Les programmeurs MQL peuvent-ils être considérés comme des programmeurs ? - page 7
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
San Sanych, je vais vous confier un terrible secret : le MQL aussi. C'est aussi un interprète.
Où avez-vous trouvé le bois de chauffage ?
San Sanych, je vais vous confier un terrible secret : le MQL aussi. Egalement interprète.
Je vais me joindre à la file d'attente et vous faire part d'un secret non moins terrible : les fichiers ex4 et ex5 sont du code natif. ))
Informations utiles :
http://keldysh.ru/papers/2013/prep2013_19.pdf
M.A. Ananiev, N.A. Mitin
Comparaison des modèles autorégressifs linéaires et non linéaires d'hétéroscédasticité conditionnelle à l'aide de l'exemple du rendement de l'indice RTS
ANNOTATION
Dans ce document, nous comparons les capacités de prévision des modèles de volatilité conditionnelle linéaires et non linéaires à l'aide de l'exemple des modèles GARCH pour le rendement de l'indice RTS. Sur la base des prix de clôture quotidiens de l'indice RTS pendant 10 ans, un ensemble de modèles paramétriques est estimé et un ensemble de prévisions de la volatilité pour différents horizons est construit. Les capacités de prévision des modèles sont comparées selon les critères sélectionnés. Des modèles non linéaires ont été développés pour tenir compte des caractéristiques détectées des séries temporelles, mais la qualité des prévisions obtenues à l'aide de ces modèles est parfois mise en doute. Les résultats de cette étude complètent les résultats d'autres travaux : les modèles de volatilité conditionnelle non linéaires donnent de meilleurs résultats. Une explication possible de ce succès pourrait être le fait que les modèles non linéaires donnent une meilleure prévision sur des horizons relativement courts, alors que sur des horizons plus longs, ils peuvent donner une erreur plus importante.
Bien sûr, merci.
Mais il existe une énorme littérature sur l'application de Garch, et elle est particulièrement importante sur les marchés financiers. Il y avait un article quelque part qui cherchait des paramètres d'ordures sur l'exemple de toutes les actions de l'indice S&P500, qui compte 500 actions.
Comme je l'ai lu (ce n'est pas mon expérience, je ne peux pas tout répéter, c'est trop long), aujourd'hui les modèles les plus avancés sont les RealGARCH. Le préfixe Real se réfère à la variance déjà réalisée, c'est-à-dire que le modèle utilise deux variances : sur la plus grande TF et sur la plus petite TF pour laquelle il existe un fait.
Tout le monde ici s'agite pour que quelqu'un commence à creuser. J'avais un tel compagnon, mais il s'est contenté d'un arima, qui fait partie du garch. Et la quantité de travail est trop importante pour moi seule.
C'est plus pratique, non pas parce que l'interpréteur est secondaire, mais parce que R est un environnement de modélisation, y compris (ou principalement) statistique.
À propos, malgré le fait que R soit interprété, le langage lui-même est un langage de script et sert principalement à relier les mots d'une phrase, c'est-à-dire les fonctionnalités et les différents paquets entre eux. Et le langage lui-même occupe une part négligeable du temps d'exécution du programme.
Ainsi, toutes les plaintes concernant la vitesse de R sont totalement infondées. Il s'agit de l'utilisation de R directement dans TC et de l'absurdité de la réécriture des codes dans MQL).
Je suis tout à fait d'accord avec vous : R est un outil très bien pensé pour la recherche et le développement en statistiques, et maintenant la modélisation automatique est aussi reléguée aux statistiques. Et il est très facile d'utiliser les résultats de la recherche à des fins industrielles.
Je suis tout à fait d'accord avec vous au sujet de la performance. Dans les algorithmes que j'utilise, je ne vois aucune perspective d'augmenter la vitesse de l'énumération mcl.
Et surtout, je ne vois pas du tout la nécessité d'une réécriture - les différents outils pour les différents domaines se combinent parfaitement et facilement, tout fonctionne de manière stable.
L'essentiel est d'apprendre les variables GOTO et INPUT... sur l'ordinateur ZX-Spectrum.
Le reste est une perte de temps.
L'essentiel est d'apprendre les variables GOTO et INPUT... sur l'ordinateur ZX-Spectrum.
le reste est une aubaine.
Hmm, à la fin des années 80, beaucoup de gens se considéraient comme des programmeurs pour leurs compétences en écriture ;))
LOAD ""Sans cela, cependant, vous ne pouviez pas lancer un jeu (à partir d'un enregistreur de cassettes à l'époque).
Le problème est que le GARCH(1,1) pur est un modèle pratiquement inapplicable.
Vous devez prendre le paquet approprié, le plus intéressant étant le rugarch. Vous devez simuler la moyenne, ARCH proprement dit, et il y a beaucoup de ces modèles, vous pouvez obtenir de bons résultats avec EGARCH, en plus de cela vous devez simuler la distribution. De nombreuses publications soulignent les résultats de l'utilisation de ce paquet sur les marchés financiers, y compris le Forex. Vous pouvez y trouver des codes prêts à l'emploi et des exemples, c'est très instructif.
Si vous regardez Rugarch et obtenez un bon résultat, il est disponible sur Srp, les codes sont open source.
Mais vous êtes loin de Srp car il n'est pas sûr que vous obteniez un résultat décent avec GARCH. Dans tous les cas, il est beaucoup plus pratique de mener des expériences en R plutôt qu'en µl, car R est un interpréteur.
Informations utiles :
http://keldysh.ru/papers/2013/prep2013_19.pdf
M.A. Ananiev, N.A. Mitin
Comparaison des modèles autorégressifs linéaires et non linéaires d'hétéroscédasticité conditionnelle à l'aide de l'exemple du rendement de l'indice RTS
ANNOTATION
Dans ce document, nous comparons les capacités de prévision des modèles de volatilité conditionnelle linéaires et non linéaires à l'aide de l'exemple des modèles GARCH pour le rendement de l'indice RTS. Sur la base des prix de clôture quotidiens de l'indice RTS pendant 10 ans, un ensemble de modèles paramétriques est estimé et un ensemble de prévisions de la volatilité pour différents horizons est construit. Les capacités de prévision des modèles sont comparées selon les critères sélectionnés. Des modèles non linéaires ont été développés pour tenir compte des caractéristiques détectées des séries temporelles, mais la qualité des prévisions obtenues à l'aide de ces modèles est parfois mise en doute. Les résultats de cette étude complètent les résultats d'autres travaux : les modèles de volatilité conditionnelle non linéaires donnent de meilleurs résultats. Une explication possible de ce succès peut être le fait que les modèles non linéaires donnent de meilleures prévisions à des horizons relativement courts, alors qu'à des horizons plus longs, ils peuvent donner des erreurs plus importantes.
Hmm, à la fin des années 80, beaucoup de gens se considéraient comme des programmeurs pour leurs compétences en écriture ;)).
Vous ne pouviez vraiment pas faire tourner un jeu sans elle (à partir d'un magnétophone à cassette à l'époque).
c'est notre propre... et chaud.
c'est notre FS)).
Hmm, à la fin des années 80, beaucoup de gens se considéraient comme des programmeurs pour leurs compétences en écriture ;)).
Sans lui, cependant, vous ne pouviez pas lancer un jeu (à partir d'un magnétophone à cassette à l'époque).
J'avais 6 ans lorsque j'ai reçu mon premier Master en cadeau.
Mais je ne me rappelle pas avoir écrit Chargement ...