Parámetros del mercado flotante - página 4

 
 
Rorschach:


Aquí está, nuestro todo)))) ha sido durante mucho tiempo interesado en este tipo de imágenes, pero no he construido uno yo mismo, y la gradación de color es super))), si no es un secreto, lo que de qué y cómo?
 
trollolo:

Aquí está, nuestro todo)))) ha sido durante mucho tiempo interesado en este tipo de imágenes, pero no he construido yo mismo, y la gradación de color es super))), si no es un secreto, lo que de qué y cómo?

En la primera imagen he puesto las ondículas. en las muestras X, en las Y a la izquierda - frecuencia, a la derecha - periodo
 
trollolo:

... si no es un secreto ¿de qué y cómo?
No lo ves: el meteorito de Tunguska aterriza pero empieza a rebotar:).
 
Neutron:

Podemos.

Buscaremos el coeficiente de correlación por pares entre muestras vecinas de la serie temporal. Para el marco temporal seleccionado tenemos un coeficiente en el rango de -1 a +1. El valor del coeficiente menor que cero indica la presencia de antipersistencia entre las muestras, mayor que cero - persistencia en este TF, cercano a cero - ¡fuera de aquí! A su vez, la persistencia sirve como indicador de la tendencia/colapso del símbolo en el TF seleccionado. La última propiedad de BP permite utilizar indicadores adecuados de la AT.

El coeficiente de correlación está en una ventana de n - muestras. En este caso hemos utilizado las Actas de 2010 y al adelgazarlas hemos construido la TF artificial de 1 min a 100 min. Se ha tomado n como máximo (cuántas muestras en un año). Para cada TF encontramos el coeficiente de correlación y trazamos la dependencia de este valor con respecto al TF. Me refería exactamente a esta dependencia en la cita anterior.

La Fig. muestra las dependencias encontradas del coeficiente de correlación de pares para diferentes instrumentos en diferentes TFs. Se puede ver que en casi todas partes el coeficiente es negativo, lo que indica que el precio tiende a volver a su valor inicial después de la perturbación. Esta propiedad es más o menos característica de todos los símbolos y se aprecia con mayor claridad en la TF pequeña (véase la figura). He utilizado los datos de Alpari de 2010.

La cuestión es qué se considera "cercano a cero". Para la estimación, podemos multiplicar el coeficiente de correlación en el TF seleccionado por la volatilidad del instrumento en puntos en este TF y comparar el valor obtenido con la comisión de la empresa de corretaje (también en puntos). Si resulta ser mayor que el diferencial, entonces no tendrá éxito de todos modos, porque el mercado no es un sistema ergódico y en cuanto abra una posición, todo cambiará a peor (sólo para usted).

¿Qué hay de malo en su razonamiento?

La correlación es una cosa muy astuta. Si hay un componente determinista en sus cotizaciones, debe tener mucho cuidado con los resultados de la correlación, porque el componente determinista "tapa" el componente de ruido, y no podemos juzgar sobre las características estadísticas de la cotización.

Permítanme darles un ejemplo que he mencionado muchas veces en otras ocasiones.

Vamos a separar el componente determinista utilizando el filtro HP

Abajo, el componente "cíclico", pues creo que el nombre es desafortunado, prefiero "un millón de Pinocchios en un campo de maravillas", pero el suero está ahí.

Veámoslo más de cerca.

Vemos que este componente "cíclico" oscila con bastante regularidad alrededor de una curva suavizada, que tiene una forma analítica, es decir, determinista.

Calculemos con qué frecuencia la parte superior e inferior de esta curva de HP

Negativo más a menudo que positivo. Pero la tendencia ha sido a la baja y puede ser el resultado de esta

Si iniciamos el análisis con una tendencia a la baja, obtenemos unos valores negativos leves, pero crecientes


 

Si tomamos el aumento de la libra esterlina:

obtenemos una imagen diferente:

Lo que confirma mi punto de vista de que un mayor número de desviaciones negativas o positivas indica una tendencia en el gráfico.

 
Aparte de que la ACF tiende a la función delta, ¿cómo se puede identificar el ruido?
 
Rorschach:
Aparte de que la ACF tiende a la función delta, ¿cómo se puede identificar el ruido?
Las funciones ACF y delta pueden utilizarse para demostrar cualquier cosa, que es lo que han hecho y siguen haciendo los defensores del paseo aleatorio y los mercados eficientes. La prueba está en el área de contenidos. La producción de bienes y servicios no es aleatoria casi al 100% y ahí está el perro. Por lo tanto, cualquier intento de introducir el SB es a escondidas, un juego de números.
 
faa1947:
Con las funciones ACF y delta se puede demostrar cualquier cosa

Ese es exactamente mi punto de vista.
 

No puedo entender la fase.

¿No debería cambiar de -90 a 90 grados? ¿Por qué sólo hasta -54?