Dalla teoria alla pratica - pagina 417
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
Ecco cosa penso.
Se la distribuzione di un campione di, diciamo, 1.000.000 di tick è instabile (e non riesco ancora a ottenere quel volume sul mio tempo esponenziale) e cambia varianza nel tempo, allora risulta che nel mio caso né la media aritmetica né la media ponderata possono essere usate come misura della tendenza centrale.
Questo mi lascia con la mediana.
I canali devono essere tracciati in relazione alla mediana. È giusto?
Questa instabilità può essere una conseguenza della non stazionarietà (non necessariamente, ma molto probabilmente). In caso di non stazionarietà, qualsiasi quantità di campionamento (momenti, quantili, ecc.) è probabilmente priva di significato. Non ho scritto per niente sui fondamenti della teorizzazione - le quantità di campionamento sono di solito contate per una serie di variabili casuali equamente distribuite. Nel caso di incrementi non stazionari sono distribuiti diversamente (per definizione)
Ragazzi, dovete prendere un'autocorrelazione invertita (regressione) e usarla per costruire incrementi, errori di osservazione, distribuzioni, insegnare NS o quello che volete
L'unica differenza tra le teorie del mercato effettivo e frattale è che la serie non è autoregressiva ma invertita. Quindi c'è una memoria, tale serie è prevedibile.
Inoltre, può essere un autoregressivo invertito di ordine n-esimo, anche il diradamento Erlang può funzionare qui.
e tagliare la pasta a tonnellate.
Finirò l'indicatore quando tornerò dalle vacanze. Ma fatelo voi stessi, non siate pigri. Non è scritto da nessuna parte nei libri su di esso, quindi c'è una possibilità :)
Ragazzi, dovete prendere un'autocorrelazione invertita (regressione) e usarla per costruire incrementi, errori di osservazione, distribuzioni, insegnare NS o quello che volete
L'unica differenza tra le teorie del mercato effettivo e frattale è che la serie non è autoregressiva ma invertita. Quindi c'è una memoria, tale serie è prevedibile.
Inoltre, può essere un autoregressivo invertito di ordine n-esimo, anche il diradamento Erlang può funzionare qui.
e tagliare la pasta a tonnellate.
Finirò l'indicatore quando tornerò dalle vacanze. Ma fatelo voi stessi, non siate pigri. Non è scritto da nessuna parte nei libri, quindi c'è una possibilità :)
Intende il flusso autoregressivo inverso (IAF)?
Intende il flusso autoregressivo inverso (IAF)?
Mi dispiace, non so il nome, forse
bisogno di leggere, se il campione è diviso in 2 parti uguali, il primo è invertito specularmente e contato come un AF o autoregressivo per valori (il valore di lag è preso dal 2° campione), allora sì
e la dimensione della finestra dovrebbe cambiare quando si cerca il minimo errore sui campioni, cioè prendere 4 punti, dividere per 2, capovolgere il secondo pezzo specularmente, contare la correlazione, prendere 6 punti, poi 8, ecc. Più grande è la finestra e più alta è la correlazione, più interessante è il trading
Purtroppo non conosco il nome, forse
è necessario leggere, se lì un campione è diviso in 2 parti uguali, il primo è invertito specularmente e viene contato come un akf o autoreg. per valori (il valore di ritardo viene preso dal 2° campione), allora sì
e la dimensione della finestra dovrebbe cambiare quando si cerca il minimo errore sui campioni, cioè prendere 4 punti, dividere per 2, capovolgere il secondo pezzo specularmente, contare la correlazione, prendere 6 punti, poi 8, ecc. Più grande è la finestra e più alta è la correlazione, più interessante è il trading
Stai delirando?
Cosa significa?
Purtroppo non conosco il nome, forse
Devo leggerlo, se divide il campione in 2 parti, la prima è invertita specularmente e conta come un acf o autoreg. allora sì.
A quanto pare si tratta di qualcos'altro, ma anche dal campo delle reti neurali.
Tuttavia, non credo che ci siano modi per ridurre la serie dei prezzi a qualche tipo di processo stazionario. Piuttosto, si dovrebbero adattare i metodi disponibili per i processi non stazionari (per esempio il problema del decadimento)
Inoltre, l'ACF di campionamento (così come la distribuzione di campionamento, i momenti ecc.) ha senso solo per un processo stazionario. In caso di processo non stazionario ci saranno problemi come TCA quanto pare si tratta di qualcos'altro, ma anche dal campo delle reti neurali.
Tuttavia, non credo che ci siano modi per ridurre la serie dei prezzi a qualsiasi processo stazionario. Piuttosto, è necessario adattare i metodi disponibili per i processi non stazionari (per esempio il problema del decadimento).
Probabilmente non l'intera serie, ma parti separate di essa possono essere ridotte a tale stato usando questo metodo con l'eliminazione dei "cattivi".
Ma è più facile finire dopo e vedere che spiegare in termini inventati :)
Inoltre, l'ACF selettiva (così come la distribuzione selettiva, i momenti, ecc.) è significativa solo per un processo stazionario. In caso di non stazionarietà ci saranno problemi come con TC
La ricerca di un processo stazionario avviene cointegrando il grafico con se stesso, ma con una parte invertita di esso. Le parti non riuscite vengono saltate e non avviene alcuna negoziazione
Ma sono stanco di inventare nuove entità :) allora lo dimostrerò sull'indicatore, prima di tutto a me stesso
un'altra perversione del prezzo
Come si potrebbe spiegare semplicemente l'utopia di una tale occupazione...?
Ah, oh!
Supponiamo che io vada in un negozio e all'improvviso cominci a capire quanto è diventato più economico o più caro il prezzo? // O anche peggio - tirando un fibo sul cartellino del prezzo.
Dichiaro - ho fatto una stima del passato.
Non è probabile che io abbia una previsione da questa analisi, vero?