Résonance stochastique - page 2
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
Les états stables sont des sommets plats pendant les renversements ou les corrections. Les tendances sont des états instables de transition d'un plat à l'autre. Avant une tendance, un signal régulier est amplifié par le bruit du plat et se manifeste par des sauts brusques, souvent momentanés, de niveau en niveau.
Comment pouvons-nous en tirer un enseignement pratique ?
P.S. Par exemple, comment peut-on extraire uniquement la composante aléatoire (bruit pur) de la volatilité pour obtenir un signal régulier ? La volatilité est connue pour être un processus antipersistant. Il ne suffit pas d'en soustraire une constante, car le signal se renforce au cours de la tendance. Une tendance à la baisse ? Et à quoi, je me le demande, correspond le coefficient d'amplification ?
Extraction du bruit, les ondelettes semblent être conçues pour cela (je peux me tromper).
Bonne chance.
J'ai l'impression qu'il y a une certaine résonance avec les modèles potentiels, ou plutôt avec mon point de vue sur où et comment les utiliser :).
Et où puis-je lire sur les modèles potentiels de votre point de vue, parce que Google s'étouffe sur les "modèles potentiels", la vie comme toujours tourne autour des petits.
Il y a un super fil de discussion sur le forum parallèle :) https://www.mql5.com/ru/forum/50458 mais c'est assez confus. À titre d'exemple, voir http://forex.kbpauk.ru/download.php?Number=16275. Selon moi, ces modèles devraient simplement décrire des états stables, ce qui ouvre une possibilité fondamentale d'isoler un signal "externe".
Et où puis-je lire sur les modèles potentiels de votre point de vue, parce que Google est plein de "modèles potentiels", la vie comme toujours tourne autour de lollygagging.
Il y a un super fil de discussion sur le forum parallèle :) https://www.mql5.com/ru/forum/50458 mais c'est assez confus. À titre d'exemple, voir http://forex.kbpauk.ru/download.php?Number=16275. Selon moi, ces modèles devraient simplement décrire des états stables, ce qui ouvre une possibilité fondamentale d'isoler le signal "externe".
Si je comprends bien, vous devez rechercher les caractéristiques du système/modèle (peut-être basées sur une série chronologique) où ce signal régulier faible "actuel" entrera en résonance avec le bruit, c'est-à-dire qu'il sera multiplié. Spécialement mis en avant :
Je peux être plus précis : en d'autres termes, si on l'aborde d'un point de vue pratique, il faut contrôler les paramètres du bruit et rechercher les valeurs de ses caractéristiques pour lesquelles la probabilité de résonance augmente de manière significative.
Il ne sera guère possible de calculer la trajectoire exacte, mais il sera peut-être possible de calculer les caractéristiques de base du futur mouvement directionnel (élan, saut, swing - peu importe). En conséquence, il est nécessaire de fixer :
- Paramètres du bruit actuel (je suppose qu'ils varient)
- Paramètres du signal actuel
Il y a, bien sûr, quelques difficultés à cela. Le rapport signal/bruit est fortement influencé par l'un et l'autre. Pour le signal actuel, deux options simples s'imposent :
- est d'isoler le signal avec une sorte de filtre passe-bas (l'option ondelette est assez bonne pour ce modèle).
- Utilisation de diverses régressions ou de leurs combinaisons
Dans le cas général, nous devrons faire une prédiction des mêmes éléments du système :
- Paramètres du bruit futur
- Paramètres du signal futur
La prédiction du bruit vous fera probablement sourire, mais je pense qu'elle devrait constituer une partie importante du système. Bien sûr, il n'est pas nécessaire de prévoir le bruit lui-même, mais il faut tirer certaines conclusions sur les paramètres de base du bruit futur. La résonance elle-même me semble être de nature très aléatoire, et le fait qu'elle s'additionne ou non dépend presque entièrement du bruit.
PS 01 : il s'agit d'une idée intéressante, il faudra donc un an ou plus, en tenant compte des recherches nécessaires et en essayant différentes variantes.
à MathematJ'utilise ce concept dans mon modèle. Il fonctionne très bien.
Si je comprends bien, vous devez rechercher les caractéristiques du système/modèle (peut-être basées sur une série chronologique) où ce signal régulier faible "actuel" entrera en résonance avec le bruit, c'est-à-dire qu'il sera multiplié. Spécialement mis en avant :
Je peux être plus précis : en d'autres termes, si l'on se place d'un point de vue pratique, il faut contrôler les paramètres du bruit et rechercher les caractéristiques du bruit pour lesquelles la probabilité de résonance augmente de manière significative.
Le calcul d'une trajectoire exacte est peu probable, mais il peut être possible de calculer les principales caractéristiques du futur mouvement directionnel (élan, saut, balayage - peu importe). En conséquence, il est nécessaire de fixer :
- Paramètres du bruit actuel (je suppose qu'ils varient)
- Paramètres du signal actuel
Il y a, bien sûr, quelques difficultés à cela. Le rapport signal/bruit est fortement influencé par l'un et l'autre. Pour le signal actuel, deux options simples s'imposent :
- est d'isoler le signal avec une sorte de filtre passe-bas (l'option ondelette est assez bonne pour ce modèle).
- Utilisation de diverses régressions ou de leurs combinaisons
Dans le cas général, nous devrons faire une prédiction des mêmes éléments du système :
- Paramètres du bruit futur
- Paramètres du signal futur
La prédiction du bruit vous fera probablement sourire, mais je pense qu'elle devrait constituer une partie importante du système. Bien sûr, il n'est pas nécessaire de prévoir le bruit lui-même, mais il faut tirer certaines conclusions sur les paramètres de base du bruit futur. La résonance elle-même me semble être de nature très aléatoire, et le fait qu'elle s'additionne ou non dépend presque entièrement du bruit.
PS 01 : il s'agit d'une idée intéressante, il faudra donc un an ou plus, en tenant compte des recherches nécessaires et en essayant différentes variantes.
à MathématiquesJ'utilise ce concept dans mon modèle. Il fonctionne très bien.
Si je comprends bien l'article, il faut chercher une source d'influence permanente. Mais il peut s'avérer qu'il n'y en a pas. Ou il y en a beaucoup, ce qui est la même chose. Alors comment s'y prendre ?
Si je comprends bien l'article, vous devez chercher une source permanente d'impact. Mais il peut s'avérer qu'il n'y en a pas. Ou il y en a beaucoup, ce qui revient au même. Alors comment s'y prendre ?
J'ai le sentiment que je dois chercher les deux, et tout cela est très frustrant. Je commencerai mon voyage par le bruit, d'autant que j'ai envie de m'en occuper depuis longtemps.
Si j'ai bien compris l'article, vous devez chercher une source d'influence permanente. Mais il peut s'avérer qu'il n'y en a pas. Ou il y en a beaucoup, ce qui revient au même. Alors, que faire ?
J'ai le sentiment que je dois chercher les deux, et tout cela est très frustrant. Facultatif, je commencerai mon parcours par le bruit, d'autant plus que j'ai envie de m'en occuper depuis longtemps.
Bien sûr, vous pouvez vous répartir les tâches. Mais il faut ensuite chercher une réponse - Qui en profite ? Mais ça ressemble à une question enfantine. Bien que je puisse me tromper.