Obtention d'une BP stationnaire à partir d'une BP de prix - page 8
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 transformations de BP en quelque chose de plus décent sont nombreuses - tous les indicateurs (ou presque), mais aucun profit n'est visible. Lorsqu'un indicateur est développé, c'est toujours l'idée qui prime, puis la mise en œuvre. Ici, on dit "c'est une bonne chose si la RV est stationnaire au lieu de non stationnaire". Qu'est-ce qui est bon ? Le développement de tous les indicateurs vise à ce qu'ils reflètent une certaine caractéristique de la BP initiale. Ici, nous ne fixons pas du tout une telle tâche, nous fixons la tâche de la caractéristique statistique du résultat et nous ne savons pas ce que ce résultat reflétera de la BP initiale.
Quel est l'avantage des processus stationnaires sur les processus non stationnaires ? Un processus stationnaire est prévisible. Elle possède une caractéristique importante (dans sa forme la plus générale, il ne s'agit pas nécessairement de la moyenne), et on sait comment cette caractéristique peut changer (dans sa forme la plus générale, il ne s'agit pas nécessairement de la variance). Il est également connu que cette caractéristique et sa variabilité sont indépendantes de l'échantillon. Et sous une forme particulièrement stricte, on sait aussi que les distributions de la variabilité sont constantes. Tout cela, avec un certain degré de rigueur, permet de prévoir. Ce n'est pas le cas pour les processus non stationnaires. Dans ce cas, à proprement parler, il est impossible de prévoir (dans la pratique, bien sûr, ce n'est pas si mal). C'est la non-stationnarité qui conduit à certains types d'effondrement. Cependant, le plombage stationnaire est également possible, et il y a beaucoup d'adeptes de ce type de plombage. Mais c'est un autre sujet.
C'est pourquoi j'écris : profit = f(prix), ce qui signifie - obtenir un profit stationnaire à partir d'un prix non stationnaire.
Ce n'est pas une garantie de profit, mais c'est une propriété très désirable.
D'ailleurs, j'ai vu sur le forum des graphiques qui montrent que la longueur des chandeliers dépend de l'heure de la journée.
Quel est l'avantage des processus stationnaires sur les processus non stationnaires ? Un processus stationnaire est prévisible. Elle possède une caractéristique importante (dans sa forme la plus générale, il ne s'agit pas nécessairement de la moyenne), et on sait comment cette caractéristique peut changer (dans sa forme la plus générale, il ne s'agit pas nécessairement de la variance). Il est également connu que cette caractéristique et sa variabilité sont indépendantes de l'échantillon. Et sous une forme particulièrement stricte, on sait aussi que les distributions de la variabilité sont constantes. Tout cela, avec un certain degré de rigueur, permet de prévoir. Ce n'est pas le cas pour les processus non stationnaires. Dans ce cas, à proprement parler, il est impossible de prévoir (dans la pratique, bien sûr, ce n'est pas si mal). C'est la non-stationnarité qui conduit à certains types d'effondrement. Cependant, le plombage stationnaire est également possible, et il y a beaucoup d'adeptes de ce type de plombage. Mais c'est un autre sujet.
C'est pourquoi j'ai écrit : profit = f(prix), ce qui signifie - obtenir un profit stationnaire à partir d'un prix non stationnaire.
Ce n'est pas une garantie de faire des bénéfices, mais c'est une caractéristique très souhaitable.
Il s'agit d'une propriété inhérente à certains marchés. Pourquoi vous y intéressez-vous ? Dans le contexte de cette discussion.La stationnarité est souhaitable avec un mo positif. Alors oui, c'est une source de profit. Existe-t-il des cas de mo=0 stationnaire sur lesquels on peut gagner systématiquement ? Il est possible de prédire de manière tout à fait adéquate, mais est-il possible de gagner ? Les mo positifs peuvent être joués plus efficacement si vous connaissez les autres caractéristiques/paramètres de la distribution.
La série stationnaire est débarrassée de ses dépendances. Il n'a pas de "mémoire" car sa distribution ne dépend pas du décalage temporel de la clé t de référence. En y cherchant des dépendances, la construction de l'AT est inutile. Seulement pour faire jouer le motif positif de manière purement statistique s'il est présent.
