I programmatori MQL possono essere considerati come programmatori? - pagina 7
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
San Sanych, ti svelo un terribile segreto: anche MQL lo è. È anche un interprete.
Dove hai preso la legna da ardere?
San Sanych, ti svelo un terribile segreto: anche MQL lo è. Anche un interprete.
Mi unisco alla coda e vi svelo un segreto non meno terribile: i file ex4 ed ex5 sono codice nativo. ))
Informazioni utili :
http://keldysh.ru/papers/2013/prep2013_19.pdf
M.A. Ananiev, N.A. Mitin
Confronto dei modelli autoregressivi lineari e non lineari di eteroscedasticità condizionata utilizzando il rendimento dell'indice RTS come esempio
ANNUNCIO
In questo articolo confrontiamo le capacità di previsione dei modelli di volatilità condizionali lineari e non lineari con l'esempio dei modelli GARCH per il rendimento dell'indice RTS. Sulla base dei prezzi di chiusura giornalieri dell'indice RTS per 10 anni viene stimato un insieme di modelli parametrici e viene costruito un insieme di previsioni di volatilità per orizzonti di lunghezza diversa. Le capacità di previsione dei modelli vengono confrontate secondo i criteri selezionati. Sono stati sviluppati modelli non lineari per tenere conto delle caratteristiche rilevate delle serie temporali, ma la qualità delle previsioni ottenute con il loro aiuto è talvolta messa in discussione. I risultati di questo studio completano i risultati di altri lavori: i modelli non lineari di volatilità condizionata mostrano risultati migliori. Una possibile spiegazione di questo successo potrebbe essere il fatto che i modelli non lineari danno una migliore previsione su orizzonti temporali relativamente brevi, mentre su orizzonti temporali più lunghi possono dare un errore maggiore.
Certo, grazie.
Ma c'è un'enorme letteratura sull'applicazione di Garch, ed è particolarmente importante nei mercati finanziari. C'era un articolo da qualche parte che cercava parametri di spazzatura sull'esempio di tutti i titoli dell'indice S&P500, che sono 500 titoli.
Come ho letto (non la mia esperienza, non posso ripetere tutto, è troppo lungo), oggi i modelli più avanzati sono RealGARCH. Il prefisso Real si riferisce alla varianza già realizzata, cioè il modello usa due varianze: sulla TF più grande e sulla TF più piccola per la quale esiste un fatto.
Tutti qui si agitano perché qualcuno cominci a scavare. Ho avuto un tale compagno, ma si è stabilito su un arima, che fa parte del garch. E la quantità di lavoro è troppo per me da solo.
È più conveniente, non perché l'interprete sia secondario, ma perché R è un ambiente di modellazione, anche (o principalmente) statistica.
A proposito, nonostante il fatto che R sia interpretato, il linguaggio stesso è un linguaggio di scripting e serve principalmente per collegare le parole in una frase, cioè le funzionalità e i vari pacchetti tra loro. E il linguaggio stesso occupa una parte trascurabile del tempo di esecuzione del programma.
Così, tutte le lamentele sulla velocità di R sono completamente infondate. Si tratta di usare R direttamente in TC e l'insensatezza di riscrivere i codici in MQL).
Sono completamente d'accordo con te: R è uno strumento molto ben pensato per la ricerca e lo sviluppo in statistica, e ora anche la modellazione delle macchine è relegata alla statistica. Ed è molto facile utilizzare i risultati della ricerca nell'uso industriale.
Sono completamente d'accordo con te sulla performance. Negli algoritmi che uso, non vedo alcuna prospettiva di aumentare la velocità dell'enumerazione mcl.
E soprattutto, non vedo affatto la necessità di riscrivere - sono diversi strumenti per diverse aree che si combinano perfettamente e facilmente, tutto funziona stabilmente.
La cosa principale è imparare le variabili GOTO e INPUT... sul computer ZX-Spectrum.
Il resto è una perdita di tempo.
La cosa principale è imparare le variabili GOTO e INPUT... sul computer ZX-Spectrum.
il resto è una manna dal cielo.
Hmm, alla fine degli anni '80 molte persone si consideravano programmatori per le loro capacità di scrittura ))
LOAD ""Senza questo, però, non si poteva far girare nessun gioco (da un registratore a cassette di allora).
Il problema è che GARCH(1,1) puro è un modello praticamente impraticabile.
Devi prendere il pacchetto appropriato, il più interessante è rugarch. Devi simulare la media, ARCH propriamente detto, e ci sono molti di questi modelli, puoi ottenere buoni risultati con EGARCH, oltre a questo devi simulare la distribuzione. Ci sono molte pubblicazioni che evidenziano i risultati dell'uso di questo pacchetto nei mercati finanziari, incluso il Forex. Qui potete trovare codici ed esempi già pronti, è molto istruttivo.
Se guardate Rugarch e ottenete un buon risultato, è disponibile su Srp, i codici sono open source.
Ma sei lontano da Srp perché non è sicuro che otterrai un risultato decente con GARCH. In ogni caso, è molto più conveniente condurre esperimenti in R piuttosto che in µl, perché R è un interprete.
Informazioni utili :
http://keldysh.ru/papers/2013/prep2013_19.pdf
M.A. Ananiev, N.A. Mitin
Confronto dei modelli autoregressivi lineari e non lineari di eteroscedasticità condizionata utilizzando il rendimento dell'indice RTS come esempio
ANNUNCIO
In questo articolo confrontiamo le capacità di previsione dei modelli di volatilità condizionali lineari e non lineari con l'esempio dei modelli GARCH per il rendimento dell'indice RTS. Sulla base dei prezzi di chiusura giornalieri dell'indice RTS per 10 anni viene stimato un insieme di modelli parametrici e viene costruito un insieme di previsioni di volatilità per orizzonti di lunghezza diversa. Le capacità di previsione dei modelli vengono confrontate secondo i criteri selezionati. Sono stati sviluppati modelli non lineari per tenere conto delle caratteristiche rilevate delle serie temporali, ma la qualità delle previsioni ottenute con il loro aiuto è talvolta messa in discussione. I risultati di questo studio completano i risultati di altri lavori: i modelli di volatilità condizionale non lineare mostrano risultati migliori. Una possibile spiegazione di questo successo può essere il fatto che i modelli non lineari danno previsioni migliori ad orizzonti relativamente brevi, mentre ad orizzonti più lunghi possono dare errori maggiori.
Hmm, alla fine degli anni '80 molte persone si consideravano programmatori per le loro capacità di scrittura )).
Non si poteva davvero far girare nessun gioco senza di esso (da un registratore a cassette all'epoca).
è il nostro... e caldo.
è la nostra FS)).
Hmm, alla fine degli anni '80 molte persone si consideravano programmatori per le loro capacità di scrittura )).
Senza di esso, però, non si poteva far girare nessun gioco (da un registratore a cassette di allora).
Avevo 6 anni quando ho ricevuto il mio primo Master come regalo.
Ma non ricordo di aver scritto Load ...