Cosa rende un grafico instabile instabile o perché l'olio è olio? - pagina 33
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
Каждая реализация помноженная на вероятность данной реализации равно мат.ожидание равно сегоднящней цене или нулю, смотря какая точка отсчёта. Для формулы x(t) = x(t-1) + e(t) мат.ожидание будет равно E[x(t)] = E[x(t-1)] + E[e(t)], где E[e(t)] = 0. Соответственно, E[x(t)] = E[x(t-1)]= E[x(t-2)] = E[x(t-3)] для любого t вплоть до того момента когда цена тебе уже известна и равна не мат.ожиданию, а конкретной цифре.
...
Guarda, ho già scritto che non ho intenzione di discuterne. La mia opinione è che la serie di quotazioni x(n)-x(n-1) è stazionaria, nel senso che i principali parametri di distribuzione sono conservati. O altrimenti, le loro fluttuazioni possono essere considerate stazionarie(su scale diverse). L'ACF in un turno non lo è. Ho anche scritto sopra sulla necessità di studiare il comportamento di più segmenti (leggete attentamente):
Questo è il punto che i metodi di verifica chiari (per me) e provati richiedono per qualche motivo un numero maggiore di segmenti, richiede semplicemente una serie. La serie ottenuta di parametri per segmenti viene analizzata per la corrispondenza a una certa (a seconda del metodo o della sua variante) distribuzione e solo dopo si possono applicare i criteri di tendenza. È difficile trarre tali conclusioni per due punti.
Che in realtà è quello che ho fatto qualche anno fa. Questo è stato confermato dai test di stazionarietà - test statistici normali. Se credete che la serie x(n)-x(n-1) non sia stazionaria, allora non c'è neanche niente di sbagliato.
A proposito, perché lo ha citato? In primo luogo, l'ho letto, e in secondo luogo, non contraddice quello che ho detto. A proposito, le costruzioni x(n)-x(n-1), ln(x(n)/ln(x(n-1), ((1/n)SUM(x(n)) sono molto ben descritte da Shiryaev e lui le raccomanda per ridurre la serie a stazionario (non darò screenshot, il libro è in forma cartacea).
....
Я только хотел сказать, что приведенная мной методика проверки ряда на независимость приращений дает практически однозначный и теоретически на 99,99% обоснованный результат - ценовой ряд не является рядом с независимыми приращениями (даже если они мало или вообще не коррелируют). А это, в свою очередь, говорит о том, что все модели работы с ценой, подразумевающие независимость соседних отсчетов - неадекватны.
Более того, по-видимому (хотя это еще и надо доказать - а для этого просто не хватает исторических данных), статистическая зависимость между соседними отсчетами одинакова по форме на графиках ряда, по крайней мере, нескольких младших таймфреймов (вплоть до Н4 я это проверял с достаточной точностью). Т.Е. похоже на то, что указанная зависимость - явление неслучайное, как минимум, отчасти - а значит может быть спрогнозировано.
Еще раз повторюсь - этот вывод теоретический и основан исключительно на математике, никаких домыслов из области "фундаментального анализа":)
Un'affermazione potente, e la cosa principale è che tutti inconsciamente vogliono che sia vera.
La prova indiretta di incrementi "non casuali" delle serie di prezzi è costituita da risultati positivi nel mercato con NN. Una serie casuale (qualsiasi serie casuale) non può essere approssimata, né la serie stessa, né i suoi incrementi, né le regolarità latenti della serie. Se non lo è, allora (la serie) non è casuale e ha regolarità intrinseche.
E probabilmente è ora di smetterla con gli "incidenti" sui mercati e di discutere le caratteristiche di MF. Tutto il forum è già disseminato di questi argomenti poco pratici.
Guarda, ho già scritto che non ho intenzione di discuterne. La mia opinione - una serie di quotazioni x(n)-x(n-1) è stazionaria, nel senso che i principali parametri di distribuzione sono conservati. O altrimenti, le loro fluttuazioni possono essere considerate stazionarie(a scale diverse). L'ACF in un turno non lo è. Ho anche scritto sopra sulla necessità di studiare il comportamento di più segmenti (leggete attentamente):
Cosa che in realtà ho fatto qualche anno fa. È stato confermato dai test di stazionarietà - test statistici normali. Se credi che la serie x(n)-x(n-1) non sia stazionaria, allora non c'è niente di sbagliato neanche in questo.
A proposito, perché l'ha citato? In primo luogo, l'ho letto, e in secondo luogo, non contraddice quello che ho detto. A proposito, le costruzioni x(n)-x(n-1), ln(x(n)/ln(x(n-1), ((1/n)SUM(x(n)) sono molto ben descritte da Shiryaev e lui le raccomanda per ridurre le serie a stazionarie (non darò screenshot, i libri sono su carta).
Bene, se leggete, è stato menzionato molte volte che la volatilità ha una memoria - una dipendenza dai valori precedenti. La stazionarietà implica che la varianza è indipendente dai valori precedenti ed è una costante. Il logaritmo risolve un altro problema - la proporzionalità della volatilità al valore assoluto, ma non l'effetto clustering e altri effetti di memoria. Quando un'azione valeva 1 rub e la volatilità giornaliera era del 5%, cioè 5 copechi. Quando è cresciuto a 10 rubli, lo stesso 5% vol era di 50 copechi in incrementi assoluti.
