¿Se puede considerar a los programadores de MQL como programadores? - página 7
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
San Sanych, te contaré un terrible secreto: también lo es MQL. También es un intérprete.
¿De dónde has sacado la leña?
San Sanych, te contaré un terrible secreto: también lo es MQL. También un intérprete.
Me sumo a la cola y te cuento un secreto no menos terrible: los archivos ex4 y ex5 son código nativo. ))
Información útil :
http://keldysh.ru/papers/2013/prep2013_19.pdf
M.A. Ananiev, N.A. Mitin
Comparación de modelos autorregresivos lineales y no lineales de heteroscedasticidad condicional utilizando como ejemplo el rendimiento del índice RTS
ANOTACIÓN
En este trabajo comparamos la capacidad de previsión de los modelos de volatilidad condicional lineal y no lineal mediante el ejemplo de los modelos GARCH para el rendimiento del índice RTS. A partir de los precios de cierre diarios del índice RTS durante 10 años, se estima un conjunto de modelos paramétricos y se construye un conjunto de previsiones de volatilidad para horizontes de diferente duración. Se comparan las capacidades de previsión de los modelos según los criterios seleccionados. Se han desarrollado modelos no lineales para tener en cuenta las características detectadas de las series temporales, pero a veces se cuestiona la calidad de las previsiones obtenidas con su ayuda. Los resultados de este estudio complementan los de otros trabajos: los modelos de volatilidad condicional no lineal muestran mejores resultados. Una posible explicación de este éxito podría ser el hecho de que los modelos no lineales dan una mejor previsión en horizontes temporales relativamente cortos, mientras que en horizontes temporales más largos pueden dar un error mayor.
Por supuesto, gracias.
Pero hay una enorme literatura sobre la aplicación de Garch, y es especialmente importante en los mercados financieros. Había un artículo en alguna parte que buscaba parámetros de basura en el ejemplo de todas las acciones del índice S&P500, que son 500 acciones.
Según he leído (no es mi experiencia, no puedo repetir todo, es demasiado largo), hoy en día los modelos más avanzados son RealGARCH. El prefijo Real se refiere a la varianza ya realizada, es decir, el modelo utiliza dos varianzas: en la TF mayor y en la TF menor para la que existe un dato.
Todo el mundo aquí está agitando para que alguien empiece a cavar. Tuve un compañero así, pero se decantó por un arima, que es parte del garch. Y la cantidad de trabajo es demasiado para mí solo.
Es más conveniente, no porque el intérprete sea secundario, sino porque R es un entorno de modelado, incluso (o principalmente) estadístico.
Por cierto, a pesar de que R es interpretado, el lenguaje en sí es un lenguaje de scripting y sirve principalmente para enlazar palabras en una frase, es decir, funcionalidad y varios paquetes entre sí. Y el propio lenguaje ocupa una parte insignificante del tiempo de ejecución del programa.
Por lo tanto, todas las quejas sobre la velocidad de R son completamente infundadas. Se trata de usar R directamente en TC y de la falta de sentido de reescribir códigos en MQL).
Estoy completamente de acuerdo contigo: R es una herramienta muy bien pensada para la investigación y el desarrollo de la estadística, y ahora el modelado de máquinas también queda relegado a la estadística. Y es muy fácil utilizar los resultados de la investigación en el uso industrial.
Estoy completamente de acuerdo con usted sobre el rendimiento. En los algoritmos que utilizo, no veo ninguna posibilidad de aumentar la velocidad de la enumeración mcl.
Y lo más importante, no veo la necesidad de reescribir en absoluto - son diferentes herramientas para diferentes áreas que se combinan perfectamente y fácilmente, todo funciona de manera estable.
Lo principal es aprender las variables GOTO e INPUT... en el ordenador ZX-Spectrum.
El resto es una pérdida de tiempo.
Lo principal es aprender las variables GOTO e INPUT... en el ordenador ZX-Spectrum.
el resto es un regalo del cielo.
Hmm, a finales de los 80 mucha gente se consideraba programadora por sus habilidades de escritura ))
LOAD ""Sin eso, sin embargo, no se podía ejecutar ningún juego (desde una grabadora de casete en aquel entonces).
El problema es que el GARCH(1,1) puro es un modelo prácticamente inviable.
Hay que coger el paquete adecuado, el más interesante es rugarch. Hay que simular la media, el ARCH propiamente dicho, y hay un montón de estos modelos, se pueden obtener buenos resultados con el EGARCH, además hay que simular la distribución. Hay muchas publicaciones que destacan los resultados de utilizar este paquete en los mercados financieros, incluido el Forex. Aquí puedes encontrar códigos ya hechos y ejemplos, es muy instructivo.
Si buscas en Rugarch y obtienes un buen resultado, está disponible en Srp, los códigos son de código abierto.
Pero estás muy lejos de Srp porque no es seguro que obtengas un resultado decente con GARCH. En cualquier caso, es mucho más conveniente realizar los experimentos en R que en µl, porque R es un intérprete.
Información útil :
http://keldysh.ru/papers/2013/prep2013_19.pdf
M.A. Ananiev, N.A. Mitin
Comparación de modelos autorregresivos lineales y no lineales de heteroscedasticidad condicional utilizando como ejemplo el rendimiento del índice RTS
ANOTACIÓN
En este trabajo comparamos la capacidad de previsión de los modelos de volatilidad condicional lineal y no lineal mediante el ejemplo de los modelos GARCH para el rendimiento del índice RTS. A partir de los precios de cierre diarios del índice RTS durante 10 años, se estima un conjunto de modelos paramétricos y se construye un conjunto de previsiones de volatilidad para horizontes de diferente duración. Se comparan las capacidades de previsión de los modelos según los criterios seleccionados. Se han desarrollado modelos no lineales para tener en cuenta las características detectadas de las series temporales, pero a veces se cuestiona la calidad de las previsiones obtenidas con su ayuda. Los resultados de este estudio complementan los de otros trabajos: los modelos de volatilidad condicional no lineal muestran mejores resultados. Una posible explicación de este éxito puede ser el hecho de que los modelos no lineales dan mejores previsiones en horizontes relativamente cortos, mientras que en horizontes más largos pueden dar mayores errores.
Hmm, a finales de los 80 mucha gente se consideraba programadora por sus habilidades de escritura )).
Realmente no se podía ejecutar ningún juego sin él (desde una grabadora de casete en aquel entonces).
es nuestro... y caliente.
es nuestro FS)).
Hmm, a finales de los 80 mucha gente se consideraba programadora por sus habilidades de escritura )).
Sin ella, sin embargo, era imposible ejecutar cualquier juego (desde una grabadora de casete en aquel entonces).
Tenía 6 años cuando me regalaron mi primer Master.
Pero no recuerdo haber escrito Load ...