Distribuzione degli incrementi di prezzo

 

Cari commercianti!

A mio piacimento ho letto molti thread in questo forum - molti di loro discutono il problema di determinare il tipo di distribuzione di una variabile casuale ritorna (i cosiddetti incrementi di prezzo). Mi sono reso conto da solo che questo problema non è stato risolto e averne un po' :) :) :), l'istruzione e le competenze adeguate, ho deciso di partecipare alla soluzione di questo problema.

Quindi, la definizione del compito:

Per determinare dai dati tick di una certa coppia di valute una distribuzione di probabilità dei successivi incrementi di prezzo Bid e Ask (cioè analizzato un set di dati che consiste nella differenza tra il prezzo Ask attuale e quello precedente e lo stesso set per il prezzo Bid). Le formule per la funzione di densità di probabilità, la funzione di distribuzione e la funzione quantile di una data distribuzione devono essere presentate in forma analitica.

Il compito si è certamente rivelato difficile. Lasciatemi dire che questa distribuzione non è una di quelle ampiamente discusse - né normale, né logistica, né Laplace, né Cauchy, ecc.

Prima di raccontarvi questa distribuzione (più precisamente, si tratta di una famiglia di distribuzioni, dato che diverse coppie di valute hanno diversi valori del coefficiente di scala, che, in generale, non coincide con la deviazione standard), vi prego di rispondere a un paio di domande - cosa fornisce esattamente conoscere questa distribuzione? Come aiuta nel trading di Forex?

Sinceramente,

Accidentalmente di passaggio e interessato al mercato Forex

Alexander_K :) :)

 
Alexander_K:

Cari commercianti!

A mio piacimento ho letto molti thread in questo forum - molti di loro discutono il problema di determinare il tipo di distribuzione di una variabile casuale ritorna (i cosiddetti incrementi di prezzo). Mi sono reso conto da solo che questo problema non è stato risolto e averne un po' :) :) :), l'istruzione e le competenze adeguate, ho deciso di partecipare alla soluzione di questo problema.

Quindi, la definizione del compito:

Per determinare dai dati tick di una certa coppia di valute una distribuzione di probabilità dei successivi incrementi di prezzo Bid e Ask (cioè ha analizzato un set di dati che consiste nella differenza tra il prezzo Ask attuale e quello precedente e lo stesso set per il prezzo Bid). Le formule per la funzione di densità di probabilità, la funzione di distribuzione e la funzione quantile di una data distribuzione devono essere presentate in forma analitica.

Il compito si è certamente rivelato difficile. Lasciatemi dire che questa distribuzione non è una di quelle ampiamente discusse - né normale, né logistica, né Laplace, né Cauchy, ecc.

Prima di raccontarvi questa distribuzione (più precisamente, si tratta di una famiglia di distribuzioni, dato che diverse coppie di valute hanno diversi valori del coefficiente di scala, che, in generale, non coincide con la deviazione standard), vi prego di rispondere a un paio di domande - cosa fornisce esattamente conoscere questa distribuzione? Come aiuta nel trading di Forex?

Sinceramente,

Accidentalmente di passaggio e interessato al mercato Forex

Alexander_K :) :)

Se si conosce la distribuzione, si conosce la regolarità, che porta al fatto che la distribuzione è tale. Questa regolarità può essere scambiata. Ma se fosse così semplice, i matematici deruberebbero tutto il mercato.
Tutto cambia sul mercato e se si conosce il tipo di distribuzione, domani sarà diverso. Il problema non è questo, ma come fare profitti stabili sapendo che tutti i parametri misurati sono instabili.
C'è un altro problema) tick Bids e Asks sul forex non sono reali. Ogni broker fa i suoi tic. E di conseguenza la distribuzione sarà diversa.
Ma c'è una via d'uscita!
 
Alexander_K:

Cari commercianti!

A mio piacimento ho letto molti thread in questo forum - molti di loro discutono il problema di determinare il tipo di distribuzione di una variabile casuale ritorna (i cosiddetti incrementi di prezzo). Mi sono reso conto da solo che questo problema non è stato risolto e averne un po' :) :) :), l'istruzione e le competenze adeguate, ho deciso di partecipare alla soluzione di questo problema.

Quindi, la definizione del compito:

Per determinare dai dati tick di una certa coppia di valute una distribuzione di probabilità dei successivi incrementi di prezzo Bid e Ask (cioè ha analizzato un set di dati che consiste nella differenza tra il prezzo Ask attuale e quello precedente e lo stesso set per il prezzo Bid). Le formule per la funzione di densità di probabilità, la funzione di distribuzione e la funzione quantile di una data distribuzione devono essere presentate in forma analitica.

