ランダムフロー理論とFOREX - ページ 23

[Candid]

Prival:

以前、フォーラムのこのブランチで私は実際の引用のモデルとACFから得られたACFの画像を与えた、彼らは違わない外観を見てください。

この絵は、定常性の問題に言及したものである。これらは、最初のACFの符号を＋から-に変化させたときのタイムプロットである。この特性は、特別なポイントの1つとして選ばれています。ACFはY - muについて 計算され、下のカーブについては線形回帰が 週間隔で計算され、上のカーブについてはおよそ月間隔で計算されています。

[Prival]

lna01:

定常性の問題への絵。これらは、最初のACFの符号を＋から-に変化させたときのタイムプロットである。この特性は、特別なポイントの1つとして選ばれています。ACFはY - muについて 計算され、下のカーブについては線形回帰が週間隔で計算され、上のカーブについてはおよそ月間隔で計算されています。

この点をACFチャート上に示してください。最初の変曲点は、-から＋への変化（つまり、最初に曲線が下がり（-）、次に上がり（＋）、この点がちょうど発振周波数を定義する）であると思われます。また、ACFはサンプリング深度によってX軸方向にあらかじめ正規化されています。そして、それが困難でない場合あなたの結論。変曲点があるため、振動は常に存在し、その振動の周波数は、サンプルサイズが小さいほど速く変化するというのが、1つの明白な結論だと思います。しかし、私がこれらのグラフを正しく理解していれば

[Candid]

Prival:
ACFプロットでこの点を示してください。最初の変曲点は、-から+への変化（つまり、最初に曲線が下がり（-）、次に上がり（+）この点が発振の周波数をどうするか）であると思われます。また、ACFはサンプリング深度によってX軸方向にあらかじめ正規化されています。そして、それが困難でない場合あなたの結論。変曲点があるため、振動は常に存在し、その振動の周波数は、サンプルサイズが小さいほど速く変化するというのが、1つの明白な結論だと思います。しかし、私がこれらのグラフを正しく理解していれば

写真をあげます。

つまり、これは「間違った」特異点であるが、より近い :) のであり、その座標は「正しい」特異点の座標と単調に関係していると考えられる。また、ACFの急峻な部分に位置するため、ノイズへの依存度が低く、定常性の最初の粗い（＝速い）基準としてより適していると思われます。

数値は時間単位です。正規化するのは難しいことではありませんが、興味深いのは、据え置き型モデルを市場に「引っ張り出す」時間を正確に把握できることです。

これまでのところ、カルマンフィルターを コーディングする前に、十分に頻繁で十分に長い期間の定常性を持つ初期データを得る方法を学ぶべきだという結論に達しています。そして、さらに感想を述べます。定常性の状況がサンプル長に依存するということは、その選択が原則的なものであり、成功がそこにかかっているというだけのことなのかもしれません。もっと一般的な言い方をすれば、データの準備の仕方についてです。

モデルとして線形微分方程式系を選択することが確実であれば、ACFの構造によって、多かれ少なかれ適切な記述に必要なLDEの量を判断することができるようです。係数の選択（と、そのドリフトを記述しようとすること）は、テクニックの問題である。しかし、ACFの時間経過に伴う挙動を（ビジュアライザーで）しばらく考えていると、モデル内のDTの数は可変でなければならないことが分かってきます。あるいは、同じように、その場でモデルを変更しなければならないでしょう。

ちなみに、この写真の断片は、よく定義された定常性プロット（これはかなり珍しい）と（明らかに）カタストロフ（列）の両方を含んでいることから選ばれたものである。

追伸：2つのカタストロフィはより正確には、2つのジャンプがあります。

[Prival]

