Resonancia estocástica - página 29
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
Es importante cómo se "utiliza" el indicador. Tal vez, no existan esos problemas.
Se han publicado artículos sobre el tema de la adaptabilidad de los indicadores. Lo más fácil es superponer el RSI de Bollinger. Forma estadística simple basada en el RMS y sin construir distribuciones teóricas.
Está bien, Yurixx, no te atribuyo esa frase. ¿Y qué hay de la actitud escéptica ante los artificios... Tengo Maple instalado en casa, a veces me ayuda mucho, incluso en los cálculos simbólicos. Sin embargo, hace tiempo que no lo uso.
Antes tenía un Matcad, luego me actualicé a Matlab. Recién instalado el neuroshell2. En qué otro lugar me tomaría el tiempo para entenderlo todo. Y me gustaría... Hay algunas cosas que realmente me gustaría entender.
Por lo tanto, sin bromear, mi actitud escéptica se limita al escepticismo sobre mis capacidades para captar todo lo que quiero. Todo esto es un maravilloso equipaje para la aplicación de métodos ya desarrollados y perfeccionados, por parte de aquellos que no necesitan profundizar, que necesitan resultados en números. Si hablamos de todos nosotros aquí, estamos tratando de crear algo nuevo. Apenas es posible sin una penetración profunda. Pero... para eso están los abuelos, para profundizar.
Es importante cómo se "utiliza" el indicador. Puede que no haya tal problema.
Se han publicado algunos artículos sobre la adaptabilidad de los indicadores. La más sencilla es superponer el RSI de Bollinger. Una forma estadística sencilla basada en el RMS y sin construir distribuciones teóricas.
Sin duda, hay muchas posibilidades y métodos diferentes. ¿Significa esto que debemos negarnos a hacer nada nuevo, en particular las "distribuciones teóricas"?
a Yurixx
Tengo una pregunta interesante sobre la marcha. ¿Puede alguien aclararme por qué no se utiliza en estadística una función de distribución tan sencilla y cómoda con buenas propiedades? Y si se utiliza, ¿por qué no se escribe sobre ello? Nunca he visto a nadie intentar aproximar una distribución incremental que no sea la lognormal.
Es necesario aclarar que realmente hablamos de la expectativa Ymin e Ymax. La condición de "matar" el cálculo de la media mínima por los valores mínimos de la serie suaviza este inconveniente, pero genera otro - de hecho se refiere a la probabilidad de ocurrencia de M valores mínimos (máximos) de la serie en una fila (por eso uso la palabra "matar"). Si N tiende a infinito, la probabilidad de que se produzca este evento tenderá a 0. No he analizado los cálculos en detalle, pero hay que suponer que X1 correrá a 0 y X2 también correrá a infinito. Después de ellos Ymin e Ymax seguirán el mismo camino, el primero se ve claramente en la segunda imagen, el segundo no entra en ningún diagrama. Esto hace que su valor como coeficientes de normalización sea cuestionable, incluso si tienden lo suficientemente lento.
Lo más natural es utilizar un intervalo de confianza para ello. Es decir F(Ymax)=1-Delta, si en la práctica - se hace una distribución real de Y con el máximo disponible N y para el Delta elegido se encuentra Ymax por ordenación. No lo he cronometrado, pero para la simple Y no hará falta mucho.
a Yurixx
Conciso pero sucinto. Perdona mi morbosa curiosidad natural, siempre quieres entender incluso lo que personalmente no necesitas. :о)
a Yurixx
Conciso pero sucinto. Perdona mi morbosa curiosidad natural, siempre quieres entender incluso lo que personalmente no necesitas. :о)
¡Por eso os quiero a todos, gente! :-)
...tengo una pregunta interesante en el camino. ¿Puede alguien aclararme por qué no se utiliza en estadística una función de distribución tan sencilla y cómoda con buenas propiedades? Y si se utiliza, ¿por qué no se escribe sobre ello? Nunca he visto a nadie intentar aproximar una distribución incremental que no sea la lognormal.
Yura, no sé la respuesta a esta pregunta.
Sólo puedo suponer que su distribución propuesta p(X)=A*(X^a)*exp(-B*(X^b)), es un caso particular (por ejemplo, la distribución exponencial generalizada p(X)=a/(2G[1/a]*l*s)exp{-[(x-m)/l*s]^a}, Bulashev, p.41), o aquellos pocos, que también lograron llegar al fondo del asunto, decidieron guardar silencio y segar tranquilamente la col en la vasta Forpolye:)
Pero tengo una contrapregunta.