Il compito si è certamente rivelato difficile. Lasciatemi dire che questa distribuzione non è una di quelle ampiamente discusse - né normale, né logistica, né Laplace, né Cauchy, ecc.

Prima di raccontarvi questa distribuzione (più precisamente, si tratta di una famiglia di distribuzioni, dato che diverse coppie di valute hanno diversi valori del coefficiente di scala, che, in generale, non coincide con la deviazione standard), vi prego di rispondere a un paio di domande - cosa fornisce esattamente conoscere questa distribuzione? Come aiuta nel trading di Forex?

Sinceramente,

Accidentalmente di passaggio e interessato al mercato Forex

Alexander_K :) :)


Infatti (IMHO) non c'è dipendenza del prezzo attuale da quello precedente. Coloro che cercano questa distribuzione vogliono solo identificare l'attuale tendenza temporale del mercato (tendenza al rialzo, al ribasso o piatta). Una volta identificata la tendenza, il trader cerca la possibilità di trarne profitto.

 
Vitalii Ananev:

Infatti (IMHO) non c'è correlazione tra il prezzo attuale e quello precedente. Chi cerca questa distribuzione vuole semplicemente identificare la tendenza attuale del mercato (tendenza al rialzo, al ribasso o piatta). Una volta identificata la tendenza, il trader cerca l'opportunità di trarne profitto.

In effetti, c'è una correlazione. C'è una memoria nel mercato perché ogni affare è denaro e se un affare è stato aperto sarà chiuso prima o poi.
 
Alexander_K:

- Cosa fa in realtà conoscere questa distribuzione? Come aiuta nel trading di Forex?

I modelli GARCH con input logaritmici consistono di tre parti: un modello di tendenza, un modello di volatilità eun modello di distribuzione incrementale. C'è un'enorme letteratura su queste distribuzioni, la loro influenza sugli algoritmi, le differenze di coppie di valute per tipi di distribuzione e altri.... La questione che solleva è una questione con la barba di 30 anni fa. Il principale strumento matematico nei mercati finanziari è GARCH, di cui ce ne sono molti. Nel thread sull'apprendimento automatico ho dato una selezione di letteratura - mi ci aggrappo di nuovo.

Di gran lunga la più utilizzata è la distribuzione T smussata. Ma ripeto che un modello completo è composto da tre componenti.

Ci sono pacchetti software off-the-shelf che sono ampiamente utilizzati nel trading reale. I risultati sono disponibili in pubblicazioni pubbliche. Da R possiamo nominare: fgarch, rugarch, ma non sono gli unici.

 
Maxim Romanov:
In effetti è così. C'è una memoria nel mercato perché ogni affare è denaro e se un affare è stato aperto sarà chiuso prima o poi.

Non discuto che tutti abbiano un'opinione, ma se ci fosse una tale correlazione allora sarebbe possibile per estrapolazione prevedere i futuri movimenti di prezzo con una precisione molto maggiore del 50/50.

 
СанСаныч Фоменко:

I modelli GARCH con il logaritmo degli incrementi come input consistono di tre parti: un modello di tendenza, un modello di volatilità eun modello di distribuzione incrementale. C'è un'enorme letteratura su queste distribuzioni, la loro influenza sugli algoritmi, le differenze di coppie di valute per tipi di distribuzione e altri.... La questione che solleva è una questione con la barba di 30 anni fa. Il principale strumento matematico nei mercati finanziari è GARCH, di cui ce ne sono molti. Nel thread sull'apprendimento automatico ho dato una selezione di letteratura - mi ci aggrappo di nuovo.

Di gran lunga la più utilizzata è la distribuzione a T smussata. Ma ripeto che un modello completo è composto da tre componenti.

Ci sono pacchetti software off-the-shelf che sono ampiamente utilizzati nel trading reale. I risultati sono disponibili in pubblicazioni pubbliche. Di R possiamo nominare: fgarch, rugarch, ma non sono gli unici.


Sì, hai indicato un'approssimazione molto vicina - una distribuzione t skewed.

Infatti, i miei calcoli hanno dato la cosiddetta distribuzione t di Student non standardizzata con numero di gradi di libertà = 2. Il coefficiente di scala non è uguale alla deviazione standard e viene calcolato separatamente per ogni coppia di valute.

Tuttavia, questo è vero esattamente per gli incrementi di prezzo. I prezzi reali formano una miscela di queste distribuzioni t e conoscere la distribuzione degli incrementi non mi dà personalmente una comprensione del processo nel suo insieme.

