L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1014
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Qui non mi stancherò di citare brani di Kolmogorov:
In altre parole, considerati sono:
1. Restituisce
2. l'ACF per i ritorni
Se ACF soddisfa la seguente condizione:
allora una tale serie discreta di ritorni è prevedibile.
Questo è tutto.
Non ci sono altri predittori.
Da dove vengono gli ACF degli incrementi di prezzo? Sono ovviamente non stazionari e la funzione di covarianza dipenderà da due variabili: B=B(t,k) e semplicemente non avete abbastanza dati per calcolarla.
Da dove viene l'ACF degli incrementi di prezzo? Sono ovviamente non stazionari e la funzione di covarianza dipenderà da due variabili: B=B(t,k) e semplicemente non avete abbastanza dati per calcolarla.
L'ACF che è mostrato nell'immagine è l'algoritmo preso da ARIMA. È calcolato dalle ultime n-barre.
L'algoritmo ACF nell'immagine è preso da ARIMA. Si conta per le ultime n-barrette.
Prima di tutto, il mio commento era sull'inopportunità di attaccare l'articolo di Kolmogorov sui processi stazionari al caso ovviamente non stazionario.
Anche se l'ARIMA riduce tutto alla stazionarietà, che può essere solo approssimativamente vera per i prezzi e solo su certi intervalli di tempo (per esempio un coefficiente autoregressivo durante un trend, un altro durante un successivo flat). Non possiamo prevedere quando cambiare il modello e questa è una conseguenza della non stazionarietà.
Prima di tutto, il mio commento era sull'inopportunità di attaccare l'articolo di Kolmogorov sui processi stazionari al caso chiaramente non stazionario.
Anche se l'ARIMA riduce tutto alla stazionarietà, che può essere vera per i prezzi solo approssimativamente e solo in certi intervalli di tempo (per esempio un coefficiente autoregressivo durante un trend, ma un altro durante un successivo flat). Non possiamo prevedere quando è necessario cambiare il modello, e questa è una conseguenza della non stazionarietà.
+
Cosa si intende per periodicità?
E per quanto ne so ACF non è solo la somma dei prodotti. C'è un algoritmo molto più complicato.
Resto della mia opinione - la stima ACF per una serie discreta di ritorni è la somma dei prodotti di 2 ritorni consecutivi a campione scorrevole.
Sulla periodicità...
Penso che il modo più semplice sia questo:
Si dovrebbe fare trading (predire il prossimo ricomparso) quando il valore corrente dell'ACF>0, cioè quando c'è un'evidente dipendenza degli incrementi, la cosiddetta "memoria".
Resto della mia opinione - la stima ACF per una serie discreta di ricorsi è la somma dei prodotti di 2 ricorsi consecutivi a campione scorrevole.
Sulla periodicità...
Penso che il modo più semplice sia questo:
Scambiare (prevedere il prossimo ricomparso) quando l'ACF>0, cioè quando c'è una dipendenza evidente degli incrementi, la cosiddetta "memoria".
Guardate l'indicatore, è così o bisogna cambiare qualcosa?
Guardate l'indicatore, è così o bisogna rifare qualcosa? Il valore assoluto degli incrementi è probabilmente ancora meglio (meno moltiplicato per meno più), allora il minimo sarà solo 0.
Spiacente, non posso. Occupato a cercare il Graal nei processi di diffusione. Sono io - aiuto qui il più possibile, perché credo nelle reti neurali e nelle foreste.
Mi dispiace, non posso. Occupato a cercare il Graal nei processi di diffusione. Sto solo aiutando il più possibile perché credo nelle reti neurali e nelle foreste.
Allora rimuovo l'indicatore?
Poi rimuovo l'indicatore?
Sì, non abbiamo bisogno di un indicatore. Abbiamo bisogno di predittori di Kolmogorov. Non c'è altro modo e si può andare avanti per altre 1000 pagine di ilarità.
Resto della mia opinione - la stima ACF per una serie discreta di ricorsi è la somma dei prodotti di 2 ricorsi consecutivi a campione scorrevole.
Sulla periodicità...
Penso che il modo più semplice sia questo:
Si dovrebbe scambiare (prevedere il prossimo ricomparso) quando ACF>0, cioè quando c'è una dipendenza evidente degli incrementi, la cosiddetta "memoria".
1) Non esiste un ACF per i processi instabili. Leggete almeno Orlov dalla serie di libri da voi suggeriti sui momenti dei processi non stazionari.
2) Anche la "memoria" dei processi non stazionari non è buona. Si può trovare quando non esiste (un processo non stazionario con incrementi indipendenti), se facciamo i calcoli come per un processo stazionario. Si può avere, ma può essere diverso in qualsiasi momento e non è chiaro cosa esattamente il processo "ricorda" in quel momento.