Le modèle de régression de Sultonov (SRM) - qui prétend être un modèle mathématique du marché. - page 3
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
Avez-vous lu l'article, sur le modèle de Sultanov ? Y a-t-il un CSI là-bas, je n'en suis pas conscient) ? Deux points sont décrits par ISC et Residuals.
A propos de la stationnarité, vous avez tort, la faa s'intéresse à la cointégration (le trading de paires est basé dessus je pense, enfin il parlera pour lui, j'ai parlé pour moi).
Cointegration et est conçu pour les séries temporelles non stationnaires.
La co-intégration est conçue pour les séries temporelles non stationnaires, et je pense qu'elle a MNC, et c'est précisément MNC seulement pour les séries avec une distribution normale.
coïntégration et développé pour les séries temporelles non stationnaires
MES EXCUSES POUR LES OFFTOPS.
_________________________________________________________________________________________________________________________________________________________________________________________
Oui, oui, nous avons été distraits...
Vas-y, Yusuf ! Les chacals aboient, la caravane arrive.
Demandez maintenant à RMS de reconnaître la parabole Y = a+ bx^2 et il s'en sort aussi parfaitement à a=0 et b=1 avec une erreur de 4.78013E-07 :
Lorsque a=10000 et b=10 :
:
Chers membres du forum, ce n'est pas un secret que la question de trouver les dépendances qui décrivent les modèles de base du marché est importante. Nous tenterons ici d'aborder cette question par tous les moyens d'analyse disponibles, y compris les diverses propositions des participants sur cette question et le matériel théorique et pratique accumulé à ce jour de toutes les sources possibles. Grâce à ce travail, si nous nous attardons ne serait-ce que sur une partie de cette fonction, je pense que nous considérerons que le temps et les efforts n'ont pas été dépensés en vain.
Je commencerai par démontrer les capacités de RMS à l'aide d'exemples simples de descriptions de motifs bien connus : linéaire, parabole, hyperbole, exposant, sinus, cosinus, tangente, cotangente et autres, ainsi que leur combinaison, qui sont certainement présents sur le marché. Veuillez me soutenir dans cette impulsion par des suggestions constructives et des critiques saines si nécessaire.
Voyons maintenant comment RMS se "transforme" en une hyperbole parfaite Y = b/x à la valeur arbitraire b=10 avec une erreur fantastiquement faible de 6,34693E-14 % :
:
Prenons une série de prix. décrivons-la à l'aide d'un polynôme, d'un réseau neuronal ou de Fourier. nous obtiendrons un modèle qui décrit cette série avec presque n'importe quelle précision. mais ce modèle ne sera jamais prédictif pour la barre suivante, les mêmes queues. il serait probablement préférable de construire un modèle de conditions de marché qui détermine la tendance et le plat aux premiers stades de leur création. bien qu'il existe également de nombreuses conditions de marché, mais si nous le regardons du point de vue du profit, cet ensemble sera très probablement limité à 5 - 10 conditions.