¿Cómo puedo diferenciar un gráfico FOREX de un PRNG? - página 30
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
El autor de este hilo planteó una pregunta aparentemente muy sencilla (en su formulación) pero profunda: ¿cómo distinguir entre un verdadero cotidiano y un HSPC?
Los académicos locales fueron conducidos rápidamente y empezaron a demostrar sus conocimientos sobre algunos detalles menores, hasta inventar otra bicicleta y ponerla en un kodobase.
¿Qué diferencia hay entre la fórmula utilizada para calcular la FCA? Mucho más importante es el programa de cálculo de la FCA, que es el que utilizan la mayoría de los economistas para analizar los datos económicos. No. Algún indicador de un especialista en DSP, Matcadas con Matlab. ¿Se trata de paquetes especializados en el análisis de datos económicos? No. En consecuencia, el círculo de economistas que utilizan estos paquetes es muy reducido. ¿Por qué no se dan los resultados del cálculo de ACF en paquetes especializados, que tienen millones de usuarios y han detectado todos los fallos hace tiempo? ¿Quién ha establecido los algoritmos y su correcta aplicación?
Podríamos haber omitido mencionar los paquetes especiales. Pero este hilo está abierto a la discusión de una tarea general, y el ACF es sólo un paso en la solución de esta tarea general. Si lo hubiéramos discutido en el marco de paquetes especiales (EViews, R ....), habríamos comprendido enseguida que el ACF es una bagatela, los primeros pasos del análisis que potencialmente podrían responder a la pregunta en cuestión son otros cálculos. Además, después de calcular el ACF, tendríamos que dar algunos pasos más para responder a la pregunta del tema.
Y, sobre todo, estaríamos pisando la metodología de las estadísticas, que siempre pone en duda cualquier cifra obtenida. Como en el caso del ACF, los valores de correlación en el ACF deben ir necesariamente acompañados de una probabilidad que indicará el nivel de confianza en los valores de correlación resultantes. La experiencia en el uso de ACF en esta forma muestra que muy a menudo esta probabilidad gira en torno a 0,5, es decir, no está claro si es posible o imposible confiar en el valor de correlación disponible en este campo.
Propongo volver al primer post del tema. Describa al menos con palabras una lista de acciones que respondan a la pregunta del tema. Y el tema lo merece.
No hay ninguna prueba rigurosa.
La periodicidad de los cambios de volatilidad - se puede adivinar. Pero la serie debe ser lo suficientemente larga y la TF inferior a 4H. En una muestra de 500 observaciones, como en los gráficos, no es seguro que una serie de precios reales dé ese efecto. Y no es el hecho de que gpsh no dará una realización con el mismo efecto. O más bien, el hecho de que tendrá el mismo efecto o más.
Las famosas colas gruesas son en realidad la presencia de "valores atípicos". La serie también debe ser lo suficientemente larga. En una muestra relativamente corta, puedes elegir una herramienta que no dé un efecto tan evidente. Un gpsh ordinario, por supuesto, no mostrará tal efecto.
Autocorrelación: hay ambas cosas. Esto es una tontería.
O bien lo que se sugirió: encontrar un criterio de diferencia para la ST específica.
1. Esto es exactamente un error. La función de autocorrelación tiene realmente una sola definición:
2. Pero se le ocurren al menos cuarenta y dos formas de evaluarla (no de calcularla), es decir, de calcular la ACF muestral.
2. Tienes razón en el punto 2, como le dije arriba a Privalov, pero el autor de esta rama del foro obviamente tiene problemas de vista.
1. En el punto (1) te equivocas, y además te equivocas monstruosamente.
Primero inventaron el ACF, luego recogieron una fórmula para ello y después idearon una "definición" estadística moderna.
No existe una "definición" de autocorrelación. Lo que señalas arriba no es más que un retazo enrevesado de kolmogorovianismo.
El amigo de Karl, Yule, describió la autocorrelación en 1926 - como la correlación-similitud de los empujes de una serie temporal o de una onda sinusoidal (arriba simplemente he repetido en PALABRAS este concepto natural para los matemáticos de la época). Yule ni siquiera tiene una fórmula para la "correlación en serie", como la llamó en ese artículo. Sólo dio gráficos de la ACF. El método resultó ser útil, y más tarde Walker lo formalizó un poco, y las conocidas fórmulas modernas aparecieron ya después del trabajo de Kolmogorov, hacia 1942, por Anderson.
Aquí está la página original donde se menciona la correlación serial por primera vez en el mundo:
No existe una única "fórmula" para la autocorrelación, al igual que no existe ni puede existir una única "fórmula para el reconocimiento de patrones". Todas estas fórmulas modernas son simplemente implementaciones de diferentes formas privadas de reconocer la similitud de una función consigo misma.
La correlación serial, como la llamó su autor Yule, o autocorrelación, es -en palabras sencillas- sólo una medida de la autosimilitud de una función. Y cómo calcular esta medida - es sí, tienes razón - incluso ciento cuarenta y dos maneras. Lo principal es tener un resultado.
