Costruire un sistema di trading usando filtri digitali passa-basso - pagina 18
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
La figura mostra la variabilità dei rendimenti (sui cinque minuti) nel corso della giornata. Qui non c'è e non dovrebbe esserci alcuna stazionarietà. È chiaro che se il range H-L cambia, allora i rendimenti dovrebbero cambiare per ragioni statistiche.
Scusate, forse non capiamo qualcosa o confondiamo i termini. Vediamo un esempio. Abbiamo una fila di numeri 1 2 3 4 5 facciamo due procedure. Il primo aggiunge un numero casuale alla riga per ottenere un numero -2 3 1 5 7. L'altro procedimento (da ogni numero successivo si sottrae il numero precedente) si ottiene un numero 1 1 1. Così otteniamo due serie - una non stazionaria, l'altra stazionaria.
Quindi questa frase "È chiaro che se la gamma H-L cambia, il rendimento dovrebbe cambiare per ragioni statistiche" non è corretta. Sì, la seconda serie può non essere stazionaria, ma non per questo. Anche se dubito ancora che sia non stazionario.
Niente si perde da nessuna parte. L'H-L è essenzialmente uno spread dei cambiamenti, una stima approssimativa non male correlata con il bestiame. Sulle repliche, se le prendi come modifiche, ottieni la stessa cosa. È la stessa gamma di variazione, ma solo vicina. Sul grafico possiamo vedere che H-L e i rendimenti differiscono l'uno dall'altro di un fattore 2, - dovrebbe essere così in teoria e così risulta nei dati. Ci sono molti altri piccoli punti che concordano bene con la teoria.
Oltre a questo, non può essere così che se due serie di dati ottenuti da uno, - uno è stazionario e un altro no, perché? Sono state eseguite operazioni primitive, cosa cambiano nei dati? Il fatto che 2 sia diventato 5 non significa nulla, la scala del cambiamento è la stessa.
Inoltre, la figura, i dati reali - cosa può essere incomprensibile, quando si può vedere che i cambiamenti nelle caratteristiche dei dati raggiungono 2-3 volte. Non è il 5% ma il 200-300%.
Ho bisogno di uno che mi permetta, dopo aver testato due sistemi A e B su H4, di dire con fermezza e sicurezza: "Il sistema A con il 73% di probabilità in qualsiasi intervallo di tempo di 1 anno mostrerà un drawdown superiore al 30%", o "Il sistema B con il 61% di probabilità in qualsiasi intervallo di tempo di 1 anno non supererà il 6%, con il 94% di probabilità - non più del 18%, e con il 99,9% - non più del 37%". Io scommetterei sulla seconda...
Che non ci siano sistemi capaci di generare denaro per sempre, probabilmente sono d'accordo con te, bstone. Ma il fatto che i sistemi che garantiscono statisticamente dei drawdown limitati in un certo periodo di tempo siano possibili in un processo non-viner, mi convince in qualche modo. Ma in un processo Wiener non si può nemmeno dare una tale garanzia...
L'unico test di stazionarietà che conosco è il test Dickey-Fuller. Ma presuppone un certo modello del processo (in questo caso, un'autoregressione di 1° ordine). Ma cosa succede se il modello ci è sconosciuto in anticipo?
...
Hmm, ma un modello per fare soldi sarebbe più semplice :). Perché non è destinato a riprodurre tutte le caratteristiche del mercato (come il modello progettato per testare un TS arbitrario), ma solo quelle essenziali per fare soldi.
Sul punto 2: sì, ma questo implica già un qualche tipo di algoritmo progettato per rivelare queste invarianti. Nel caso di due manichini questi sono alcuni invarianti, quando si usano indulatori supplementari sono altri. E se è ZZ+Fibo, allora questi invarianti sono molto complessi e testare con questa idea è molto difficile.
Per ora, è sufficiente che il modello riproduca il processo stazionario in senso lato (MO, RMS, ACF).
Beh, quello che rivendicherà la stazionarietà. Al momento lo è (dubbio, ma ancora speranzoso).
A proposito. Qui mi sono ricordato, ho curiosato in giro... S.V. Bulashev nel suo libro "Statistics for Traders" dà un esempio di prova (usando il criterio di Pearson) che la distribuzione logaritmica dei rapporti di prezzo segue la legge di distribuzione esponenziale.
Tuttavia, la parola "non stazionario" appare una volta nel suo libro - egli ammette che "la dinamica dei prezzi di scambio delle attività può essere rappresentata come un processo stocastico e non stazionario".
Quindi due pensieri freschi:
Bene, ecco la trasformazione lineare più semplice, che trasforma il non stazionario in stazionario: Wiener con incrementi indipendenti è non stazionario, mentre la serie delle sue prime differenze (ritorni) è il vero rumore stazionario, gaussiano.