Ottenere una BP stazionaria da una BP di prezzo - pagina 2
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
Mi chiedo se qualcuno ha mai avuto a che fare con il rumore bianco nelle conversioni dei prezzi?
Sul doji.Spacconeria da nerd. Non ti basta il tuo cervello per capire che tutto quello che c'è nel link che hai citato è una sciocchezza?
Continua a leggere, e cito: "Limitazioni. Ricorda che il modello ARPSS è adatto solo per serie che sono stazionarie (media, varianza e autocorrelazione sono approssimativamente costanti nel tempo); per serie non stazionarie, prendi le differenze. Si raccomanda di avere almeno 50 osservazioni nel file di dati sorgente. Si assume anche che i parametri del modello siano costanti, cioè non cambino nel tempo. "(non voglio discutere la cifra di 50 osservazioni, perché è chiaro anche a uno stupido di questo forum che 50 operazioni non sono un risultato)
Supponiamo di avere una serie non stazionaria, abbiamo preso i residui - delta(x). I residui stessi, come suggerito in questo "lavoro" nerd, dovrebbero soddisfare i requisiti, e cito: "contenente solo rumore senza componenti sistematiche".
Fanculo. Che ci sia rumore. Il rumore in sé non è prevedibile in alcun modo. Pertanto, è inutile approssimare. Ma ha la proprietà, e cito: "I residui devono essere distribuiti normalmente e avere MO=0."
Quindi, al posto del rumore prendiamo il suo MO=0.
Sostituirlo nella previsione: forecast(time + i + j) = price_appr(time + i + j) + delta_appr(time + i + j) = price_appr(time + i + j) + 0 = price_appr(time + i + j)
Quindi, la previsione sul rumore è la prima approssimazione: price_appr(x). E la prima approssimazione, come ho detto nel terzo post di questo thread, è una misura nuda. Il risultato è:
Previsione botanica = adattamento
Cos'è tutto questo trambusto? Prendi ZigZaz e basta, quella coda che si contorce - aspetta che smetta di contorcersi. E seriamente: questo nuovo modello di serie stazionaria può rappresentare quello originale non stazionario. Dove discutono ARPSS, discutono anche gli intervalli di confidenza tra il BP originale e il suo modello. Non riesco a capire dove sono i botanici e gli zoologi.
Mi chiedo se qualcuno ha mai avuto a che fare con il rumore bianco nelle conversioni dei prezzi?
Nella sua forma pura, nessuno. Il rumore bianco ha ampiezze uguali in tutte le armoniche da 0 a infinito. Non si trova in natura nella sua forma pura, perché non ci sono condizioni acustiche ideali in cui qualsiasi armonica non sia suscettibile.
Per verificare la presenza di rumore bianco, si possono prendere le prime N armoniche e confrontare le loro ampiezze. Se sono approssimativamente uguali, allora il BP è rumoroso.
Ограничения. Следует напомнить, что модель АРПСС является подходящей только для рядов, которые являются стационарными (среднее, дисперсия и автокорреляция примерно постоянны во времени); для нестационарных рядов следует брать разности. Рекомендуется иметь, как минимум, 50 наблюдений в файле исходных данных. Также предполагается, что параметры модели постоянны, т.е. не меняются во времени.
L'autore dell'articolo ha scritto delle sciocchezze, perché il modello menzionato, e i modelli progenitori, possono essere perfettamente utilizzati per serie non stazionarie (i coefficienti saranno semplicemente non stazionari). Errori di previsione significativi si trovano altrove - in una discrepanza significativa tra la distribuzione della fonte e il modello utilizzato. In altre parole, la condizione necessaria è che le distribuzioni dell'ARPSS e della serie dei prezzi coincidano, cosa che ovviamente non avviene in natura.
PS: a proposito, qualche inconveniente, la selezione delle citazioni non funziona Hmmm, la selezione delle citazioni funziona, ma separata dalla selezione del testo (IE7),
Spacconeria da nerd. Non ti basta il tuo cervello per capire che tutto quello che c'è nel link che hai citato è una sciocchezza?
Continua a leggere, e cito: "Limitazioni. Ricorda che il modello ARPSS è adatto solo per serie che sono stazionarie (media, varianza e autocorrelazione sono approssimativamente costanti nel tempo); per serie non stazionarie, prendi le differenze. Si raccomanda di avere almeno 50 osservazioni nel file di dati sorgente. Si assume anche che i parametri del modello siano costanti, cioè non cambino nel tempo. "(non voglio discutere la cifra di 50 osservazioni, perché è chiaro anche a uno stupido di questo forum che 50 operazioni non sono un risultato)
Supponiamo di avere una serie non stazionaria, abbiamo preso i residui - delta(x). I residui stessi, come suggerito in questo "lavoro" nerd, dovrebbero soddisfare i requisiti, e cito: "contenente solo rumore senza componenti sistematiche".
Fanculo. Che ci sia rumore. Il rumore stesso non può essere previsto in alcun modo. Pertanto, è inutile approssimare. Ma ha la proprietà, e cito: "I residui devono essere distribuiti normalmente e avere MO=0."
Quindi, al posto del rumore prendiamo il suo MO=0.
Sostituirlo nella previsione: forecast(time + i + j) = price_appr(time + i + j) + delta_appr(time + i + j) = price_appr(time + i + j) + 0 = price_appr(time + i + j)
Quindi, la previsione sul rumore è la prima approssimazione: price_appr(x). E la prima approssimazione, come ho detto nel terzo post di questo thread, è una misura nuda. Il risultato è:
Previsione botanica = adattamento.
Questo è un test dell'adeguatezza del modello di previsione. I residui possono essere presi non solo del primo ordine. Cioè delta2(tempo + i) = Open[tempo + i] - forecast(tempo + i). Il metodo dice solo che il modello di previsione è adeguato. Nel vostro caso, il modello di previsione è la previsione. Cioè
"4. Controllo di delta(x) per il rumore bianco. Se è rumorosa, nonnina rompiscatole. Se non fa rumore, continua".
non è un barbone, è il contrario - il modello di previsione è buono. I residui non hanno componenti sistematiche, sono indipendenti. Finché questo non è il caso, si possono costruire modelli che estrapolano i residui all'infinito. È un criterio di arresto che siamo arrivati a ciò che cerchiamo.
È difficile capirlo da soli? ;)
E per verificare la presenza di rumore bianco si possono prendere le prime N armoniche e confrontare le loro ampiezze. Se sono all'incirca gli stessi, allora il BP è rumoroso.
Non preferite calcolare l'ACF?
Questo è un test dell'adeguatezza del modello di previsione. I residui possono essere presi non solo del primo ordine. Cioè delta2(tempo + i) = Open[tempo + i] - forecast(tempo + i).
Ancora una volta è una sciocchezza.
Come risultato otteniamo: delta2(x) = delta(x), perché, forecast(x) = price_appr(x).
Quanto può essere difficile per te capirlo?
Non sarebbe meglio calcolare l'ACF?
Perché non prestiamo attenzione alla coda in ZZ? È una previsione di sicuro. E devi ancora dimostrare che ce l'hai.
Di nuovo, questa è una sciocchezza.
Il risultato è: delta2(x) = delta(x), perché, forecast(x) = price_appr(x).
Quanto può essere difficile capirlo da soli?
Pensate ancora un po' :) Solo perché il MO di una variabile casuale = 0 non significa che la CB stessa possa essere sostituita da zero, come tu abilmente fai :) :)