Hace tiempo estuve estudiando modelos autorregresivos de orden arbitrario (cuando se busca la dependencia de la amplitud de la barra actual y su signo con la suma de acciones sobre ella de un número arbitrario de barras anteriores). Resolví este problema tan bien que no podía decir si la serie del modelo era real o no por su apariencia, pero por una excepción - la función de distribución (DP) de la serie del modelo estaba lejos de la realidad. Nunca pude encontrar la razón de la discrepancia. Intuitivamente, me pareció que la coincidencia de las funciones de autocorrelación era suficiente para hacer coincidir la PDF de sus primeras diferencias. Resulta que no era... Hay algo que no estoy teniendo en cuenta en la modelización del comportamiento de la serie de residuos.
¿Qué opina de esta cuestión?
Voy a intervenir aquí, Neutron. No soy estadístico, así que tuve que hacer la pregunta en mexmat.ru. Está aquí: http://lib.mexmat.ru/forum/viewtopic.php?t=9102
Pregunta: ¿qué información sobre el proceso estacionario es suficiente para reproducirlo correctamente? La respuesta fue: hay que conocer la función de covarianza y el m.o. del proceso. Todavía no sé cómo construir un proceso con una función de covarianza dada. Pero la idea es que el proceso resultante pueda considerarse una implementación adecuada del proceso original simulado. ¿Tal vez su proceso no era estacionario?
P.D. Quiero una simulación plausible del proceso de residuos (rendimientos). Según Peters, la distribución de los residuos es fractal con una precisión aceptable, y el proceso es estacionario. Aunque no se excluyen otros modelos...
Tengo una pregunta interesante sobre la marcha. ¿Puede alguien aclararme por qué no se utiliza en estadística una función de distribución tan sencilla y conveniente con buenas propiedades? Y si se utiliza, ¿por qué no se escribe sobre ello? Nunca he visto a nadie intentar aproximar una distribución de tipo incremental que no sea lognormal.
De hecho tengo la siguiente nota: es necesario aclarar que realmente hablamos de la expectativa Ymin e Ymax. La condición de "matar" el cálculo de la media mínima por los valores mínimos de la serie suaviza este inconveniente, pero genera otro - de hecho se refiere a la probabilidad de ocurrencia de M valores mínimos (máximos) de la serie en una fila (por eso uso la palabra "matar"). Si N tiende a infinito, la probabilidad de que se produzca este evento tenderá a 0. No he analizado los cálculos en detalle, pero debemos suponer que X1 se moverá a 0 y X2 también se moverá a infinito. Después de ellos Ymin e Ymax seguirán el mismo camino, el primero se ve claramente en la segunda imagen, el segundo no encaja en ningún diagrama. Esto hace que su valor como coeficientes de racionamiento sea dudoso, incluso con un esfuerzo bastante lento.
Llevo bastante tiempo practicando la normalización, incluso de los precios. En mi opinión, lo más natural es utilizar un intervalo de confianza para ello. Es decir F(Ymax)=1-Delta, si en la práctica - se hace una distribución real de Y con el máximo disponible N y para el Delta elegido se encuentra Ymax por ordenación. No lo he cronometrado, pero para la simple Y no hará falta mucho.
Estoy de acuerdo con todos los comentarios. Y la imagen del comportamiento de los límites en N -> allí es perfectamente correcta. Pero.
No se trata de un cálculo de los límites Ymin e Ymax, sino de su evaluación estadística. El objetivo, la normalización de la gama, impone requisitos no demasiado rígidos a la precisión de la tarea. Teniendo en cuenta esto, creo que estas suposiciones (incorrectas de hecho) son bastante aceptables. Pero si fuera necesario determinar el momento de la llamada más allá del límite, habría que determinarlo con mucha más precisión.
Realmente me limité al caso de N finito, que es lo que dije explícitamente. Si incluso tú utilizas la N máxima disponible pero finita en tus cálculos, entonces tengo derecho a ello. :-)) No se sabe qué pasará cuando N llegue al infinito. Un consuelo: tú y yo ya no existiremos. Y también en el mercado de divisas.
Quiero llamar su atención sobre el objetivo principal del problema. No se trata de calcular Ymin e Ymax en sí. Se trata de recalcular los datos de una serie derivada utilizando los datos de la serie original. Además, su método de recalcular la normalización es arbitrario, ligado al conjunto histórico sobre el que lo hace. Cuando cambias de t/f puede cambiar de 2000 bares a, digamos, 500000 bares. Alcanzar el límite del rango en el primer caso no dice nada, pero en el segundo caso dice mucho. Puedes acusar a mi método de arbitrariedad sólo con una función de distribución del modelo en mente. Sin embargo, si la distribución real, trazada experimentalmente sobre la cantidad "máxima disponible" de datos, se aproxima bien a la distribución del modelo, ¿dónde está la arbitrariedad en ella?