Teoria del flusso casuale e FOREX - pagina 50
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
Non volevo entrare in una discussione, ma la definizione di wikipedia di rumore stazionario è questa:
Il rumore bianco è un rumore stazionario le cui componenti spettrali sono distribuite uniformemente su tutta la gamma di frequenze coinvolte.
Penso che la prevedibilità del segnale non sia ancora venuta fuori. O cosa voleva prevedere? Beh, sul primo punto (che abbiamo a che fare con il rumore bianco), non sono così sicuro che lo sia....
(Questo non è rivolto a "chumazik", ma in generale).
Che cazzo di "frequenze"?! Quali "frequenze" ci sono? Chi ha stabilito che ci sono "frequenze"? Chi può affermare che esiste una "onda sinusoidale" o un "gruppo di onde sinusoidali"? Ci sono CICLI, ma i cicli non sono necessariamente un SINUSOIDE, in relazione al quale si usa nella scienza moderna parlare di "frequenza".
Vedi? Analizzando parola per parola potete vedere voi stessi che termini e metodi completamente inapplicabili sono applicati al trading NAOBUM.
Ma non è meraviglioso?! Così si può creare un nuovo e affidabile sistema di previsione.
(Questo non è per "l'uomo puzzolente", ma in generale)
Quali cazzo di "frequenze"?! Quali "frequenze" ci sono? Chi ha stabilito che ci sono "frequenze"? Chi può affermare che esiste una "onda sinusoidale" o un "gruppo di onde sinusoidali"? Ci sono CICLI, ma i cicli non sono necessariamente un SINUSOIDE, in relazione al quale si usa nella scienza moderna parlare di "frequenza".
Vedi? Analizzando parola per parola, potete vedere voi stessi che termini e metodi completamente inapplicabili sono applicati al trading NAOBUM.
Ma non è fantastico! Quindi è possibile creare un sistema di previsione nuovo e affidabile.
Frequenza, per favore :) Prendete un pezzo di serie temporale, fate una DFT e vedete le sinosoidi. Solo qui, per esempio, scrivono che non funziona così:
http://iticsoftware.com/articles/digital-filters-fatl-satl-stlm-ftlm-2.html
e la ragione è la non stazionarietà del flusso di deviazioni delle quotazioni dalla media mobile - wow! Non sono entrato nei dettagli...
Frequenza - per favore :) Prendete un pezzo di serie temporale, fate una DFT e vedete le sinosoidi. Solo qui, per esempio, scrivono che non funziona così:
http://iticsoftware.com/articles/digital-filters-fatl-satl-stlm-ftlm-2.html
e la ragione è la non stazionarietà del flusso di deviazioni delle quotazioni dalla media mobile - wah! Non sono entrato nei dettagli...
Non scherzare, Chumazik. Posso "vedere sinusoidi" con un filtro di photoshop o altro, anche in una foto di un negro sul tuo avatar. Ma questo non significa che l'immagine di un negro sia COMPLETAMENTE composta da una specie di sinusoidi. Tu (e altri) avete un nesso causale rotto tra i fenomeni: Voi pensate che se qualche filtro (come il filtro di Fourier) può interpolare un gruppo di campioni usando le sinusoidi, allora pensate che questo significa che il processo in questione è in effetti generato da un gruppo di oscillazioni sinusoidali e "consiste" di sinusoidi "e qualche aggiunta di rumore". Vede dove c'è un errore o devo spiegarle più dettagliatamente? C'era un thread qui sul forum che parlava della fallacia di applicare "Fourier" a qualsiasi cosa:
https://forum.mql4.com/ru/19762/page29#174504
Non fare il finto tonto con me, Chumazik. Posso "vedere le onde sinusoidali" anche nella foto di un negro sul tuo avatar se voglio, usando un filtro di Photoshop o qualcos'altro. Ma questo non significa che l'immagine di un negro sia COMPLETAMENTE composta da una specie di sinusoidi. Tu (e altri) avete un nesso causale rotto tra i fenomeni: Tu pensi che se qualche filtro (come il filtro di Fourier) può interpolare un pezzo di campioni usando le sinusoidi, allora pensi che questo significa che il processo in questione è in effetti generato da un gruppo di oscillazioni sinusoidali e "consiste" di sinusoidi "e qualche aggiunta di rumore". Puoi vedere dove hai un errore o spiegare più dettagliatamente. C'era un thread qui sul forum che parlava della fallacia di applicare Fourier a qualsiasi cosa.
Da nerd a studente della PTU: non credo nell'analisi di Fourier per i flussi di quote per certe ragioni. Non credo che le citazioni siano rumore bianco. Se non sono stato chiaro, vi prego di accettare mille scuse.
P.S.
Se fai un negro con delle sinusoidi, allora è sciocco sostenere che non è composto da esse :) Ma in realtà qui non stiamo interpolando, stiamo estrapolando.
Non volevo entrare in una discussione, ma la definizione di wikipedia di rumore stazionario è questa:
Il rumorestazionario è un rumore caratterizzato da costanza nei parametri medi: intensità(potenza), distribuzione dell'intensità sullo spettro(densità spettrale) e funzione di autocorrelazione.
Il rumore stazionario è un rumore che ha componenti spettrali uniformemente distanziate su tutta la gamma di frequenze coinvolte.
Non credo che la prevedibilità del segnale ne sia ancora il risultato. O cosa voleva prevedere? E sulla prima tesi (che si tratta di rumore bianco), non sono sicuro che sia così .....
In matematica, un processo stazionario è un processo con media e covarianza indipendenti dal tempo. Cioè, i due parametri di base sono costanti.
