemático ajustado a la trama histórica dé pérdidas en el futuro. Es mejor ni soñar con los griales.
Los BP financieros pertenecen a la tercera categoría: no estacionarios y, por tanto, no ergódicos. Pero no es tan malo como parece a primera vista. El hecho es que las primeras diferencias de tales RG son estacionarias en expectativa y parcialmente, pero inestables en varianza. Por ejemplo, cuando la RV está en una tendencia, ya sea lateral o vertical, las primeras diferencias son estacionarias durante algún tiempo. Se desconoce el momento de transición de un estado estacionario a otro, así como las características estadísticas del futuro estado estacionario. Podemos limitarnos a tres modelos matemáticos: tendencia alcista de algún segmento, lateral y bajista. Si el ST clasifica adecuadamente, aunque con cierto retraso, las transiciones de un modelo a otro, podemos ganar dinero. Sin embargo, no hay ninguna garantía porque en este caso puede resultar que ninguno de los tres modelos sea rentable si las dispersiones cambian esencialmente y los límites del canal se determinan de forma incorrecta. Habrá que incurrir en pérdidas y construir tres próximos modelos matemáticos sobre las secciones de la historia anterior. Y así sucesivamente. Denso o vacío.
A juzgar por el hecho de que es posible construir una ST adecuada que sea rentable en el futuro en algunos períodos de la historia. Podemos asumir una u otra cosa. El mercado es ergódico no ergódico, algún período de tiempo (que podemos tratar de explotar). Por lo tanto, la tarea inicial es la siguiente.
1 Agrupar el mercado. Si hay una tendencia entonces qué tipo de tendencia, si hay un plano entonces qué tipo de transición ( es una red neuronal separada con un pincel para el artículo sobre Kohonen)
2 Determinar el clúster en el que estamos en este momento
3 Elegir o seleccionar de la base de datos la estrategia responsable del clúster actual.
Estamos teniendo un momento difícil. Seleccione los argumentos mínimos que describen el mercado (leí el artículo sobre el análisis discriminatorio). Elija la ventana de tiempo del momento actual. Pues bien, para recopilar estadísticas sobre el periodo de tiempo en el que se encuentra el mercado (si tenemos tiempo de retirar las fichas de la mesa o no).
He añadido una clase para crear un optimizador GA. Un agradecimiento especial a Roman Rich y joo por sus artículos.
En el tráiler optimizador de la clase GA y un ejemplo de su uso en el script. Si no lo encuentras difícil de ejecutar. Las preguntas sobre el uso y los errores se envían aquí.
He añadido una clase para crear un optimizador GA. Un agradecimiento especial a Roman Rich y joo por sus artículos.
En el tráiler optimizador de la clase GA y un ejemplo de su uso en el script. Si no lo encuentras difícil de ejecutar. Preguntas sobre el uso de bichos y plz aquí .
No demasiado perezoso, corrió.
2011.11.18 17:30:10 PrimerGA (EURUSD,D1) X1 = 3.068966720346887 X2 = 3.315651165492819 Solución = -4.31815752349534
2011.11.18 17:30:07 PrimerGA (EURUSD,D1) X1 = 3.029136351314492 X2 = 3.309540883455843 Solución = -4.263691893969934
2011.11.18 17:30:00 PrimerGA (EURUSD,D1) X1 = 2.449305079854762 X2 = 2.817163285313374 Solución = -4.174465090531069
2011.11.18 17:29:52 PrimerGA (EURUSD,D1) X1 = 3.063254884005564 X2 = 3.313075674783155 Solución = -4.314453236316976
2011.11.18 17:29:40 PrimerGA (EURUSD,D1) X1 = 3.078649362527705 X2 = 2.169112355456941 Solución = -4.25838612042264
¿Por qué hay tanta dispersión en la solución?
No me tomé la molestia de comprobarlo.
La función en sí misma parece un erizo, gracias joo. Si quieres aumentar la precisión tendrás que sacrificar la cantidad de cálculos, en mi opinión es una relación menos óptima. No me interesaba el problema de alta complejidad, sino el aspecto práctico. Usabilidad, errores .....
Esta función es florida (suave y esponjosa) en comparación con lo que va a hacer.
Parte práctica: no he encontrado la forma de aumentar la precisión sin interferir directamente en el código.
Esta función es florida (suave y esponjosa) en comparación con lo que va a hacer.
En la práctica: no he encontrado la forma de aumentar la precisión sin interferir directamente en el código.