Construcción de un sistema de comercio mediante filtros digitales de paso bajo - página 12

 
grasn писал (а): https://forum.mql4.com/ru/9321/page9
:о)

Grasn, en la p. 10 allí (me cito a mí mismo):

Resulta una situación bastante complicada: para saber si un proceso es estacionario, primero hay que conocer su modelo realista (aquí AR(1)). Pero no lo parece. Así que la prueba tampoco parece aplicable.
Hombre, es una especie de callejón sin salida. La propia definición de estacionariedad... no es lo mismo, no es estricto. "Para que un proceso sea estacionario, el m.o., etc., debe ser constante". Es decir, el proceso del modus operandi debe ser en sí mismo estacionario :))) Engrasado...
 
Hombre, es un callejón sin salida. La propia definición de estacionariedad es... algo diferente, no riguroso. "Para que un proceso sea estacionario, el m.o., etc., debe ser constante". Es decir, el proceso del modus operandi debe ser en sí mismo estacionario :))) Engrasado...

¿De dónde has sacado eso? Si el m.o. es constante, entonces no hay proceso de m.o. y no se puede hablar de su estacionariedad, y como resultado no hay aceite mantecoso.

La definición que dio Prival es bastante estricta. ¿Qué tiene de malo?
 

¿Cómo es posible que no haya un proceso, Bstone? Y la constancia -en algún sentido estadístico, por supuesto, no en la estricta igualdad de todos los recuentos. Esta es la definición dada por Prival:

Un proceso aleatorio (PE) con varianza finita se denomina estacionario en sentido amplio si, su MCO (m.o.) y su función de covarianza son invariantes con respecto al desplazamiento del tiempo, es decir, el MCO es constante (no depende del tiempo) y la función de covarianza sólo depende de la diferencia de argumentos t 2- t 1.

La única prueba de estacionariedad que conozco es la de Dickey-Fuller. Pero asume algún modelo del proceso (en este caso la autoregresión de primer orden). Pero, ¿y si el modelo no lo conocemos de antemano?


Empecemos por la más sencilla: "El MOJ es constante (independiente del tiempo)". ¿Cómo se puede probar esto en la práctica? ¿Calcular la media móvil del proceso (eso es el OIM)? ¿Con qué periodo?

 
Bueno, todo está en la definición: el modus operandi debe ser invariable con respecto al desplazamiento temporal. De hecho, esto significa que si se realiza una serie de mediciones del proceso en estudio, dado algún período (el período no tiene que ser el mismo, pero debe ser lo suficientemente grande para la validez estadística de la estimación resultante del m.o.). Cada medición cubre una parte distinta de la serie (desplazando el tiempo), cuantas más partes, mayor será la fiabilidad.

Como resultado obtenemos una serie de mediciones (no un proceso), de esta serie de mediciones obtenemos una estimación de m.o. con las características estadísticas adecuadas. Eso es todo.
 

bstone, todo esto es comprensible - y al mismo tiempo no me has dicho nada nuevo. ¿Cuál debería ser el periodo de media para obtener una estimación actual del IOJ? Digamos que tengo 14.000 cuentas. ¿El periodo es de 10, 50, 100 o 200?

¿Y cuál debe ser la varianza del MCO para considerar que no se rechaza la hipótesis de invarianza del MCO en el tiempo?

 
Mathemat:

bstone, todo esto es comprensible - y al mismo tiempo no me has dicho nada nuevo. ¿Cuál debería ser el periodo de media para obtener una estimación actual del IOJ? Digamos que tengo 14.000 cuentas. ¿El periodo es de 10, 50, 100 o 200?

¿Y cuál debe ser la varianza del MCO para considerar que no se rechaza la hipótesis de invarianza del MCO en el tiempo?

Bueno, si no he informado de nada nuevo, es hora de recordar el concepto de intervalo de confianza. En este caso, el tamaño del periodo depende únicamente de sus afirmaciones sobre la exactitud del resultado obtenido. Es decir, se puede establecer un intervalo de confianza adecuado para la estimación del m.o.s. para una parcela concreta, con el fin de averiguar el tamaño necesario. A continuación, puede hacer lo mismo con el cálculo del número de parcelas necesarias para la estimación final.

Existen diferentes métodos para calcular el intervalo de confianza. Es posible que primero tenga que identificar y demostrar la subordinación de los resultados de las mediciones a las distribuciones conocidas (por ejemplo, el método para calcular los intervalos de confianza mediante la distribución de Student, en general, sólo funcionará para muestras de poblaciones con distribución normal).

Es posible que ya en la fase de intento de identificar la ley de distribución de las mediciones se encuentre que la estacionariedad no es de esperar.

P.D . En realidad soy gestor, así que tengo un conocimiento relativamente superficial de las estadísticas, pero esto es lo que dicta el sentido común, basado en lo que sé.
 

A las matemáticas

He comprobado la distribución de la rentabilidad (EURUSD 240) con una distribución normal. (NRD) según la prueba chi-cuadrado del test de Pearson no es NRD. Adjunto el archivo con las explicaciones detalladas (matcad), también contiene la estimación de ORM y RMS y el cálculo de los intervalos de confianza de las estimaciones

Creo que una conclusión de esta investigación es útil, es la recomendación de establecer SL en 4H para este par de divisas, es 81 puntos (3*SCO). Quien quiera, puede descargar y comprobar su moneda favorita. Si algo no está claro sobre el programa y los cálculos, por favor, póngase en contacto conmigo en Skype, voy a tratar de ayudar.


Z.U. Demostrar que esta serie es estacionaria en sentido estricto falló. Intentaré investigar más para demostrar la estacionariedad en sentido amplio (MOG y RMS (covarianza) = const).



Para NorthernWind

Las gráficas que has mostrado no son la serie numérica que el matemático pide investigar. En 5-10 min. creo que publicaré los estudios que confirman el carácter cíclico del valor de las velas.

Archivos adjuntos:
11.zip  273 kb
 

Para NorthernWind

Tomé EURUSD60 e hice construcciones análogas pero para una serie de números H - L

Aquí está el ACF. Se puede ver visualmente que no es una función delta y hay algunas oscilaciones estables en el proceso + decaimiento exponencial

Espectro ACF

En el espectro hay dos oscilaciones distintas con períodos de 12 y 4 horas.

Se adjunta el archivo.

Archivos adjuntos:
22.zip  1292 kb
 
Mathemat:
Prival: ok. ok, lo intentaré mañana usando el criterio neumann de Pearson. Pero todavía no me queda claro cómo modelar sin una tendencia? Alexei: La metodología de modelización no está clara.
He descrito este método brevemente aquí: https://forum.mql4.com/ru/9358/page6#51829 . También dice para qué lo necesito.

Y la tendencia sigue apareciendo al integrar una serie de rendimientos (se recupera de forma inequívoca).

Creo que sigues equivocado, es ruido y es estacionario. La tendencia es no estacionaria. Por eso creo que aunque modelemos matemáticamente de forma estricta los rendimientos no podremos restablecer la tendencia de forma inequívoca.
 
Mathemat:

bstone, todo esto es comprensible - y al mismo tiempo no me has dicho nada nuevo. ¿Cuál debería ser el periodo de media para obtener una estimación actual del IOJ? Digamos que tengo 14.000 cuentas. ¿El periodo es de 10, 50, 100 o 200?

¿Y cuál debe ser la varianza del MCO para considerar que no se rechaza la hipótesis de invarianza del MCO en el tiempo?


Consulte el archivo 11.zip para saber cómo calcular el intervalo de confianza de la estimación del IOJ.