トレーディングにおける機械学習:理論、モデル、実践、アルゴトレーディング - ページ 1014

 
Alexander_K2 です。

ここで、コルモゴルフの言葉を引用しておくことにする。

つまり、conserved areです。

1.リターンズ

2.リターンのACF

ACFが以下の条件を満たす場合。

であれば、このような離散的な帰国子女系列は予測可能である。

以上です。

それ以外の予測因子はない。

価格差のACFはどこから来ているのか?これらは明らかに非定常であり、共分散関数は2つの変数に依存します:B=B(t,k)、それを計算するのに十分なデータがないだけなのです。

 
アレクセイ・ニコラエフ

価格差のACFはどこから来ているのか?これらは明らかに非定常であり、共分散関数は2つの変数に依存します:B=B(t,k)、それを計算するのに十分なデータがないだけなのです。

写真にあるACFは、ARIMAから取り出したアルゴリズムです。最後のn-barで計算されます。

 
FXMAN77 です。

写真のACFアルゴリズムは、ARIMAから引用しています。最後のn-barでカウントされます。

まず、私のコメントは、コルモゴロフの定常過程に関する論文を、明らかに非定常のケースに当てはめるのは不適切だというものです。

しかし、ARIMAはすべてを定常性に還元してしまうので、価格については近似的にしか成り立たず、ある時間間隔でしか成り立たない(例えば、トレンド時にある自己回帰係数、その後の横ばい時に別の自己回帰係数がある)。いつモデルを変更するかは予測できず、これは非定常性の帰結である。

 
アレクセイ・ニコラエフ

まず、私のコメントは、定常過程に関するコルモゴロフの論文を、明らかに非定常なケースに添付することが不適切であるということです。

しかし、ARIMAはすべてを定常性に還元してしまうので、価格については近似的にしか、またある時間間隔でしか成り立たない(例えば、トレンド時にはある自己回帰係数が、その後の横ばい時には別の自己回帰係数がある)ことがあります。いつモデルを変更する必要があるかは予測できないが、これは非定常性の結果である。

+

 
FXMAN77 です。

周期性とはどういう意味ですか?

そして、私の知る限り、ACFは製品の総和だけではありません。もっと複雑なアルゴリズムがあるんです。



私は自分の意見に固執しています - 離散系列の帰国者のACF推定は、連続した2つのスライドサンプル帰国者の積の合計です。

周期性について...

もっとシンプルに言うと、こうなりますね。

現在のACF値>0、すなわち増分の明らかな依存性、いわゆる「メモリ」があるときに取引(次のリターン者を予測)すべきです。

 
Alexander_K2 です。

私は自分の意見を支持します。離散的な帰国者の系列に対するACF推定値は、連続する2つの移動標本帰国者の積の合計です。

周期性について...

もっとシンプルに言うと、こうなりますね。

ACF>0のとき、つまり増分の明らかな依存性があるとき、いわゆる「記憶」のときにトレード(次のリターン者を予測)する。

インジケーターを見て、こんなものかな、何か変えた方がいいのかな?

 
フォレックスマン77

インジケーターを見て、こんな感じかな、何かやり直した方がいいのかな?増分の絶対値は、やはり左がいいだろう(マイナスにマイナスをかけたプラス)、そうすれば最小値は0にしかならない。

申し訳ありませんが、できません。拡散プロセスで聖杯を探すのに忙しい。私はニューラルネットワークとフォレストを信じているので、できる限りここで手助けをしています。

 
Alexander_K2 です。

すみません、無理です。拡散プロセスで聖杯を探すのに忙しい。私はニューラルネットワークやフォレストを信じているので、ここでできる限りの協力をしているだけなのです。

その後、インジケーターを取り外すのですか?

 
フォレックスマン77

その後、インジケーターを取り外すと?

はい、インジケーターは必要ありません。コルモゴロフ予測器が必要だ。他に方法がないので、あと1000ページほど愉快に続けてください。

 
Alexander_K2 です。

私は自分の意見を支持します - 帰還者の離散的なシリーズのACF推定値は、連続した2つのスライドサンプル帰還者の積の合計です。

周期性について...

もっとシンプルに言うと、こうなりますね。

ACF>0のとき、つまり増分の明らかな依存性、いわゆる「メモリー」があるときに取引(次のリターンを予測)すべきなのです。

1) 非定常過程に対するACFは存在しない。非定常過程のモーメントについて、お勧めの本の中から少なくともオルロフを読んでみてください。

2)非定常過程の「記憶」もよくない。それが存在しない場合(独立な増分を持つ非定常過程)にも、定常過程と同様に計算を行えば、見つけることができる。持っていても、いつの間にか違うものになっているかもしれませんし、その瞬間にプロセスが具体的に何を「記憶」しているのかは不明です。