L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 999

 
Yuriy Asaulenko:
Et ils ont dit mécanique quantique. (( Quand était R Fourier ?

Erm... J'ai craqué pour le chapeau... Merde, Yuri - ça suffit avec les examens. Pourquoi dois-je joindre un scan de mon diplôme ? Vous devez faire confiance aux gens.

Qu'est-ce que c'est ?

 

EE....

L'opérateur rayon-vecteur d'une particule de mécanique quantique ?

Erm...

 
Yuriy Asaulenko:

Utilisez-vous vraiment de telles choses dans les algorithmes ?

 
SanSanych Fomenko:

Qu'est-il arrivé aux effets ARCH ? Il y en a plus d'une centaine. Et dont la fin n'est pas en vue ?

Je ne comprends pas vraiment.
Une fois encore, la vue de la distribution est une toute autre chanson. Les paramètres sont stables, au moins pendant quelques semaines.
 
Yuriy Asaulenko:
Je ne comprends pas vraiment.
Une fois encore, le type de distribution est une toute autre chanson. Les paramètres sont stables au moins pendant des semaines.

Apparemment, l'idée est qu'en plus des distributions univariées, il existe des distributions multivariées réciproques qui ne souhaitent pas toujours se décomposer en produits de distributions univariées (dépendance stochastique). Cela entraîne quelques effets supplémentaires. Les x-ARCH multiples permettent de tenir compte de ces effets.

 
Yuriy Asaulenko:
Je ne comprends pas vraiment.
Une fois encore, la forme de la distribution est une toute autre chanson. Les paramètres sont stables, au moins pendant quelques semaines.

Le modèle GARCH standard se compose de trois parties :

1. Détendus. L'idéal serait d'utiliser la différenciation fractionnée pour englober Hurst

2. Modélisation de la dispersion. Il ne s'agit pas seulement de la forme de la variance, mais aussi de l'agglutination, du comportement après les sauts...

3. la modélisation de la distribution. Cela permet de tenir compte des longues queues.

 
SanSanych Fomenko:

Le modèle GARCH standard se compose de trois parties :

1. Détendus. L'idéal serait d'utiliser la différenciation fractionnée pour englober Hurst

2. Modélisation de la dispersion. Il ne s'agit pas seulement de la forme de la variance, mais aussi de l'agglutination, du comportement après les sauts...

3. la modélisation de la distribution. Cela permet de tenir compte des longues queues.

SanSanych dites-moi où je peux voir l'implémentation de cet algorithme ?

 
Alexander_K2:

Pourquoi aucun des anciens (Warlock, Toxic, etc., y compris vous bien sûr) ne le fait-il ? Je n'ai même jamais vu un rapport de MT sur un vrai échange.

Si je peux me permettre, c'est parce qu'ils ne négocient pas sur MT ?

Il est plus difficile de répondre à la question de savoir ce qu'ils font ici. Habitude. Dans le passé, il y avait ici (dans la communauté MT) un groupe de chercheurs vraiment cool qui étaient toujours à la recherche de tâches intéressantes, et c'était juste intéressant de les lire. Maintenant, il a été remplacé par des pipelettes comme Asaulenko, comme Rena ou Nikitin. Seules quelques personnes génèrent du contenu utile. Mais il y en a qui restent sur le forum par habitude.

 
SanSanych Fomenko:

1. Détendus. L'idéal serait d'utiliser la différenciation fractionnée pour englober Hurst

Je ne suis pas très familier avec le sujet. Je voudrais comprendre - est-il possible que la déstratification avec ARFIMA soit utile pour un changement de tendance brutal (haut ou bas) ?

 
Sergej Sergienko:

Pouvez-vous me dire où je peux trouver une implémentation de cet algorithme ?

Paquet Rugarch. L'un des ...