Che è esattamente quello che ho fatto diversi anni fa. È stato confermato dai test di stazionarietà - test statistici normali. Se credete che la serie x(n)-x(n-1) sia non stazionaria, allora non c'è niente di sbagliato neanche in questo.
ok :)
И пора, наверное, уже завязывать со "случайностями" на рынках и обсасыванием характеристик СЧ. Весь форум уже захламлен подобными непрактичными рассуждениями.
Per sapere come fare soldi, devi prima capire esattamente come non puoi fare soldi, in modo da non perderci tempo dopo. E non saltate alle conclusioni sull'impraticabilità di questo o quell'approccio; se voi non sapete come fare, non significa che nessun altro lo sappia.
1) Чтобы знать как можно заработать, необходимо сперва точно уяснить как заработать нельзя, чтобы потом не терять на это время.
2) Ну и не стоит делать скорополительных выводов о непрактичности того или иного подхода, если ты не знаешь как, это не значит что никто не знает.
1) Ce l'hai? Questo è buono!
2) Non sto saltando a conclusioni affrettate. Guadagna più che puoi e meglio che puoi, non ho nulla in contrario.
ну если читали, то многократно упоминалось, что волатильность имеет память - зависимость от предыдущих значений. Стационарность же подразумевает, что дисперсия не зависит от предыдущих значений и является константой
Il logaritmo risolve un altro problema - la proporzionalità della volatilità al valore assoluto, ma non l'effetto clustering e altri effetti di memoria. Quando un'azione valeva 1 rublo e la volatilità giornaliera era del 5%, era di 5 copechi. Quando la quota è cresciuta a 10 rubli, lo stesso 5% vol era di 50 copechi.
Non fraintendetemi, non esiste una definizione chiara e precisa di "memoria delle serie temporali". Nessuno l'ha fatto, e fare scoperte così fondamentali dovrebbe essere fatto con estrema cautela. Soprattutto tu scrivi di azioni, mentre io scrivo del processo x(n)-x(n-1). Questo processo non ha niente a che vedere con le azioni. È una procedura standard per ridurre le serie a uno stazionario ed è praticamente ferrea; uccide tutti o quasi tutti. Ma la serie x(n)=x(n-1)+(caso) è ovviamente non stazionaria, e tutto quello che hai scritto si applica direttamente ad essa.
Non esiste una definizione chiara e precisa di "memoria delle serie temporali". Nessuno l'ha fatto, e tali scoperte fondamentali dovrebbero essere fatte con estrema cautela.
È stato scritto prima, c'è un modello in cui si tiene conto della memoria della volatilità.
Engle, Robert (nato nel 1942), economista americano, specialista in metodi di analisi delle statistiche economiche. Ha ricevuto il premio Nobel per l'economia nel 2003 per il suo sforzo congiunto con Clive Grainger nell'analisi di serie temporali con volatilità variabile nel tempo.
....
Anche se la volatilità reale è variabile, gli economisti hanno avuto a disposizione per molto tempo solo questi metodi statistici che si basano sul presupposto della sua costanza. Nel 1982 Engle ha sviluppato il modello di Eteroskedasticità Condizionata Autoregressiva (ARCH), in base al quale si possono prevedere i cambiamenti nella volatilità. La sua scoperta del metodo dell'analisi economica delle serie temporali permette di prevedere le tendenze del PIL, dei prezzi al consumo, dei tassi d'interesse, dei tassi di cambio e di altri indicatori economici non solo per il giorno o la settimana successiva, ma anche per un anno a venire con una precisione maggiore di prima. L'alta precisione delle previsioni fatte con l'uso di questo modello è stata dimostrata, in particolare, analizzando le statistiche economiche storiche degli Stati Uniti e della Gran Bretagna quando le previsioni basate sui dati degli anni precedenti sono state confrontate con gli indicatori reali degli anni successivi.
https://www.mql5.com/go?link=http://slovari.yandex.ru/dict/krugosvet/article/c/ca/1011225.htm
Писали же уже, есть модель где учитывается память по волатильности.
...Nessuna "memoria delle serie temporali" è mai stata presa in considerazione da questo modello. Non c'è bisogno di essere vagamente velleitari.
molto più affidabile di prima, per prevedere le tendenze del PIL, dei prezzi al consumo, dei tassi di interesse, dei tassi di cambio e di altri indicatori economici non solo per il giorno o la settimana successiva, ma anche per un anno a venire.
Avete mai provato a fare previsioni con questo metodo?
Nessuna "memoria delle serie temporali" è mai stata presa in considerazione in questo modello. Non essere vagamente velleitario.
Avete mai provato a fare previsioni con questo metodo?
Non ti piace la parola memoria, falla come "aftermath" di Shiryaev. Il modello utilizza la dipendenza della volatilità dai valori precedenti durante la previsione. Il fatto che la volatilità e la dispersione non sono una costante ma cambiano nel tempo e dipendono dai valori precedenti è semplice e ovvio. Questo è ciò che viene usato in modelli come ARCH/GARCH. Ma voi sostenete che la varianza è costante. Anche se si può pensare così se si può trovare qualcosa di utile da esso :) Il valore principale dei modelli è quello di essere praticamente utili.