ありがとうございます。すべてが理解でき、すべての考え（アイデア）が収束したように思います。

私の分析とあなたのACFのイメージから、次の式で近似できる（p.184-185. Tikhonov V.I. file attached）。

私は、ACFからパラメータ（ω、α、N）を描画するように持って問題を解決することができました。

ファイルを添付しますが、matcadのみです、あなたが持っているかどうか覚えていません。そうでない場合は、必要な説明とともに、ここに数式を掲載します。

研究に対する私の考え

入力ストリーム（私はティックストリームを入力として考えています）からの非線形変換であるため、1時間足のバーで定常性を探すのは間違っているようです。解析した情報の量を減らすために）バーを取るのであれば、入力の流れを時間ではなく、バーのティック数で分割すべきです（Volume=const）IMHOです。 今のところ、2つの悪のうち、少ない方として議事録に落ち着いています。タイムフレームが大きくなればなるほど、導入される非直線性が大きくなるため、それ以上のタイムフレームは考慮しないようにしています。1週間必要な場合は、7200を選んで、分析したサンプリングの長さを調節するだけです。

Yが（Close[i]-Close[i+1]）/（time[i]-time[i+1]）の速度のとき、分単位で除算を省略できるので必ず同じスキームで行ってください。数学 的な呼び方ですが、私はスピードと呼びたいですね。

当然ながら、加速度（2次微分）についても。

その時に、おっしゃるとおり、DUの量を決めることができるようになるのです。ただ、このモデルにはパラメータがあり、線形（カルマンフィルタリング）の範囲内に収めようとすると、パラメータの値（例えばω）ごとに異なるフィルタが必要になります。先ほど、この問題を真正面から解くには（「あらゆる場合」の最適解を探すには）10〜20、極限では無限の数のフィルターが必要だと書きました。それから離れて取得するには、私は制御システム内の未知のパラメータ（ω、アルファ）をもたらすために、将来的には、すなわち非線形フィルタリングに切り替えると思います（一見すると、これらのパラメータが線形法則に従う領域があるあなたの一番下のグラフは素晴らしいです参照してください）。ストラトノビッチはそうすることを推奨しており、この方法は、練習用に許容できる精度でそのような問題を解決するのに役立つことが多いのです。

私の理解では、「練習に使える精度」というのは、週に2日、なんとか2-3個の非線形フィルタを合成して動けば、それで十分なんです。モデルが機能すれば取引し、そうでなければ、モデルが機能しない（予測できない）ので、取引しない。そして、その勉強を続けて、2日ではなく2.5日、最初のモデルと連動するモデルをもう一つ導入する、といった具合です。

キャンディッド 「破滅的」な点をもう少し詳しく教えてください。大惨事や「間違った」ポイント「大惨事ポイント:-)」のトリガーが早い時間に興味がある。

[Candid]

Prival:

ACFにパラメータ（ω、α、N）を抜かせるという問題は解決できたのですが。

ファイルありがとうございます、見てみます。私はまだmatcadを持っていませんが。 そして、よりトリッキーなACF、例えばそれらとどのように戦うことになるのでしょうか？

実は恥ずかしながら、私はこのフォーラムではただのファイロンにしか見えません :) 。仕事の計画はあるのですが、残念ながら夏の終わりくらいからほとんど手つかずです :) 。基本的にこの計画は、最適なサンプリング長を定義する作業と共通しており、したがって、成功すればカルマンフィルターのターンにもなり得る。それは残念ながら、この非常に興味深いテーマの果実は、ストレージに、まだクローゼットの中に行く:)です。

時間足で定常性を求めるのは間違っている。

私もミニュチュアが好きなので、MTの横長チャート圧縮機能だけでは物足りないのです。

Y が (Close[i]-Close[i+1])/(time[i]-time[i+1]) の場合、分単位での除算は省略できるため、必ず同じスキームを使用してください。数学 的な呼び方ですが、私はスピードと呼びたいですね。

