Teoria del flusso casuale e FOREX - pagina 13
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
Dubito che si possa parlare di velocità, figuriamoci di accelerazione... almeno nella stessa ottica della velocità e dell'accelerazione degli aerei.
Sono d'accordo che la velocità e l'accelerazione sono diverse. Ma sono entrambi lì e lì. Questo approccio permette di prevedere
Ma allora la questione dei test di portafoglio verrebbe fuori in piena forza - ancora una volta il problema diventa immenso :-(.
Dal vostro articolo "Stima della velocità sotto scorcio":
Д(t),V(t),a(t) – детерминированные составляющие соответственно дальности, скорости и ускорения;
DV(t), Da(t) sono componenti di fluttuazione di velocità e accelerazione;
Ecco un articolo di stampa aperta (allegato), dice della nostra ricerca alla fine dell'articolo. E l'ACF dei TDS reali in aria (traiettorie a frequenza Doppler) è data (la frequenza Doppler è direttamente proporzionale alla velocità), vedi Fig. 9. Confrontateli visivamente con l'ACF che ho postato ('Random Flow Theory and FOREX' o qui 'Random Flow Theory and FOREX' ). Quando ho visto questa curva, non potevo credere ai miei occhi, l'ho controllata 20 volte (l'ho costruita con diversi metodi, ora l'ho controllata con il 3° metodo, non c'è nessun errore).
Alpha, beta e sigma, appena stabiliti sotto forma di ACF (che sono inseriti in queste equazioni), è un legame inerziale del 2° ordine. Fisicamente compie le sue oscillazioni, intorno ad un certo livello, se non arriva energia esterna, le oscillazioni sono smorzate. Se arriva un impulso (l'oscillazione) può spostarsi ad un nuovo livello, e oscillerà di nuovo.
Se si varia la profondità di campionamento, si ottengono oscillazioni diverse (veloci, lente, circa quello che dice l'articolo), cioè il movimento totale è come se fosse composto da tutte queste oscillazioni con diverse (alfa, beta, sigma). Multidimensionalità e multidimensionalità del movimento.
In un'elaborazione ottimale, per ogni oscillazione bisogna avere un filtro diverso. Ma questo è un numero infinito di filtri Kalman ;-(. Ho scritto prima che ulteriore arte (calcoli di rifilatura) ognuno di noi può avere bisogno di dettagli diversi di questo processo per costruire un TS. E qualcuno, diciamo, vuole considerare il rapporto di diverse valute (analogo al Master-Slave in questo articolo), c'è una correlazione tra di loro e anche questo può essere messo nel modello, stimare questo movimento e dirigere l'energia forex alla vostra tasca, non tutto, un piccolo pizzico e abbastanza :-).
P.S. Ho dei dubbi sulla formula (10), qualcosa non ci sta. E anche nel libro sembra essere un errore di stampa. Sono andato da Tikhonov per questo, ma le sue idee sono vive e ci sono i suoi allievi, Kharisov e Yarlykov, è difficile solo trovarli in Accademia, come ultima risorsa andrò da Bogdanov a Tver (autore di questo articolo e supervisore di questo lavoro e della mia tesi allo stesso tempo).
Per un processo citazionale (e anche per la sua prima differenza) è molto discutibile, poiché il processo stesso non è come uno stazionario, tanto meno ergodico. Secondo:
Dove abbiamo la normalità, Prival?
1. Per un processo quoziente (e anche per la sua prima differenza) è molto dubbio, poiché il processo stesso non assomiglia a un processo stazionario, tanto meno ergodico.
2. A che punto siamo con la normalità, Prival?
1. ACF è stato costruito per Y-mu, cioè il "trend" mu=y(x)=a+b*x è stato precedentemente rimosso dal processo di quotazione, quindi il MOG del processo = const (una delle condizioni di stazionarietà 0 nel nostro caso). Non c'è nessun problema per Kalman a determinare la "tendenza" - questa è la componente di velocità detrended. Il resto dopo aver rimosso la "tendenza" è la componente di flusso della velocità. Sono d'accordo che la componente fluttuante non è un processo ergodico, ma ci sono aree in cui corrisponde al legame oscillatorio e penso che ce ne saranno molte sulla storia (chiamata piatta). Ci sono alcune sezioni che non corrispondono, significa che un altro modello dovrebbe essere usato nel filtro. Ci dovrebbero essere molti filtri di questo tipo, idealmente all'infinito. Quando cercavo di spiegare la fisica, "come nel ricevitore, si gira la manopola per ottenere una stazione (tendenza) e la si tiene lì. Perso una stazione, girare la manopola fino a quando suona aha news, lavorato fuori le notizie, andato di nuovo è andato a girare ulteriormente. Quindi ci siamo. Ma è più complicato e in formule".
Se un flusso di quotazioni corrisponde al modello allegato, allora tutto va bene, ascoltiamo la notizia, la tendenza, il piatto, ecc. Quando il segnale scompare (la discrepanza all'uscita del filtro supera una soglia) basta girare una manopola e cercare un filtro tra i 99 (miliardi-1) rimanenti che sia più adeguato al processo in corso (il modello incorporato).
L'unica cosa a cui voglio prestare attenzione, che nessuno ha cancellato il teorema di Kotelnikov, se le citazioni arrivano 1 volta in un minuto (lavoriamo per minuti) che i processi accessibili a noi per la ricerca hanno un periodo di almeno 2 min, in pratica è meglio che la frequenza di campionamento in 5-8 volte sopra la frequenza massima. Se proiettate (concentrate) il lavoro di TS sulle notizie, allora dovremmo passare ai tick.