La stationnarité est souhaitable avec un mo positif. Alors oui, c'est une source de revenus. Existe-t-il des cas possibles de mo=0 stationnaire sur lesquels on peut gagner systématiquement ? Prédire est possible et tout à fait adéquat, mais gagner ? Les mo positifs peuvent être joués plus efficacement si vous connaissez les autres caractéristiques/paramètres de la distribution.
La série stationnaire est débarrassée de ses dépendances. Il n'a pas de "mémoire" car sa distribution ne dépend pas du décalage temporel du t-score de référence. En y cherchant des dépendances, la construction de l'AT est inutile. Seulement pour faire jouer le motif positif de manière purement statistique s'il est présent.
J'espère que c'est une clarification et non une réfutation de ce que j'ai écrit.
Est-ce qu'on parle de la même chose ?
Probablement oui, mais ce n'était pas encore le cas quand je l'ai lu.
"La stationnarité n'est pas une garantie de rentabilité, mais c'est un attribut très souhaitable."
et c'est un point que je voulais clarifier :)
La stationnarité est souhaitable avec un mo positif. Alors oui, c'est une source de revenus. Existe-t-il des cas possibles de mo=0 stationnaire sur lesquels on peut gagner systématiquement ? Prédire est possible et tout à fait adéquat, mais gagner ? Les mo positifs peuvent être joués plus efficacement si vous connaissez les autres caractéristiques/paramètres de la distribution.
La série stationnaire est débarrassée de ses dépendances. Il n'a pas de "mémoire" car sa distribution ne dépend pas du décalage temporel du t-score de référence. En y cherchant des dépendances, la construction de l'AT est inutile. Seulement pour faire jouer le motif positif de manière purement statistique s'il est présent.
Quelques posts plus tôt, je m'interrogeais sur la cohérence du modèle avec l'original. Le mashup correspond-il au signal instable d'origine ? Tout un ensemble de réponses à la fois théoriques et sous forme de modifications mashup. Vous pouvez utiliser des modèles ordinaires, mais vous devez toujours répondre à la question de la correspondance (adéquation) du modèle avec l'original. Nous essayons de prendre une tendance. Qu'est-ce qu'on prend par paliers ? Si nous supposons que la PA est une somme de tendances fortes, de tendances faibles, de cycles (oscillations dans le couloir et bruit blanc), alors que prenons-nous comme incréments ?
Il s'agit d'une propriété inhérente à certains marchés. Pourquoi vous y intéressez-vous ? >> Dans le contexte de cette discussion.
La dépendance de la longueur des bougies par rapport à l'heure de la journée a été interprétée comme une non-stationnarité des incréments.
La dépendance de la longueur des bougies par rapport à l'heure de la journée a été interprétée comme une non-stationnarité des incréments.
Y a-t-il un lien ?
Y a-t-il un lien ?
Malheureusement, non. C'était sur l'araignée, puis déplacé ici. Le signe le plus désagréable de la non-stationnarité de BP est la périodicité variable des tendances. La longueur de la bougie varie également avec le temps. Cela me semble évident car la volatilité n'est pas stationnaire.
Ça y est, mon modèle fonctionne ! Aujourd'hui, j'ai identifié des erreurs dans l'algorithme d'extrapolation du réseau neuronal par les coefficients de pondération.
En bref, nous divisons l'histoire en trois parties.
Dans la première partie, nous alimentons les entrées du NN avec des résidus de différence de prix et (je ne dirai pas quoi). Le réseau neuronal est à la traîne. On obtient des coefficients de pondération. Nous extrapolons.
Dans la deuxième partie, nous vérifions l'extrapolation. Nous voyons qu'il y a une correspondance. Soustraire l'extrapolation du premier NN des restes, c'est-à-dire que nous obtenons une autre BP des restes (erreurs du premier NN). Alimentation des entrées du second NN.
Dans la troisième partie, le deuxième NN corrige les erreurs du premier NN. L'avance est réussie.
La branche peut être considérée comme fermée. Mon hypothèse du premier message s'est avérée correcte. Au moins dans le testeur, le résultat est stable.