Indice Hearst - pagina 38
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
Ho allegato il testo. Purtroppo le formule e la parte teorica non si sono rivelate.
Ma il processo di adattamento FARIMA è specificamente descritto
L'ACF sui grafici è strano. Non sembra affatto un mercato.
L'ACF sui grafici è strano. Non assomiglia affatto a quello del mercato.
Sembra a posto, ne ho visti molti per il cotier originale, non per le sue varianti.
Per me la questione è diversa.
Il problema è la precisione del modello.
Il modello assolutamente accurato è il quoziente stesso.
Si può prendere un modello molto impreciso sotto forma di una linea retta. E poi una curva, e poi prendere in considerazione qualcos'altro ...... Dove fermarsi. Più il modello è accurato, più è legato ai dati usati per costruirlo (fitting). Quindi. Abbiamo bisogno di un modello come FARIMA? Forse è ridondante? Smoothing, ARMA per il residuo, e forse (non necessariamente) ARCH per il residuo?
È possibile identificare questa memoria molto lunga in qualsiasi citazione. Ma ACF non è appropriato qui.
Peters dà una definizione interessante di memoria lunga. Leggete. Ci sono molte informazioni interessanti nei suoi libri su questo argomento. Secondo lui tali processi non possono essere misurati da un banale ACF. ACF lavora su una scala di 5-6 ritardi e basta. Se H è espresso come una particella in movimento con diffusione pari alla radice quadrata della distanza, allora otteniamo un caso speciale di distribuzione normale StdDev = Sqrt(T) = T^(0,5). Ora, se la dispersione della particella è leggermente superiore o inferiore a 0,5 è possibile in uno e un solo caso: la particella deve ricordare il suo stato passato e quindi un tale processo possiede una memoria. Cioè H non è una caratteristica dell'azione esterna, ma dipende dallo stato precedente del processo. E se la traiettoria di fuga è conservata, significa che dipende dai valori precedenti e il periodo di memoria può essere calcolato. E succede spesso che su tutte le scale di calcolo l'angolo di pendenza non cambia, e allo stesso tempo, non è uguale a 0,5. In questo caso, si dice che il processo è un vero processo Hearst con memoria infinita. Solo che l'ACF non mostra nulla del genere.
Non posso essere d'accordo con quello evidenziato. Ci sono due alternative su ciò che è il portatore di informazioni sul passato: o è la particella che ricorda il suo stato passato, o è l'ambiente che ricorda lo stato della particella. Dato che l'ambiente esterno è di solito un oggetto molto più complesso, e la particella può essere un punto materiale del tutto, sarei piuttosto d'accordo con la seconda opzione.
Non posso essere d'accordo con quello evidenziato. Ci sono due alternative su ciò che è il portatore di informazioni sul passato: o è la particella che ricorda il suo stato passato, o è l'ambiente che ricorda lo stato della particella. Dato che l'ambiente esterno è di solito un oggetto molto più complesso, e la particella può essere un punto materiale del tutto, sarei piuttosto d'accordo con la seconda opzione.
Se consideriamo la dispersione dell'elettrone in un reticolo cristallino di silicio, essa sarà espressa dalla legge con H=0,5. Ma se aggiungiamo al cristallo n o p miscele, otteniamo un altro carattere: la cosiddetta diffusione anomala per la quale H sarà essenzialmente diversa da 0,5. Ovviamente, in questo caso H è esattamente una caratteristica del mezzo. A proposito, gli atomi di impurità sono distribuiti attraverso il volume del semiconduttore in modo statisticamente frattale, quindi tale vagabondaggio è anche chiamato vagabondaggio su frattale.
Che effetto avrebbe nel nostro caso? Voglio dire, che differenza fa per noi se la memoria è immagazzinata in un punto materiale o in qualche ambiente esterno?
La differenza è probabilmente nell'approccio alla modellazione: per costruire un modello teorico, è bello avere qualche spiegazione fondamentale di quello che succede, per non puntare il dito al cielo. Se crediamo che alcuni fattori siano il risultato dell'ambiente esterno, li cercheremo lì (sulla base della nostra esperienza di vita), e avendoli trovati, saremo in grado di offrire un modello di influenza più adeguato. Se il fattore è interno, allora useremo alcune considerazioni sulla struttura interna del sistema. In altre parole, le forze interne ed esterne sono descritte da equazioni diverse, e sarebbe bello sapere con quale abbiamo a che fare.
In particolare.
Abbiamo l'autoregressione. Rigorosamente kotir. Niente dall'esterno. Questo è un fattore interno?
Abbiamo una regressione, secondo la quale la nostra quotazione è modellata sulla base di altre quotazioni, ad esempio EURUSD= GBPUSD+...... Ma queste sono per così dire variabili omogenee. È un fattore esterno?
Ora aggiungiamo l'ora del giorno alla regressione e modelliamo l'attività a seconda dell'ora del giorno. Ci possono essere molte di queste variabili "esterne". E questo è completamente esterno?
Non vedo un posto per la teoria delle particelle e l'ambiente esterno.
È lì, ma chi lo farà qui?
No, non esiste una tale teoria.
Bisogna partire da una descrizione verbale del modello.
E questi sono processi economici in un gran numero variabile e con interrelazioni variabili. Cotier è la realizzazione di questo processo. Non è un processo browniano in cui una molecola si muove e si scontra, cioè è un oggetto indipendente con proprietà proprie.
In particolare.
Abbiamo l'autoregressione. Rigorosamente kotir. Niente all'esterno. Questo è un fattore interno?
Abbiamo una regressione, secondo la quale la nostra quotazione è modellata sulla base di altre quotazioni, ad esempio EURUSD= GBPUSD+...... Ma queste sono per così dire variabili omogenee. È un fattore esterno?
Ora aggiungiamo l'ora del giorno alla regressione e modelliamo l'attività a seconda dell'ora del giorno. Ci possono essere molte di queste variabili "esterne". E questo è completamente esterno?
Non vedo un posto per la teoria delle particelle e l'ambiente esterno.
La regressione può essere costruita su qualsiasi cosa, e questo metodo è chiamato la regola del pollice. La questione è se possiamo dire in anticipo che tra molti modelli di regressione possibili, questo descriverà meglio il comportamento del quoziente per alcune ragioni. Descrivi matematicamente queste ragioni. Scrivere un'equazione di differenza, calcolare analiticamente i coefficienti di regressione - in modo che sia chiaro quali rappresentano l'influenza di fattori esterni, quali caratterizzano le proprietà interne del sistema, e quali combinano fattori interni ed esterni.
Provate, per esempio, a costruire un'equazione della differenza di uno dei sistemi più semplici - un circuito oscillante. In termini di regressione questo sarà un modello ARMA e i suoi coefficienti saranno una combinazione di parametri del circuito stesso e del segnale di ingresso:
Y(k) = 2*a*cos(w0)*Y(k+1) - Y(k+2) + X(k) - a*sin(w0)*X(k+1)
Qui X è l'influenza esterna sconosciuta, Y è la risposta osservata, a è il parametro di smorzamento, w0 è la frequenza naturale di oscillazione