Teoría de los flujos aleatorios y FOREX - página 50
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
No quería entrar en una discusión, pero la definición de la wikipedia de ruido estacionario es la siguiente:
El ruido blanco es un ruido estacionario cuyos componentes espectrales se distribuyen uniformemente en toda la gama de frecuencias implicadas.
Creo que la previsibilidad de la señal aún no ha salido a la luz. ¿O qué querías predecir? Bueno, en cuanto al primer punto (que se trata de ruido blanco), no estoy tan seguro de que sea ....
(Esto no va dirigido a "chumazik", sino en general).
¡¿Qué mierda de "frecuencias"?! ¿Qué "frecuencias" hay? ¿Quién ha determinado que hay "frecuencias"? ¿Quién puede afirmar que existe una "onda sinusoidal" o un "grupo de ondas sinusoidales"? Allí hay CICLOS, pero los ciclos no son necesariamente un SINUSOIDE, en relación con el cual es habitual en la ciencia moderna hablar de "frecuencia".
¿Ves? Analizando palabra por palabra se puede ver por sí mismo que se aplican términos y métodos completamente inaplicables al comercio de NAOBUM.
¡¿Pero no es maravilloso?! Así se puede crear un sistema de previsión nuevo y fiable.
(Esto no es para el "hombre apestoso", sino en general)
¿Qué malditas "frecuencias"? ¿Qué "frecuencias" hay? ¿Quién ha determinado que hay "frecuencias"? ¿Quién puede afirmar que existe una "onda sinusoidal" o un "grupo de ondas sinusoidales"? Allí hay CICLOS, pero los ciclos no son necesariamente un SINUSOIDE, en relación con el cual es habitual en la ciencia moderna hablar de "frecuencia".
¿Ves? Analizando palabra por palabra, podrá comprobar que se aplican términos y métodos completamente inaplicables al comercio de NAOBUM.
¡Pero no es genial! Así que es posible crear un sistema de predicción nuevo y fiable.
Frecuencia, por favor :) Coge un trozo de serie temporal, haz una DFT y observa los sinosoides. Sólo que aquí, por ejemplo, escriben que no funciona así:
http://iticsoftware.com/articles/digital-filters-fatl-satl-stlm-ftlm-2.html
y la razón es la no estacionariedad del flujo de desviaciones de las cotizaciones respecto a la media móvil - ¡vaya! No entré en los detalles...
Frecuencia - por favor :) Coge un trozo de serie temporal, haz una DFT y observa los sinosoides. Sólo que aquí, por ejemplo, escriben que no funciona así:
http://iticsoftware.com/articles/digital-filters-fatl-satl-stlm-ftlm-2.html
y la razón es la no estacionariedad del flujo de desviaciones de las cotizaciones respecto a la media móvil - ¡wah! No entré en los detalles...
No te metas, Chumazik. Puedo "ver sinusoides" con un filtro de photoshop o lo que sea, incluso en la foto de un negro de tu avatar. Pero eso no significa que una imagen de un negro esté COMPLETAMENTE formada por una especie de sinusoides. Usted (y otros) tienen un vínculo causal roto entre los fenómenos: Piensas que si algún filtro (por ejemplo, un filtro de Fourier) puede interpolar un trozo de muestras utilizando sinusoides, entonces crees que esto significa que el proceso en cuestión está de hecho generado por un grupo de oscilaciones sinusoidales y "consiste" en sinusoides "y algún añadido de ruido". ¿Ves dónde tienes un error o debo explicarlo con más detalle? Hubo un hilo aquí en el foro en el que se hablaba de la falacia de aplicar "Fourier" a cualquier cosa:
https://forum.mql4.com/ru/19762/page29#174504
No te hagas el tonto conmigo, Chumazik. Puedo "ver las ondas sinusoidales" incluso en la foto de un negro de tu avatar si quiero, usando un filtro de Photoshop o algo así. Pero eso no significa que una imagen de un negro esté COMPLETAMENTE formada por una especie de sinusoides. Usted (y otros) tienen un vínculo causal roto entre los fenómenos: Piensas que si algún filtro (como el de Fourier) puede interpolar un trozo de muestras usando sinusoides, entonces crees que esto significa que el proceso en cuestión está de hecho generado por un grupo de oscilaciones sinusoidales y "consiste" en sinusoides "y algún añadido de ruido". ¿Puedes ver dónde tienes un error o explicarlo con más detalle? Hubo un hilo aquí en el foro en el que se hablaba de la falacia de aplicar Fourier a cualquier cosa y a todo.