Tuttavia, chiedo di non chiudere questo thread - forse qualche mente brillante mi dirà come ottenere la conoscenza del particolare al generale dalla conoscenza del particolare, sarebbe incredibilmente bello.

Da parte mia, prometto di postare i miei esercizi matematici in quest'area e di leggere attentamente il feedback e i commenti.

Saluti.

Alessandro_K

 
Vitalii Ananev:

Non voglio discutere, ognuno ha la sua opinione, ma se esistesse una tale relazione sarebbe possibile prevedere i futuri movimenti dei prezzi con una precisione molto maggiore del 50/50 per estrapolazione.


Ci sono diverse ragioni per cui è impossibile usare l'estrapolazione. In primo luogo, la frequenza di campionamento deve essere corretta, se si campiona un'onda sinusoidale con un tempo casuale non si può prevedere nemmeno un'onda sinusoidale. E in secondo luogo, come si può prevedere, se non si sa, quando ogni partecipante chiuderà l'ordine? Si sa che tutti i partecipanti che hanno aperto accordi li chiuderanno, ma quando, non è ancora chiaro. O non siete d'accordo con il fatto che tutti gli scambi aperti saranno chiusi?

 

Ciò significa che ci sono più grandi deviazioni dalla media che in una distribuzione normale e più piccolo è il campione, maggiore è la possibilità di ottenere un errore maggiore. È solo una distribuzione con code spesse, tutti sanno da molto tempo che le quotazioni non sono distribuite normalmente. Di solito lo associano alla presenza della memoria o dell'inerzia, cioè i grandi cambiamenti sono seguiti da grandi cambiamenti nelle quotazioni, i piccoli cambiamenti sono seguiti da piccoli cambiamenti (in media), ma i piccoli cambiamenti superano ancora i grandi.

Se questo è il caso, allora è impossibile prevedere le quotazioni in un sistema temporale, cioè il momento del salto dai grandi cambiamenti a quelli piccoli e viceversa è statisticamente impossibile da indovinare. Quindi dobbiamo guardare le quotazioni in diversi orizzonti temporali e confrontare le probabilità. Come risultato dobbiamo ancora controllare la storia delle quotazioni e la scala massima quando è difficile o impossibile definire che tipo di incrementi di mercato si stanno verificando attualmente - piccoli o grandi.

Ma per alcuni orizzonti di eventi accettabili e in certe situazioni è probabilmente possibile prevedere + cercare le inefficienze, che in parte formano code spesse

 
Maxim Dmitrievsky:

Ciò significa che ci sono più grandi deviazioni dalla media che in una distribuzione normale e più piccolo è il campione, maggiore è la possibilità di ottenere un errore maggiore. È solo una distribuzione con code spesse, tutti sanno da molto tempo che le quotazioni non sono distribuite normalmente. Di solito è associato alla disponibilità di memoria, cioè i grandi cambiamenti sono seguiti da grandi cambiamenti nelle quotazioni, i piccoli cambiamenti sono seguiti da piccoli cambiamenti (in media), ma i piccoli cambiamenti sono ancora più numerosi dei grandi.


Lasciatemi fare un esempio concreto dai miei calcoli.

Per la coppia di valute EURJPY la distribuzione dei movimenti di prezzo è una distribuzione t di Student non standardizzata con 2 gradi di libertà e il coefficiente di scala (sigma) = 1,43 punti (le mie scuse per l'eccessiva modestia matematica). Il 95% degli incrementi di prezzo sono nell'intervallo di tolleranza di +-6,19 sigma. Significa che se il prezzo supera questo intervallo, un accordo può essere eseguito per un certo campione? Ha senso la precisione dei miei calcoli fino ai millesimi di percentuale?

 
Alexander_K:

Ecco un esempio concreto dai miei calcoli.

Per la coppia di valute EURJPY la distribuzione degli incrementi di prezzo è una distribuzione t di Student non standardizzata con 2 gradi di libertà e il coefficiente di scala (sigma) = 1,43 punti (scusatemi per essere troppo meticoloso matematicamente). Il 95% degli incrementi di prezzo sono nell'intervallo di tolleranza di +-6,19 sigma. Significa che un trade può essere eseguito per un certo campione se il prezzo supera questo range? Ha senso la precisione dei miei calcoli in frazioni di millesimo di percentuale?


Mi imbarazza chiederlo, ma tollerante per chi? Sembra che di solito si prendano 3 sigma...

SanSanych ha dato un sacco di informazioni e fonti interessanti in questo campo. Per quanto mi ricordo, solo i modelli GARCH menzionati non hanno a che fare con i tick, ma con gli incrementi ravvicinati dei giorni.