La théorie des flux aléatoires et le FOREX - page 6

Nouveau commentaire
 

dreder, merci pour le conseil, mais il est peu probable que je le suive : je suis un toxicomane, et une seule vraie dose a suffi à me rendre accro. Et vous êtes aussi un drogué, n'est-ce pas ?

En fait, pourquoi ne pas rejoindre un petit cercle de junkies, dont certains en savent long sur les maths (pas moi) ?

2 Candidat : Je vais rassembler et envoyer le tout. Il y a Marple, Sato, Wald, Farina, des conférences sur le DSP et le calcul de l'ACF dans Mathcad. J'espère que toute l'archive passera en une seule fois (j'ai environ 13,5 Moctets en tout, il y en aura donc moins de 20 lors du transfert). Je vous l'ai envoyé d'une autre boîte aux lettres. Envoyez-moi un message avec le résultat - ou envoyez-moi un courriel.

 
Prival:

Je vais essayer d'expliquer l'ACF avec un exemple, ...

Eh bien, je connaissais la définition d'ACF en principe, c'est juste qu'il y a souvent autant de personnes que de formules :). Si vous ne le calculez pas carrément, bien sûr.
Et qu'y a-t-il de mal à utiliser la fonction "fastcorellation" de la bibliothèque de Klot?
 
Mathemat:

En fait, pourquoi ne pas avoir une petite conversation dans un petit cercle...

Je suis tout à fait d'accord, sauf que je ne suis pas bon en maths, j'ai un C au mieux. Vod quelques verres dans cette riche expérience d'ingénieur radio de l'aviation :-)

lna01 à propos de la fastcorellation, je ne savais pas qu'elle existait, désolé si je vous ennuie encore avec des questions aussi désagréables :-), comme quoi tout compte.

 
Prival:

lna01 à propos de fastcorellation je ne savais pas que ça existait, désolé si je recommence à poser de mauvaises questions :-), comme quoi tout compte.

Pour en savoir plus, cliquez ici : http://alglib.sources.ru/fft/fastcorrelation.php
Le format est le suivant :
void fastcorellation(double& signal[], int signallen, double pattern[], int patternlen)
/*************************************************************************
Corellation par FFT

En entrée :
Signal est un tableau de signaux, avec lequel nous effectuons la corrélation.
Numérotation des éléments de 0 à SignalLen-1
SignalLen - longueur du signal.

Patron - réseau de patrons, la corrélation du signal avec lequel nous cherchons.
Numérotation des éléments de 0 à PatternLen-1
PatternLen - la longueur du motif.

Sortie :
Signal - valeurs de corrélation à des points allant de 0 à
SignalLen-1.
*************************************************************************/
 
Oui, ça a du sens. D'après la description, les tableaux sont en fait périodiques, et pour de telles données, l'ACF dépendra par définition de la seule différence des arguments, c'est-à-dire que le processus deviendra automatiquement stationnaire. Ça ne colle pas, bon sang...
 
Mathemat:
Oui, j'ai compris. A en juger par la description, les tableaux sont en fait périodiques, et l'ACF pour de telles données dépendra de la différence des arguments par définition, c'est-à-dire que le processus deviendra automatiquement stationnaire. Ça ne colle pas, bon sang...

L'ACF sera symétrique si vous utilisez la FFT, c'est-à-dire que vous avez besoin des données jusqu'au milieu. Bien que je ne sache pas où vous voulez l'appliquer.

Si l'ACF dépend de la différence entre les arguments, il est non stationnaire.

 
Mathemat:
Oui, ça a du sens. A en juger par la description, les tableaux sont en fait périodiques, et pour de telles données, l'ACF dépendra par définition de la différence des arguments, c'est-à-dire que le processus deviendra automatiquement stationnaire. Ça ne colle pas, bon sang...
Ils sont périodiques, bien sûr, mais avec une période de la première 2^n plus grande, exactement à une telle longueur des zéros sont ajoutés - il suit de la source. Ils sont donc en fait non périodiques :)
 
J'ai besoin d'une procédure qui calcule les coefficients a et b dans l'équation y(x)=a*x+b. Ensuite, je serai peut-être capable de construire un algorithme ACF courbe dans MQL à nouveau.
 