Como nerd a un estudiante de la PTU: no creo en el análisis de Fourier para los flujos de cotización por ciertas razones. No creo que las cotizaciones sean ruido blanco. Si no me he explicado bien, acepte mil disculpas.
P.D.
Si haces un negro de sinusoides, entonces es una tontería afirmar que no está formado por ellos :) Pero en realidad, no estamos interpolando aquí, estamos extrapolando.
No quería entrar en una discusión, pero la definición de la wikipedia de ruido estacionario es la siguiente:
El ruidoestacionario es un ruido que se caracteriza por la constancia de los parámetros medios: la intensidad(potencia), la distribución de la intensidad en el espectro(densidad espectral) y la función de autocorrelación.
El ruido estacionario es un ruido que tiene componentes espectrales espaciados uniformemente a lo largo del rango de frecuencias involucradas.
No creo que la predictibilidad de la señal haya resultado todavía de ello. ¿O qué querías predecir? Y sobre la primera tesis (que se trata de ruido blanco), no estoy seguro de que sea tan .....
En matemáticas, un proceso estacionario es un proceso con media y covarianza independientes del tiempo. Es decir, los dos parámetros básicos son costantes.
El ejemplo más sencillo: un proceso con distribución normal N(0,1). Para un proceso de este tipo, si x(t)=2, entonces con una probabilidad del 97,5% x(t+1) será menor que 2. Es decir, el proceso bajará. No está garantizado, pero en 97 de cada 100 casos lo estará.
Un ejemplo más complejo: el proceso AR(1) x(t)=x(t-1)*a + s(t), donde a<1 y s(t) es un proceso estacionario, ruido con algunos parámetros finitos. Este proceso también será estacionario y sus parámetros se pueden calcular a partir de los parámetros s(t) y a. En consecuencia, si este proceso se ha desviado de la media, siempre se puede calcular cuándo volverá a ella con una probabilidad determinada.
Pero si el parámetro a=1, entonces obtenemos un paseo aleatorio, es decir, un proceso no estacionario, y no se puede predecir dónde acabará.
Naturalmente, nunca veremos ruido blanco en la fecha real, al igual que nunca veremos un proceso estacionario real, pero con un cierto grado de suposición podemos suponer que el ruido sigue siendo blanco y el proceso es estacionario.
En primer lugar, tu chico no sabe lo que es "estacionario", porque es un concepto introducido en la ciencia moderna para fenómenos naturales completamente diferentes, y si te pones a detallar su definición te encontrarás con cada, repito a cada palabra, discrepancia CARDINAL en la definición de "estacionario (ruido, proceso)" a un fenómeno tan HUMANO como el flujo de precios de las divisas.
Esa es la noticia. "¡Y los hombres no lo saben!". Se dan premios Nobel entre ellos, han inventado toda una ciencia: la econometría. Si veo a alguien, me aseguraré de decírselo.
Has comido mucho alcohol francés o algo así, estás demasiado astillado.
enlazando en un lugar donde muestras tu propia ignorancia...
Estás haciendo un lío con los múltiplos. Todos son múltiplos en una serie discreta, y quien necesita más múltiplos, se va más abajo al gráfico de ticks.
