¿Sabes cómo hacer canales? - página 7

 
Alexey Volchanskiy:

Amigos, casi no hay comercio, es hora de entrar en la teoría. Después de haber hecho un dibujo divertido, vamos a hablar del trabajo en un canal.

En mi humilde opinión, el canal es una herramienta auxiliar y sirve para confirmar una señal recibida de otra manera.

Canal HP


Todos estos canales, tendencias y demás son una mierda. todo se ve bien en la historia, y el futuro se oculta tras la niebla de la NESTACIÓN.

O nos acordamos siempre de la no estacionariedad y buscamos herramientas contra ella, que luego aplicamos, o perdemos nuestro depósito.

1. Operamos según patrones (un canal también es un patrón). Tomamos TA + cerebros (experiencia) - el más prometedor, y tal vez ganamos. O tomamos el modus operandi, buscamos automáticamente patrones... y luego tenemos que encontrar datos de entrada, que deberían generar de nuevo patrones estables para la variable objetivo. El principal problema no es el algoritmo de búsqueda de patrones, sino la capacidad de encontrar los datos brutos de estos patrones. La experiencia demuestra que hay unos 30 datos de entrada de este tipo (multivariantes). Sobre este número, en principio, es posible buscar canales multivariados. ¿Es esto necesario?

2. Estadística (Toolbox"Econometrics" en Matlab). GARCH. Convertir la serie original en estacionaria, ahora en tres pasos. Hasta el final, NADIE ha conseguido obtener un residuo estacionario del modelo. Y si el residuo no es estacionario, siempre hay una situación que drena el depo.

 
СанСаныч Фоменко:

Hasta el final, NADIE ha conseguido que el modelo tenga un residuo estacionario. Y si el residuo es inestable, siempre hay una situación que drena el depo.


Has velado la frase "todos escurriremos" de una manera tan difícil.

 
СанСаныч Фоменко:

El principal problema no es el algoritmo de búsqueda de patrones, sino la capacidad de encontrar los datos brutos de estos patrones. La experiencia demuestra que hay unas 30 entradas de este tipo (multidivisas).

¿Puede ser más específico? ¿Qué 30 datos de entrada contienen patrones?

 

Esta es la evolución de los modelos desde los lineales hasta los de basura

tal vez alguien tenga que usar python para resolver los ejemplos y ver por qué los canales no funcionan

La premisa básica es que todo lo no lineal (no estacionario en el sentido de la palabra) está infradeterminado porque no converge a la media... todo es tan trivial que cuesta creer que la econometría haya ido más allá de las ideas de Bernoulli o lo que sea... Ideas de Gauss.

http://www.blackarbs.com/blog/time-series-analysis-in-python-linear-models-to-garch/11/1/2016

Time Series Analysis (TSA) in Python - Linear Models to GARCH
Time Series Analysis (TSA) in Python - Linear Models to GARCH
  • 2016.11.08
  • Brian Christopher
  • www.blackarbs.com
So what?  Why do we care about stationarity?  A stationary time series (TS) is simple to predict as we can assume that future statistical properties are the same or proportional to current statistical properties.Most of the models we use in TSA assume covariance-stationarity (#3 above). This means the descriptive statistics these models predict...
 
Viktor Korchagin:

así fue la prueba de comercio



Así que automatiza.

 
Viktor Korchagin:

No soy un programador, el comercio se hizo en sh4 por lo que también se puede comerciar con las manos lentamente


por lo que no podemos confiar en su resultado ya que podría ser aleatorio :)

 
СанСаныч Фоменко:

Mentira todos estos canales, tendencias y demás... Todo queda bien en la historia, pero el futuro se oculta tras la niebla de la INESTABILIDAD.

O nos acordamos siempre de la no estacionariedad y buscamos herramientas contra ella, que luego aplicamos, o perdemos nuestro depósito.

1. Operamos según patrones (un canal también es un patrón). Tomamos TA + cerebros (experiencia) - el más prometedor, y tal vez ganamos. O tomamos el modus operandi, buscamos automáticamente patrones... y luego tenemos que encontrar datos de entrada, que deberían generar de nuevo patrones estables para la variable objetivo. El principal problema no es el algoritmo de búsqueda de patrones, sino la capacidad de encontrar datos de entrada para estos patrones. La experiencia demuestra que hay unos 30 datos de entrada de este tipo (multivariantes). Sobre este número, en principio, es posible buscar canales multivariados. ¿Es esto necesario?

2. Estadística (Toolbox"Econometrics" en Matlab). GARCH. Convertir la serie original en estacionaria, ahora en tres pasos. Hasta el final, NADIE ha conseguido obtener un residuo estacionario del modelo. Y si el residuo no es estacionario, siempre hay una situación que drena el depo.

Totalmente de acuerdo. Los canales, las tendencias son, en general, a posteriori y no son más que nuestra forma habitual de dar sentido a una historia ya establecida. Hay que calcular las distribuciones de probabilidad en movimiento, lo que dará una información más fiable. Pero aquí también la no estacionalidad confunde las cartas.
 
Viktor Korchagin:

Tienes razón...no estoy reclamando nada))) pero lo que he dicho, puedes escribir un búho...será interesante ver los resultados


 
Aleksey Ivanov:
Estoy totalmente de acuerdo. Los canales, las tendencias son, en general, a posteriori y no son más que nuestra forma habitual de dar sentido a una historia ya establecida. Es necesario calcular las distribuciones de probabilidad en movimiento, lo que proporcionará una información más fiable. Pero aquí también la no estacionalidad confunde las cartas.
Exactamente. Llevo 2 meses contando cómo hacerlo en mi hilo. Y algunas de las personas más sofisticadas están completamente estupefactas en estos asuntos. No tienen ni idea, por decirlo simplemente. Es hora de que jueguen al dominó :))))
 
Aleksey Ivanov:
Estoy totalmente de acuerdo. Los canales, las tendencias son, en general, a posteriori y no son más que nuestra forma habitual de dar sentido a una historia ya establecida. Es necesario calcular las distribuciones de probabilidad en movimiento, lo que proporcionará una información más fiable. Pero aquí también la no estacionalidad confunde las cartas.
Esto se hace en GARCH desde hace unos 15 años, pero antes hay dos pasos más para los incrementos: un modelo de tendencia en incrementos y un modelo de volatilidad (GARCH - agrupando primero la volatilidad, pero hay muchos otros matices). A continuación, se calcula la densidad móvil y se modela normalmente mediante una distribución t. Si nos fijamos en la historia del desarrollo de los modelos GARCH, la eficacia de estos modelos ha mejorado drásticamente exactamente después de la modelización de la densidad de probabilidad. Así que no puedes prescindir de él.