L'esempio più semplice: un processo con distribuzione normale N(0,1). Per un tale processo, se x(t)=2, allora con una probabilità del 97,5% x(t+1) sarà inferiore a 2. Cioè, il processo andrà a fondo. Non è garantito, allora in 97 casi su 100 lo sarà.
Un esempio più complesso: il processo AR(1) x(t)=x(t-1)*a + s(t), dove a<1 e s(t) è un processo stazionario, rumore con alcuni parametri finiti. Anche questo processo sarà stazionario e i suoi parametri possono essere calcolati dai parametri s(t) e a. Di conseguenza, se questo processo ha deviato dalla media, si può sempre calcolare quando vi ritornerà con una data probabilità.
Ma se il parametro a=1, allora otteniamo una passeggiata casuale, cioè un processo non stazionario, e non si può prevedere dove andrà a finire.
Naturalmente, non vedremo mai il rumore bianco nella data reale, così come non vedremo mai un vero processo stazionario, ma con un certo grado di supposizione possiamo assumere che il rumore sia ancora bianco e che il processo sia stazionario.
Prima di tutto, tu non sai cos'è "stazionario", perché è un concetto introdotto nella scienza moderna per fenomeni naturali completamente diversi, e se cominci a scendere nei dettagli della sua definizione ti imbatterai in ogni, ripeto in ogni parola, discrepanza CARDINALE nella definizione di "stazionario (rumore, processo)" a un fenomeno UMANO come il flusso dei prezzi della valuta.
Questa è la notizia. "E gli uomini non lo sanno! Si danno i premi Nobel a vicenda, hanno inventato un'intera scienza: l'econometria. Se vedo qualcuno, mi assicurerò di dirglielo.
Hai mangiato un sacco di alcol francese o qualcosa del genere, sei troppo allegro.
che si collega in un luogo dove si mostra la propria ignoranza...
Stai facendo storie per i multipli. Sono tutti multipli in una serie discreta, e chi ha bisogno di più multipli, va più in profondità nel grafico a tick.
In matematica, un processo stazionario è un processo in cui media e covarianza sono indipendenti dal tempo. Cioè i due parametri principali sono costanti.
L'esempio più semplice: un processo con distribuzione normale N(0,1). Per un tale processo, se x(t)=2, allora con una probabilità del 97,5% x(t+1) sarà inferiore a 2. Cioè, il processo andrà a fondo. Non è garantito, allora in 97 casi su 100 lo sarà.
Un esempio più complesso: il processo AR(1) x(t)=x(t-1)*a + s(t), dove a<1 e s(t) è un processo stazionario, rumore con alcuni parametri finiti. Anche questo processo sarà stazionario e i suoi parametri possono essere calcolati dai parametri s(t) e a. Di conseguenza, se questo processo ha deviato dalla media, si può sempre calcolare quando vi ritornerà con una data probabilità.
Ma se il parametro a=1, allora otteniamo una passeggiata casuale, cioè un processo non stazionario, e non si può prevedere dove andrà a finire.
Naturalmente, non vedremo mai il rumore bianco nella data reale, così come non vedremo mai un vero processo stazionario, ma con un certo grado di supposizione possiamo assumere che il rumore sia ancora bianco e che il processo sia stazionario.
Non esattamente, non tutti i processi sono caratterizzati da media e covarianza. La tua prima frase descrive... processo stazionario di covarianza, che è anche stazionario :)
http://books.google.de/books?id=B8_1UBmqVUoC&pg=PA46&lpg=PA46&dq=process+mean+covariance&source=bl&ots=2nJH-s67AR&sig=J_QcD2llCaELbBgPt_THGGi8ZXM&hl=de&ei=ozNoSoaCOsOg_Aa__5yeCw&sa=X&oi=book_result&ct=result&resnum=6
Non esattamente, non tutti i processi sono caratterizzati da media e covarianza. La tua prima frase descrive... Un processo stazionario di covarianza, che è anche stazionario :)
È debolmente stazionario, è largamente stazionario, è semplicemente stazionario. >> quindi?
In matematica, un processo stazionario è un processo in cui media e covarianza sono indipendenti dal tempo. Cioè i due parametri principali sono costanti.
L'esempio più semplice: un processo con distribuzione normale N(0,1). Per un tale processo, se x(t)=2, allora con una probabilità del 97,5% x(t+1) sarà inferiore a 2. Cioè, il processo andrà a fondo. Non è garantito, allora in 97 casi su 100 lo sarà.
Un esempio più complesso: il processo AR(1) x(t)=x(t-1)*a + s(t), dove a<1 e s(t) è un processo stazionario, rumore con alcuni parametri finiti. Anche questo processo sarà stazionario e i suoi parametri possono essere calcolati dai parametri s(t) e a. Di conseguenza, se questo processo ha deviato dalla media, si può sempre calcolare quando vi ritornerà con una data probabilità.
Ma se il parametro a=1, allora otteniamo una passeggiata casuale, cioè un processo non stazionario, e non si può prevedere dove andrà a finire.
Naturalmente, non vedremo mai rumore bianco nella data reale e non vedremo mai un vero processo stazionario, ma con alcune ipotesi possiamo assumere che il rumore sia ancora bianco e che il processo sia stazionario.
Non conosco nessun processo "stazionario" in matematica. Ci sono processi stazionari in esecuzione. Cosa ha a che fare questo con una serie di prezzi in tick che è generata dall'attività deliberata di un gruppo di persone disparate che guardano un grafico e prendono decisioni basate su una funzione obiettivo comunicata loro dai loro superiori? Cosa ha a che fare questo con la casualità o la casualità stazionaria? Cosa ha a che fare questa stazionarietà casuale con i nostri ben noti cicli, in cui la ciclicità non esiste e non può esistere, perché non sarà più un processo casuale? Cosa c'entra l'uno con l'altro?