En matemáticas, un proceso estacionario es aquel en el que la media y la covarianza son independientes del tiempo. Es decir, los dos parámetros principales son costantes.
El ejemplo más sencillo: un proceso con distribución normal N(0,1). Para un proceso de este tipo, si x(t)=2, entonces con una probabilidad del 97,5% x(t+1) será menor que 2. Es decir, el proceso bajará. No está garantizado, pero en 97 de cada 100 casos lo estará.
Un ejemplo más complejo: el proceso AR(1) x(t)=x(t-1)*a + s(t), donde a<1 y s(t) es un proceso estacionario, ruido con algunos parámetros finitos. Este proceso también será estacionario y sus parámetros se pueden calcular a partir de los parámetros s(t) y a. En consecuencia, si este proceso se ha desviado de la media, siempre se puede calcular cuándo volverá a ella con una probabilidad determinada.
Pero si el parámetro a=1, entonces obtenemos un paseo aleatorio, es decir, un proceso no estacionario, y no se puede predecir dónde acabará.
Naturalmente, nunca veremos ruido blanco en la fecha real, al igual que nunca veremos un proceso estacionario real, pero con un cierto grado de suposición podemos suponer que el ruido sigue siendo blanco y el proceso es estacionario.
No exactamente, no todos los procesos se caracterizan por la media y la covarianza. Su primera frase describe... Un proceso estacionario de covarianza, que también es estacionario :)
¿http://books.google.de/books?id=B8_1UBmqVUoC&pg=PA46&lpg=PA46&dq=process+mean+covariance&source=bl&ots=2nJH-s67AR&sig=J_QcD2llCaELbBgPt_THGGi8ZXM&hl=de&ei=ozNoSoaCOsOg_Aa__5yeCw&sa=X&oi=book_result&ct=result&resnum=6
No exactamente, no todos los procesos se caracterizan por la media y la covarianza. Su primera frase describe... Un proceso estacionario de covarianza, que también es estacionario :)
Es débilmente estacionaria, es ampliamente estacionaria, es simplemente estacionaria. >> ¿así?
En matemáticas, un proceso estacionario es aquel en el que la media y la covarianza son independientes del tiempo. Es decir, los dos parámetros principales son costantes.
El ejemplo más sencillo: un proceso con distribución normal N(0,1). Para un proceso de este tipo, si x(t)=2, entonces con una probabilidad del 97,5% x(t+1) será menor que 2. Es decir, el proceso bajará. No está garantizado, pero en 97 de cada 100 casos lo estará.
Un ejemplo más complejo: el proceso AR(1) x(t)=x(t-1)*a + s(t), donde a<1 y s(t) es un proceso estacionario, ruido con algunos parámetros finitos. Este proceso también será estacionario y sus parámetros se pueden calcular a partir de los parámetros s(t) y a. En consecuencia, si este proceso se ha desviado de la media, siempre se puede calcular cuándo volverá a ella con una probabilidad determinada.
Pero si el parámetro a=1, entonces obtenemos un paseo aleatorio, es decir, un proceso no estacionario, y no se puede predecir dónde acabará.
Por supuesto, nunca veremos ruido blanco en la fecha real y nunca veremos un proceso estacionario real, pero con algunas suposiciones podemos asumir que el ruido sigue siendo blanco y el proceso es estacionario.
No conozco ningún proceso "estacionario" en matemáticas. Hay procesos estacionarios en marcha. ¿Qué tiene esto que ver con una serie de precios de ticks que se genera por la actividad deliberada de un grupo de personas dispares que miran un gráfico y toman decisiones basadas en una función objetivo que les comunican sus superiores? ¿Qué tiene que ver esto con la aleatoriedad o el azar estacionario? ¿Qué tiene que ver esta estacionariedad aleatoria con nuestros conocidos ciclos, en los que la ciclicidad no existe ni puede existir, porque ya no será un proceso aleatorio? ¿Qué tiene que ver una cosa con la otra?