Teoria del flusso casuale e FOREX - pagina 22
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
Privato
Sì. Scusatemi. Ecco qui:
Qui si corregge tutto. L'ingresso dovrebbe essere lo stesso Y (segnale+rumore).
In termini di min RMS, il Kalman individua meglio il modello originale V(k)+a(k). Credo che lo si possa anche vedere chiaramente.
Se calcoliamo la somma dei quadrati della differenza tra la serie originale e la serie costruita dai filtri Kalman (FC) e Butterworth (FB), allora la massima approssimazione alla BP originale è data da FC, vedi la figura delle differenze:
La linea rossa è FB meno la serie originale, la linea blu è FC. Così, la FC fa un ottimo lavoro usando dati a priori sulle leggi che descrivono il comportamento dell'oggetto in studio.
Purtroppo, non abbiamo una teoria che ci permetta di costruire un modello adeguato del comportamento della BP caratteristica del mercato. La questione rimane aperta.
Neutrone
Sembra esserci una teoria (chiamata flussi casuali). Penso che sia impossibile costruire 1 modello per tutti i casi. Ma è possibile utilizzare diversi modelli che lavorano in parallelo. Cioè in un certo periodo di tempo il flusso delle quotazioni può essere presentato sotto forma di un modello di collegamento oscillatorio (analogo di un piatto), con una tendenza (equazione della linea retta penso che possiamo gestirla :-)) - il secondo modello. A proposito, il file che ho postato ha un modello di link oscillante incorporato. Provate, mettete il cursore su rnorm() e premete F9, verranno generate curve diverse, nemmeno simili tra loro nell'aspetto. Ma Kalman fa un ottimo lavoro con loro. Se (l'algoritmo) supera Butterworth in accuratezza, che a sua volta supera facilmente FATL, SATL e qualsiasi MA, allora l'uso di questo algoritmo dà qualche vantaggio statistico in accuratezza.
L'unica cosa necessaria, e quello che sto facendo ora, è un criterio di divergenza per il filtro, cioè scegliere una regola quando passare a un altro filtro (un altro modello).
Se per calcolare la somma dei quadrati della differenza delle serie iniziali e delle serie costruite dai filtri Kalman (FC) e Butterworth (FB), allora la massima approssimazione alla VR iniziale è data da FC
La somma è il numero, nel nostro esempio ottenuto da 500 conteggi.
cioè quasi di un ordine di grandezza FC è migliore di FB
Modifica.
P/S/ Come può il numero essere riflesso da un grafico così bello? Anche in questo caso non è stato formulato in modo accurato :-)
Non puoi avere un numero, ma puoi avere un grafico! Questo numero è la caratteristica integrale del processo;-)
C'è una manopola in FB chiamata ordine del filtro. Nella subroutine, questo valore è assegnato alla variabile K, gioca con essa. Non solo la scorrevolezza della curva dipende da questo valore, ma anche FZ.
Sì, è così e non "alcuni" ma enormi! Supponendo che tu abbia una teoria, cosa che non hai... Tutta la vostra attività si basa sul postulato di "inerzia" nella dinamica del tasso di cambio. Provalo.
Non posso ancora provarlo, perché ho appena fatto un'ipotesi e la sto testando. Dicevo. Che il flusso di citazioni abbia energia, reso un indicatore di forza (energia), coincide bene con la direzione del flusso. Esiste un concetto di "massa di denaro", hanno anche suggerito una formula per il suo calcolo. Cioè, ci sono tutti gli attributi di un oggetto materiale, possiamo supporre che ci sia anche l'inerzia. Sembra essere visivamente ovvio, e si dice spesso che il prezzo fluttua intorno a un certo stato di equilibrio.
Credo che ci sia solo una prova corretta. Se sottraiamo il modello dal flusso della quotazione e il residuo segue la legge di distribuzione normale. Minerà l'adeguatezza del modello (la sua praticabilità). Ma non ci sono ancora arrivato. Ma sicuramente effettuerò queste ricerche per fidarmi del modello (o dei modelli).
Sergey, perché usi la normalità della distribuzione come criterio? E se la distribuzione dei residui è simmetrico-esponenziale, non è più un sovvertimento dell'adeguatezza del modello?
Sergey, perché usi la normalità della distribuzione come criterio? E se la distribuzione dei residui è simmetrico-esponenziale, non sarebbe un'indicazione dell'adeguatezza del modello?
Non posso dare una risposta esatta ora, perché verificare l'adeguatezza del modello è uno studio serio. L'unica cosa che ricordo è che se usiamo il criterio di Neumann-Pearson nel problema dell'approssimazione di qualche curva tramite formula o polinomio, si controlla la conformità dei residui con la legge di distribuzione normale. Se è simmetrico-esponenziale, potrebbe essere necessario usare qualche altro criterio. Ma può essere più semplice: se la TS basata su questo modello produce profitto, significa che è adeguata).
E per quanto riguarda l'adeguatezza per qualsiasi serie temporale possiamo costruire ACF, di solito è la base per l'analisi, così in precedenza in questo ramo del forum ho dato una foto di ACF ottenuto dal modello e ACF di quotazioni reali, guardare il loro aspetto non può essere distinto.
Ecco una versione modificata di FB - rimosso un ciclo non necessario.