Prival:
J'ai besoin d'une procédure qui calcule les coefficients a et b dans l'équation y(x)=a*x+b. Alors peut-être que je pourrai à nouveau créer un algorithme ACF de courbe dans MQL.
Il est probablement difficile de trouver quelqu'un qui n'a pas créé une telle fonction pour lui-même. Moi aussi :) Fonctions".
 
Prival:

Je vais essayer d'expliquer l'ACF par un exemple, disons que nous avons deux ensembles de données, le premier 0 1 2 3 4 5 et le second 10 11 12 13 14 15, si nous calculons le coefficient de corrélation (CC) de ces tableaux, il est = 1, c'est-à-dire que connaissant le premier ensemble, nous pouvons calculer avec précision le second, si le second ensemble était 15 14 13 12 11 10, le CC serait = -1, c'est-à-dire que lorsqu'un ensemble augmente, le second diminue dans la même proportion.

L'ACF (fonction d'autocorrélation) est une comparaison du tableau avec lui-même, mais décalée dans le temps. A décalage=0, ACF =1, car les données originales sont exactement les mêmes qu'elles. Lorsque nous augmentons le décalage, l'ACF commence à changer, oscillant entre -1 et 1, zéro signifiant aucune corrélation.

Si l'ACF du flux de citations était tout le temps =1 eh quel graal ce serait :-).

J'ai les photos, je les ai postées ci-dessus. Mais ils ne concernent qu'un seul échantillon, je pense que l'ACF devrait varier dans le temps (c'est certainement le cas car le Graal aurait été trouvé il y a longtemps), mais si nous trouvons la fonction qui l'approche et seulement si nous trouvons les paramètres de cette fonction, ce sera un pas en avant significatif.

Ce que l'analyse de l'ACF nous donne

1. construire un modèle plus ou moins adéquat de séries temporelles.

2. déterminer le temps pendant lequel le processus est corrélé, c'est-à-dire le temps pendant lequel nous pouvons prédire le comportement de la courbe

3. l'ACF peut être utilisé de différentes manières, jusqu'à la prise de décisions commerciales. L'essentiel est de le comprendre et de comprendre son comportement à différents intervalles de temps.


J'ai essayé d'écrire un script en MQL qui affiche le corrélogramme (fonction d'autocorrélation) des séries temporelles dans une fenêtre séparée. Le code construit une série de premières différences et trouve une moyenne d'échantillon des valeurs Nbars, le coefficient de corrélation pour la différence actuelle Open[i]-Open[i+1] avec elle-même (colonne avec un index zéro), avec la différence précédenteOpen[i+1]-Open[i+2] (colonne avec un index numéro 1),..., avec la k-ième différence Open[i+k]-Open[i+k+1] (colonne avec un index numéro k), etc.., k prend des valeurs de 0 à n.

//+------------------------------------------------------------------+
//| FAK. mq4 |
//| Copyright © 2007, Neutron |
//+------------------------------------------------------------------+
#propriété indicator_separate_window
#property indicator_buffers 1
#property indicator_color1 Red
#propriété indicator_width1 4

extern int Nbars=10000, n=100 ;
int i, step, start ;
double s1,s2,fak[1000],Dif[10000];

int start()
{
Début=Nbars+n ;
for (i=Start;i>=0;i--){Dif[i]=Open[i]-Open[i+1];}

for (step=0;step<=n;step++){s1=0;s2=0;
for (i=Nbars;i>=0;i--){s1=s1+Dif[i]*Dif[i+step];s2=s2+Dif[i]*Dif[i];}
fak[étape]=s1/s2;}
}

int init()
{
SetIndexStyle(0,DRAW_HISTOGRAM) ;
SetIndexBuffer(0,fak) ;
retour(0) ;
}

Faites attention que sur les minutes la paire EUR/GBP montre une forte corrélation négative entre les lectures adjacentes (la barre avec l'indice 1 et la valeur -0.25). Pour éviter l'affichage d'une colonne zéro incomplètement informative (toujours identiquement égale à 1), il est nécessaire de tracer une ligne :

for (step=0;step<=n;step++){s1=0;s2=0;

remplacer par :

for (step=1;step<=n;step++){s1=0;s2=0;

Le produit du coefficient d'autocorrélation r1 par la volatilité de l'instrument sur le TF sélectionné donnera la rentabilité moyenne du TS basée sur le processus de Markov. Malheureusement, cette valeur ne dépasse pas la commission du DC.

12345678910111213...85
Nouveau commentaire