Sai come fare i canali? - pagina 7

 
Alexey Volchanskiy:

Amici, non c'è quasi commercio, è ora di entrare nella teoria. Avendo disegnato un quadro divertente, parliamo del lavoro in un canale.

A mio modesto parere, il canale è uno strumento ausiliario e serve a confermare un segnale ricevuto in qualche altro modo.

Canale HP


Tutti questi canali, tendenze e così via sono stronzate. Tutto sembra buono nella storia, e il futuro è nascosto dietro la nebbia della NESTATION.

O ci ricordiamo sempre della non stazionarietà e cerchiamo strumenti contro di essa, che poi applichiamo, o perdiamo il nostro deposito.

1. facciamo trading secondo i modelli (anche un canale è un modello). Prendiamo TA + cervello (esperienza) - il più promettente, e forse vinciamo. Oppure prendiamo il MO, cerchiamo automaticamente degli schemi... e poi dobbiamo trovare i dati di input, che dovrebbero di nuovo generare modelli stabili per la variabile obiettivo. Il problema principale non è l'algoritmo di ricerca dei modelli, ma la capacità di trovare dati di input per questi modelli. L'esperienza mostra che ci sono circa 30 dati di input di questo tipo (multivariati). Su questo numero, in linea di principio, è possibile cercare canali multivariati. È necessario?

2. Statistica (Toolbox"Econometrics" in Matlab). GARCH. Convertire la serie originale in stazionaria, ora in tre passi. Fino alla fine, NESSUNO è riuscito a ottenere un residuo stazionario dal modello. E se il residuo non è stazionario, c'è sempre una situazione che prosciuga il depo.

 
СанСаныч Фоменко:

Fino alla fine, NESSUNO è riuscito a ottenere un residuo stazionario dal modello. E se il residuo è instabile, c'è sempre una situazione che prosciuga il depo.


Lei ha velato la frase "prosciugheremo tutti" in un modo così difficile.

 
СанСаныч Фоменко:

Il problema principale non è l'algoritmo di ricerca dei modelli, ma la capacità di trovare i dati grezzi per questi modelli. L'esperienza mostra che ci sono circa 30 ingressi di questo tipo (multivaluta).

Puoi essere più specifico? Quali 30 dati di input contengono schemi?

 

Ecco l'evoluzione dei modelli da lineare a spazzatura

forse qualcuno deve usare python per risolvere gli esempi e vedere perché i canali non funzionano

La premessa di base è che qualsiasi cosa non lineare (non stazionaria nel senso della parola) è sottodeterminata, perché non converge alla media... tutto è così banale che è difficile credere che l'econometria sia andata oltre le idee di Bernoulli o altro... Idee di Gauss.

http://www.blackarbs.com/blog/time-series-analysis-in-python-linear-models-to-garch/11/1/2016

Time Series Analysis (TSA) in Python - Linear Models to GARCH
Time Series Analysis (TSA) in Python - Linear Models to GARCH
  • 2016.11.08
  • Brian Christopher
  • www.blackarbs.com
So what?  Why do we care about stationarity?  A stationary time series (TS) is simple to predict as we can assume that future statistical properties are the same or proportional to current statistical properties.Most of the models we use in TSA assume covariance-stationarity (#3 above). This means the descriptive statistics these models predict...
 
Viktor Korchagin:

ecco come è andato il test commerciale



Quindi automatizzatelo.

 
Viktor Korchagin:

Non sono un programmatore, lo scambio è stato fatto su sh4 quindi si può anche scambiare con le mani lentamente


quindi non possiamo fidarci del tuo risultato perché potrebbe essere casuale :)

 
СанСаныч Фоменко:

Stronzate tutti questi canali, tendenze e così via... Tutto sembra buono nella storia, ma il futuro è nascosto dietro la nebbia dell'INSTABILITÀ.

O ci ricordiamo sempre della non stazionarietà e cerchiamo strumenti contro di essa, che poi applichiamo, o perdiamo il nostro deposito.

1. facciamo trading secondo i modelli (anche un canale è un modello). Prendiamo TA + cervello (esperienza) - il più promettente, e forse vinciamo. Oppure prendiamo il MO, cerchiamo automaticamente degli schemi... e poi dobbiamo trovare i dati di input, che dovrebbero di nuovo generare modelli stabili per la variabile obiettivo. Il problema principale non è l'algoritmo di ricerca di pattern, ma la capacità di trovare dati di input per questi pattern. L'esperienza mostra che ci sono circa 30 dati di input di questo tipo (multivariati). Su questo numero, in linea di principio, è possibile cercare canali multivariati. È necessario?

2. Statistica (Toolbox"Econometrics" in Matlab). GARCH. Convertire la serie originale in stazionaria, ora in tre passi. Fino alla fine, NESSUNO è riuscito a ottenere un residuo stazionario dal modello. E se il residuo non è stazionario, c'è sempre una situazione che prosciuga il depo.

Completamente d'accordo. I canali, le tendenze sono per lo più a posteriori e sono semplicemente il nostro modo abituale di dare un senso a una storia già stabilita. Le distribuzioni di probabilità in movimento devono essere calcolate - questo darà informazioni più affidabili. Ma anche qui la non stazionarietà confonde le carte.
 
Viktor Korchagin:

Hai ragione... non sto pretendendo nulla))) ma il punto che ho fatto, si può scrivere un gufo... sarà interessante vedere i risultati


 
Aleksey Ivanov:
Sono completamente d'accordo. I canali, le tendenze sono per lo più a posteriori e sono semplicemente il nostro modo abituale di dare un senso a una storia già stabilita. Le distribuzioni di probabilità in movimento devono essere calcolate- questo darà informazioni più affidabili. Ma anche qui la non stazionarietà confonde le carte.
Esattamente. Sono 2 mesi che dico come fare sul mio thread. E alcune delle persone più sofisticate sono completamente stupefatte in queste questioni. Sono incapaci, per dirla semplicemente. È ora che giochino a domino :))))
 
Aleksey Ivanov:
Sono completamente d'accordo. I canali, le tendenze sono per lo più a posteriori e sono semplicemente il nostro modo abituale di dare un senso a una storia già stabilita. Le distribuzioni di probabilità in movimento devono essere calcolate - questo darà informazioni più affidabili. Ma anche qui la non stazionarietà confonde le carte.
Questo è stato fatto in GARCH per circa 15 anni. Ma prima ci sono altri due passi per gli incrementi: un modello di tendenza in incrementi e un modello di volatilità (GARCH - clustering volatility first, ma ci sono molte altre sfumature). E poi la densità mobile è calcolata e modellata di solito dalla distribuzione t. Se guardiamo la storia dello sviluppo dei modelli GARCH, l'efficienza di questi modelli è migliorata notevolmente proprio dopo la modellazione della densità di probabilità. Quindi, non potete farne a meno.