当然ながら、加速度（2次微分）についても。

その時に、おっしゃるとおり、DUの量を決めることができるようになるのです。ただ、このモデルにもパラメータがあり、線形（カルマンフィルタリング）に収めるには、パラメータの値（例えばω）ごとに異なるフィルタが必要です。先ほど、この問題を真正面から解くには（「あらゆる場合」の最適解を探すには）10〜20、極限では無限の数のフィルターが必要だと書きました。それから離れて取得するには、私は制御システム内の未知のパラメータ（ω、アルファ）を作るために、将来的には、すなわち非線形フィルタリングに切り替えると思います（一見すると、これらのパラメータが線形法に従う領域があるあなたの一番下のグラフは素晴らしいです参照してください）。ストラトノビッチはそうすることを推奨しており、この方法は、練習用に許容できる精度でそのような問題を解決するのに役立つことが多いのです。

私の理解では、「練習に使える精度」というのは、週に2日、なんとか2-3個の非線形フィルタを合成して動けば、それで十分なんです。モデルが機能すれば取引し、そうでなければ、モデルが機能しない（予測できない）ので、取引しない。そして、その勉強を続けて、2日ではなく2.5日、最初のモデルと連動するモデルをもう一つ導入する、といった具合です。

その考え方は、多かれ少なかれ理解されていると思います。

キャンディッド 「破滅的」な点をもう少し詳しく教えてください。大惨事や「間違った」ポイント「大惨事ポイント:-)」のトリガーが早い時間に興味がある。

市場のカタストロフィではなく、モデルのカタストロフィで、回帰のサンプル長が固定されていることに直接関係していると思います。 スライド回帰パラメータのジャンプの効果は、大平行フォーラムテーマ（GTPF）開発の時から気づいていました :) 。もちろん、最終的には市場のプロセスと関係しているのですが。でも、一応写真はあげます。インジケーターも送れますよ。

[Prival]

キャンディッド

もう少し詳しく、これらの大惨事の場所を矢印で示しています。ただ、これは非常に重要なことで、もしパラメータが早く発動すれば、価格大災害の発生を予測するチャンスになると思います。それ以前の場合は、長いサンプルに対応することができます。並行フォーラムを紹介するのは2回目ですが、リンクを貼っていただけると助かります。(見落としがあるかもしれません）。すべてを読み直すことはできません。

[Candid]

Prival:

キャンディッド

もう少し詳しく、これらの大惨事の場所を矢印で示しています。ただ、これは非常に重要なことで、もしパラメータが早く発動すれば、価格の大混乱を予測することが可能だと思うのです。もし先にイエスなら、ロングサンプリングは対処可能です。 並行フォーラムを紹介するのは2回目ですが、リンクを教えてください。(見落としがあるかもしれません）。すべてを読み直すことはできません。

以前の投稿の写真を差し替えました。WTPF（大平行フォーラムスレッド：）については、長い上に極端にポイ捨てされているため、読み返すのはかなり困難です。

[Candid]

予測について補足します。また、価格高騰の前に二重の「破局」があることに気がつき、もう少し調べてみました。これらはかなり稀な出来事であり、残念ながら、その後に価格が急騰することは、必ずしもありません。

[Prival]

lna01:

予測について補足します。また、価格高騰の前に二重の「破局」があることに気がつき、もう少し調べてみました。これらはかなり稀な出来事であり、残念ながら、その後に価格が急騰することは、必ずしもありません。

より小さな時間枠で見るべき（一般的に、より詳細に）、ポイントは非常に興味深いです。また、必ずしも「トリッキーなACFポイント」の二重跳びとは限りません。なぜか私は、一回の（急激な）変化もプロセスの変化を示していると考えています。

[Sceptic Philozoff]

lna01:

グラフの右端に常に1が表示されるようなインジケーターで、どうして仕事ができるのか、まだ理解できません。 その予測能力は何なのでしょうか。たとえそれが完全に正しい計算式に従って計算されていたとしても、です。バカな質問でしたら申し訳ありません・・・。