Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Pourquoi aller si loin ?
Je préfère avoir affaire à des dindes ordinaires...
J'essaie toujours de trouver la largeur de fenêtre optimale dans mes CTs. Il varie entre 30 et 70 observations (pour H1).
Quel type de fenêtre exactement ? Par exemple, une gaussienne supprime les effets de bord de manière très significative par rapport à une rectangulaire ordinaire (elle sera également gaussienne dans le domaine des fréquences, c'est-à-dire qu'elle donnera -40 dB par octave sans aucun maximum latéral). La même réactivité peut alors être obtenue en prenant en compte davantage de valeurs de signal.
Pourquoi aller si loin ?
Je préfère avoir affaire à des dindes ordinaires...
Qui c'est ?)
Soldat Dersu !
A l'aise ! C'est quoi ces enveloppes, rouges et vertes ?
Enveloppes comme enveloppes.
Inséré.
Samedi, jour férié...
S'éloigner du sujet ?
Si nous regardons " H est plus caractéristique de l'environnement externe ", nous devons faire attention aux termes anglais utilisés en rapport avec Hirst. Voici un copier-coller de la monographie de BP :
établir la géométrie fractale comme sujet d'étude.
Veuillez noter ces mots
Certaines séries chronologiques présentent des corrélations marquées à des retards élevés.
И
montre que les mémoires longues
J'ai cherché à savoir : qu'est-ce que la mémoire longue ? Il s'avère qu'il y a des autocorrélations sur 40 observations ! Mais entre guillemets, une corrélation aussi longue d'un même signe est extrêmement rare. En tout cas, après avoir passé une heure, je ne l'ai pas trouvé.
Un grand nombre de personnes essaient d'utiliser l'indice Hurst. Pas une seule fois je n'ai vu un résultat positif. Peut-être devrions-nous d'abord trouver des cotiers. dans quelle longue mémoire ?
Peters donne une définition intéressante de la mémoire longue. Lisez-le. Il y a beaucoup d'informations intéressantes dans ses livres sur ce sujet. Selon lui, de tels processus ne peuvent être mesurés par un ACF trivial. ACF fonctionne sur une échelle de 5-6 décalages et c'est tout. Si H est exprimé comme une particule en mouvement dont la dispersion est égale à la racine carrée de la distance, on obtient un cas particulier de distribution normale StdDev = Sqrt(T) = T^(0,5). Or, si la diffusion de la particule est légèrement supérieure ou inférieure à 0,5, c'est possible dans un seul et unique cas : la particule doit se souvenir de son état passé et donc un tel processus possédera une mémoire. C'est-à-dire que H n'est pas une caractéristique de l'action extérieure, mais dépend de l'état antérieur du processus. Et si la trajectoire de fuite est préservée, cela signifie qu'elle dépend des valeurs précédentes et que la période de mémoire peut être calculée. Et il arrive souvent qu'à toutes les échelles de calcul, l'angle de pente ne change pas, et qu'en même temps, il ne soit pas égal à 0,5. Dans ce cas, on dit que le processus est un véritable processus de Hearst avec une mémoire infinie. Sauf que l'ACF ne montrera rien de tel.
Vous pouvez identifier cette très longue mémoire dans toutes les citations. Mais l'ACF ne convient pas ici.
Peters donne une définition intéressante de la mémoire longue. Lisez-le. Il y a beaucoup de choses intéressantes dans ses livres sur ce sujet. Selon lui, de tels processus ne peuvent être mesurés par un ACF trivial. ACF fonctionne sur une échelle de 5-6 décalages et c'est tout. Si H est exprimé comme une particule en mouvement dont la dispersion est égale à la racine carrée de la distance, on obtient un cas particulier de distribution normale StdDev = Sqrt(T) = T^(0,5). Or, si la diffusion de la particule est légèrement supérieure ou inférieure à 0,5, c'est possible dans un seul et unique cas : la particule doit se souvenir de son état passé et donc un tel processus possédera une mémoire. C'est-à-dire que H n'est pas une caractéristique de l'action extérieure, mais dépend de l'état antérieur du processus. Et si la trajectoire de fuite est préservée, cela signifie qu'elle dépend des valeurs précédentes et que la période de mémoire peut être calculée. Et il arrive souvent qu'à toutes les échelles de calcul, l'angle de pente ne change pas, et qu'en même temps, il ne soit pas égal à 0,5. Dans ce cas, on dit que le processus est un véritable processus de Hearst avec une mémoire infinie. Sauf que l'ACF ne montrera rien de tel.
Malheureusement, je n'ai pas d'opinion personnelle sur cette question.
Mais je peux vous renvoyer au livre
Cowpertwait et A.V. Metcalfe, Introductory Time Series with R, 159
Utiliser R, DOI 10.1007/978-0-387-88698-5 8,
© Springer Science+Business Media, LLC 2009
dont le chapitre 8 décrit le processus d'ajustement du FARIMA. L'ACF est utilisé dans ce processus.
Le texte est joint en annexe. Malheureusement, les formules et la partie théorique n'ont pas abouti.
Mais le processus d'ajustement FARIMA est spécifiquement décrit