Filtro Hodrick-Prescott - página 4
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
+5
No tiene sentido.
Bueno para nada...... En mi opinión, la diferencia de muwings es un gran indicador que muestra realmente dónde está el precio. Y también introduce distorsiones mínimas en la señal original..... ))))))
La diferencia de muving no es más que la primera derivada del muving más rápido y muestra SU extremo, no el cociente. Esto plantea varias cuestiones razonables:
En primer lugar, ¿por qué ponerse los pantalones sobre la montaña y utilizar esta forma de determinar la derivada si existe una clásica?
En segundo lugar, el uso de la primera derivada en el análisis de series temporales (TD) como los precios implica la validez de este enfoque en este caso, ¡y no la hay! De hecho, la PA no es suave (el coeficiente de autocorrelación es negativo en todos los TF) y el método simplemente no puede y no funciona aquí. La consecuencia de aplicar el suavizado en nuestro caso, será el inevitable desfase, que anulará todos los intentos de detectar extremos en el kotyr a tiempo.
En tercer lugar, sigo sin entender el sentido de utilizar un muving ligeramente redibujado si operar con él sigue siendo idéntico a trabajar con un muving no redibujado. ¿Por qué estos "trucos"? ¿Es una especie de coqueteo contigo mismo?
Esta característica es la que permite llamar al comercio una profesión,
utilizar muwings, análisis gráfico empírico, redes neuronales,
e incluso, sorprendentemente, métodos estadísticos semiempíricos.
El coeficiente de autocorrelación de las series de precios está en el rango (más) 0,6-0,9,
Esta característica es la que permite llamar al comercio una profesión,
utilizar muwings, análisis gráfico empírico, redes neuronales,
e incluso, sorprendentemente, métodos estadísticos semiempíricos.
De acuerdo.
El coeficiente de autocorrelación de las series de precios está en el rango (más) 0,6-0,9,
Si se analiza el problema del comercio, en última instancia nos interesan los incrementos de precio, no sus valores absolutos; es en los cambios de precio donde se gana dinero.
Por lo tanto, en este caso estamos hablando de la serie de la primera diferencia de precios de un cociente, y no de la serie de precios original. Para la primera serie de diferencias (por ejemplo, Open[i]-Open[i+1]), el coeficiente de correlación entre muestras vecinas es pequeño (<<1) y siempre negativo. Para poder aplicar el cálculo diferencial a una BP arbitraria (por ejemplo, la expansión de series de Taylor y la construcción de un modelo de previsión sobre su base, que es lo que todos intentamos obtener de una media móvil), la serie de su primera diferencia debe estar positivamente autocorrelacionada (proporciona suavidad a la serie inicial), desgraciadamente las series de precios no satisfacen esta condición. Exactamente a este hecho me refería, cuando decía que los muwings son poco prometedores en nuestro caso - muestran la historia. Por cierto, hace 20 años, las series de precios, aunque débiles, pero estaban correlacionadas positivamente (su primera diferencia), permite ganar utilizando modelos simples de AT clásica. Ahora la situación es diferente, y se necesitan enfoques no triviales para el problema del comercio efectivo.
¡Estoy de acuerdo!
El panorama es diferente ahora, y se necesitan enfoques no triviales para resolver el problema del comercio eficiente.
¿Qué quiere decir con enfoques "no triviales" de la tarea de comercio eficaz?
Buena pregunta.
Por ejemplo, existe una alternativa a la expansión de la serie de Taylor que funciona para BP con autocorrelación negativa en su serie de primera diferencia. Se puede obtener explícitamente como consecuencia de la resolución del problema para una Red Neuronal de una capa con múltiples entradas. Por ejemplo, aquí está el primer término de tal descomposición obtenido como solución para un NS de dos entradas:
Por supuesto, no es una panacea, pero al menos es algo no trivial. eso me parece a mí.
¿Qué nos depara el futuro?
Buena pregunta.
Por ejemplo, existe una alternativa a la expansión de la serie de Taylor que funciona para BP con autocorrelación negativa en su serie de primera diferencia. Se puede obtener explícitamente como consecuencia de la resolución del problema para una Red Neuronal de una capa con múltiples entradas. Por ejemplo, aquí está el primer término de tal descomposición obtenido como solución para un NS de dos entradas:
donde d[i+1] es la predicción de i+1 incrementos en la serie de precios.
Por supuesto, no es una panacea, pero al menos es algo no trivial. eso me parece a mí.
En términos prácticos, es mejor no hablar de una red neuronal de una sola capa. Es sólo un filtro lineal con pesos constantes y nada más. Por extraño que parezca, los "enfoques triviales" son bastante factibles con un pensamiento no trivial. Mira a los ganadores del campeonato, la belleza está en la simplicidad, todo el mundo conoce estas estrategias, pero no todo el mundo sabe cómo usarlas. Se puede describir el movimiento del precio con millones de fórmulas, pero no tener lo principal, el beneficio.
Todo es posible (todo es posible), el problema es que no lo sabemos todo.
¿Qué es mejor, un método trivial con un enfoque no trivial, o un enfoque trivial con un pensamiento no trivial? No sé... qué criterio de bondad utilizar es un tema aparte. Puedes matar toda tu vida vagando en la oscuridad en busca de algo especial, o puedes usar algo que es conocido por todos desde hace tiempo... Es una cuestión de gustos.
Me adhiero al punto de vista de que hay métodos óptimos para resolver un problema y ciertamente son alcanzables dentro del paradigma científico, sin desviaciones como "me parece" o "todo el mundo lo hace".