1942:
Ese fue el final.
Eso es todo, entonces.
Eh, ¡si fuera tan fácil!
Pronto desenterrará a Karl y a su amigo Jürl y los traerá aquí para demostrar su punto....
Eh, ¡si fuera tan fácil!
Exactamente lo contrario: resulta (y así es) que todo lo que tenemos en los libros son o bien formulaciones extremadamente generales, o bien estrechos casos especiales, que, si acaso, se ajustan al primer plano, con grandes reservas y limitaciones. Sobre todo teniendo en cuenta que además del análisis de correlación lineal (este último difícilmente puede incluir el análisis no paramétrico) también existe el análisis no lineal, por ejemplo el algoritmo de deformación temporal dinámica que ya se ha mencionado en este foro. Y esto es sólo la punta del iceberg.
Apertura.
Naturalmente, todos los métodos estadísticos de estera tienen limitaciones en cuanto a las características de los datos de entrada utilizados. Y está claro que las series de precios de los mercados financieros, debido a la presencia de retroalimentación, no pueden utilizarse directamente en estos métodos sin su transformación.
¿DTW? Tal vez una distorsión no lineal en el tiempo dé algo en la búsqueda de patrones. Pero hasta ahora es todo teoría.
El problema se resuelve aquí: https://forum.mql4.com/ru/54199/page38
faa1947:
.....El texto de su código no responde a esta pregunta.......
Lo hace. Lleva la palabra "punto". Pero a un comerciante no le interesa un "período" puro. Como dijo Mark Twain,"la historia no se repite, sino que se repite".
George Marsaglia mezcló pistas de "música" de rap y las presentó como una perfecta serie aleatoria. Llamó al rap "ruido negro", que pasa todas las pruebas del PRNG.
https://tams.informatik.uni-hamburg.de/paper/2001/SA_Witt_Hartmann/cdrom/Internetseiten/stat.fsu.edu/diehard.html
o
http://www.robertnz.net/true_rng.html
Entonces, ¿cómo puede ser "ruido aleatorio", si podemos interpolarlos en el reproductor y escuchar una señal periódica poliarmónica más o menos significativa? Se trata de un muestreo y una cuantificación insuficientes, y de no conocer la estructura interna del "ruido negro". La prueba DIEHARD, que puede extraer la periodicidad de cualquier cosa, no puede extraer la periodicidad de la música rap porque cree que no hay una estructura interna de la señal. Pero está ahí. Es lo mismo con Forex - todos los sistemas de comercio (a excepción de nuestro sistema) no puede extraer la estructura interna de la señal.
Porque es muy corto.
Los técnicos de radio nunca soñarían con tales "ToRs" - asignaciones técnicas. Ningún técnico de radio emprendería semejante tarea: determinar los parámetros de una señal submuestreada PARA SU PERÍODO.
Vamos a generalizar un poco, utilizando los conceptos del hilo "¿Qué es un INDICADOR?
https://www.mql5.com/ru/forum/137416
1. De hecho, a efectos de negociación, lo único que importa es DÓNDE -al alza o a la baja- irá el precio en promedio. El operador acuerda de antemano congelar una parte de sus fondos con su corredor ("margen") para que su posición de negociación pueda mantenerse al margen de las fluctuaciones aleatorias de los precios, siempre y cuando este operador SEPA con exactitud que, por término medio, el precio irá en la dirección de su posición de negociación.
No hay nada nuevo en esta descripción, es sólo que todos los comerciantes novatos no entienden con precisión esto, entienden lo que están haciendo.
2. Por lo tanto, basándose en la base LEGAL de un contrato de comercio, y también en los objetivos económicos del comercio - es importante para el comerciante saber nada más que DOS posiciones de la dirección del precio - hacia arriba o hacia abajo. En base a esto, un indicador bueno o "ideal" para operar debería mostrar sólo dos señales (como un semáforo) al alza o a la baja. Rojo o verde. Todas las demás artes gráficas que aparecen en la pantalla carecen de sentido para el comercio. Sobre todo porque al ojo humano le gusta jugar con las ilusiones y las visiones. El indicador de comercio debe ser condicional, una alternancia de una barra roja y una verde - hacia arriba o hacia abajo. Y dicha barra muestra algún valor "medio bueno" de la serie de precios.
3. Actualmente, las medias de precios se calculan mediante medias móviles (MA), que se utilizan en la técnica. Y es bien sabido que este enfoque no funciona en el mercado de divisas, el más volátil, con los movimientos de precios más imprevisibles. Así que la media aritmética NO es un buen indicador de la posición media del mercado de divisas. Aquí es donde se necesitan otros promedios. Estos otros promedios no pueden ser simples, porque el mercado de divisas en sí mismo es complejo.
4. Los "otros" promedios en un caso tan complejo deben calcularse con métodos complicados: los estadísticos. Y los que no se basan en la confianza en el carácter RMS de las desviaciones aleatorias de esta "buena media".