2. Probabilmente c'è normalità, leggete attentamente la condizione che dice "un volo orizzontale rettilineo", significa MOJ=const e non cambia, non importa quale sezione di questo intervallo di tempo prendiamo. Trova una tale area sulle quotazioni e vedi (+-1 pips entro un'ora a MOJ=const). Non importa l'intervallo :-) Frase superflua nell'articolo non collegata all'essenza della ricerca.
E in generale mi fanno male le dita :-) mettere le cuffie.
È necessario fare un filtro Kolman in MQL, ecco come appare in MathCad
indici "T", "-1" - operazioni di trasposizione, calcolo della matrice inversa. Tutti questi sono matrici (array) e devono essere programmati secondo l'algebra matriciale http://alglib.sources.ru/matrixops/
Ci sono frammenti di codici C ma devono essere controllati. Tutto funziona in matkadel.
Non so se posso farlo al lavoro, ma è un compito degno di un maestro, forse nel mio tempo libero. L'obiettivo è la massima velocità e precisione del calcolo. Matrice H di tipo intero (composto da 0 o 1). Il resto è doppio.
O chiunque possa gestirlo, basta un cenno. Cercherò di scrivere istruzioni dettagliate passo dopo passo (ho esperienza nella programmazione MQL).
Questo significa che 10-100 miliardi di filtri Kalman lavorano in parallelo e ognuno di loro riceve le quotazioni. Se il flusso delle quotazioni corrisponde al modello annidato, allora tutto è ok, ascoltiamo le notizie, il trend, il flat, ecc. Se non c'è segnale (la discrepanza all'uscita del filtro supera la soglia) tutto quello che dobbiamo fare è scegliere un filtro tra i restanti 99 (miliardi-1) che meglio corrisponde al processo in corso (il modello racchiuso in esso).
Il problema principale nel trading - nel momento in cui il modello viene riconosciuto in modo più o meno affidabile, le probabilità della sua continuazione e del suo crollo sono circa le stesse. Temo che questa regola si applichi a tutti i filtri Kalman da 10 a 100 millesimi.
Questo significa che 10-100 miliardi di filtri Kalman lavorano in parallelo e ognuno di loro riceve le quotazioni. Se il flusso delle quotazioni corrisponde al modello annidato, allora tutto è ok, ascoltiamo le notizie, il trend, il flat, ecc. Quando il segnale scompare (la discrepanza all'uscita del filtro supera la soglia) tutto quello che dobbiamo fare è cercare un filtro tra i 99 (miliardi-1) rimanenti che corrisponde meglio al processo attuale (il modello incorporato in esso).
Il problema principale nel trading è che nel momento in cui un modello viene riconosciuto in modo più o meno affidabile, le probabilità della sua continuazione e del suo crollo sono circa le stesse. Temo che questa regola si applichi anche a tutti i filtri Kalman 10-100m.
Beh, penso che sia un'affermazione troppo dura. In effetti, non ci sono studi che danno statistiche sulla durata di vita dei modelli. Inoltre, non ci sono dati sulla quantità di informazioni (=tempo dilag) necessarie per riconoscere un modello. Anche coloro che introducono e utilizzano questi modelli preferiscono non condurre o pubblicare tali studi. Ovviamente, si ritiene che se la strategia ha un mo positivo, allora il modello viene riconosciuto prima che le probabilità siano equiparate.
E ci sono queste strategie, dal vivo. Guarda meglio. Il suo Expert Advisor fa effettivamente quello che volevo implementare nel mio - riconosce i punti di svolta ed entra all'inizio dell'onda. E si muove sia verso l'alto che verso il basso. Qui avete una previsione e il riconoscimento prima.
Per quanto riguarda il programma di Prival direi quanto segue: è interessante, c'è un'idea, il parallelo non è così lontano. Purtroppo non ho capito la matematica, ho molto da fare, ma se la matrice di transizione non è qualcosa di fisso, ci può essere una soluzione in questo modo. Ma la parte computazionale deve essere meno tentacolare. Se solo il processo di calcolo diretto richiede il calcolo su 10-100 miliardi di filtri, possiamo dimenticare i tick. E c'è anche il problema inverso, dobbiamo in qualche modo adattare i parametri alle mutevoli condizioni del mercato.
Quindi, è necessario stimare chiaramente le risorse sia in termini di memoria che di tempo di ciclo di calcolo. Altrimenti potremmo avere un ciclo di calcolo di 5-10 ore. Quale sarà allora la notizia? Tutto quello che dovremo fare è giocare per giorni o settimane. :-)
Ci sono varianti di costruzione di F adattivo, a loro procedere se il calcolo parallelo di diversi filtri supera in costo computazionale l'adattamento. cioè matrice F(t,ACF,L) dipende dal tempo, parametri ACF e L - alcune proprietà di flusso. Ma questo è già il dominio del filtraggio non lineare. Vorrei rimanere nei limiti della filtrazione lineare per ora. Comporre le statistiche per l'ACF in aree tipiche (mercato tranquillo, apertura di sessione, comunicato stampa, diverse tendenze con diversi parametri, diversi flauti con diversi parametri). Come si dice tirare le corde per vedere. Penso che circa 10-16 filtri saranno sufficienti, quando appare una discrepanza, divergenza dal modello, una decisione dovrebbe essere presa (punto critico del mercato - punto di decisione). A questo punto passate alle funzioni decisionali statistiche Wald. In qualche modo, finora non ho risposte a tutte le domande, solo un percorso chiaro e un obiettivo.
Sì, per quanto riguarda il tempo di rilevamento, dipende dalla qualità delle caratteristiche e dall'insieme dei modelli. Può essere istantaneo. Esempio (diciamo che nel set) ci saranno 2 filtri responsabili di lavorare con i gap (1 su 1 giù). La selezione dall'insieme dei modelli non è ambigua + il tratto è abbastanza potente :-).