市場現象 - ページ 23

新しいコメント
 

徐々にモデルに近づいていく、現象。つまり、ランダムな構造を持つ確率モデルは、当然ながら、モデルそのものと、モデル間の遷移の記述（つまり、これらのモデルが生成する、あるプロセスを別のプロセスで遮断する何らかの確率論的論理）を前提としているのだ。BPは伊藤の100個の微分方程式で記述されていると言えます。そして、モデルの同定、つまり、どんな関数で、どんなバイアスで、それぞれどんな拡散係数で、システムの状態の初期確率ベクトルは何か、一般的には、 が些細な仕事であることはありません。

そこで、私は実際に、任意の初期時系列を 2つのサブプロセスに分解する変換を考案しました。以前には似たようなものを見たことがないのですが、ランダム関数の正準表現の特殊なケースの一つなのかもしれませんね。私はプロの数学者ではないので、誰にもわかりません。要は、グリッドで「ふるい分け」するわけです。しかし、気にしないでください。私はまだ数学を並べるのではなく、アイデアとコンセプトを扱わなければなりません。重要なのは、変換後に2つのプロセスしか得られないことです。これらのプロセスは線形ですが、より複雑な構造を持っています。

ランダムプロセス。プロセスの特性をM 15の刻みに合わせている

変換後、我々は以下を得る。

ランダムプロセスの場合、モデル中の係数b(alpha) とb(ω) は、同じモジュロになり、それぞれの長さの違いは、どちらかのダイナミクスの優位性を示し、ランダムプロセスの場合、分離したプロセスの内部構造は直線に近くなります。まだ理論的な問題や、より良いアルゴリズムの開発などがありますが、それはまた別の話です。

ところで、もう一つの間接的な（まだ厳密に証明されていない意味での）主張は、分解特性がランダムBPのそれとは異なるので、引用されたプロセスはランダムではないということです（まあ・・・まだここでは厳密にすべて証明されていませんが）。

そこで、状態（プロセス）間の遷移確率の問題が残る。これらの遷移が「マルコフ的」であるとみなせるなら、Kolmogorov-Chempen式によって、将来のある地平におけるシステムの状態の確率を求めることが可能になる。

クールな現象について（これは研究が許されるかどうかというような、既成の現象の枝葉ではない。）だから、ここで私は「ストキャスティック・パターン」（TAは関係ない）があることを確信している、非常に強い確信を持っている、それが確認されることを望んでいるのだ。私が間違っている可能性もありますし、そうなるともう、想像するのも怖いですが、パウカス 結局、逸失利益の請求書が提出されることになります。

 
IgorM:

ひとつわからないことがあるのですが、なぜOrepsを分析する必要があるのでしょうか？

さて、オッペンやクローズは、バーの終値で人為的に下げたり上げたりしますが、時にはバーの終値で「ろうそくの色を描き直すゲームがある」ようです。

私の持論は、DTから得られるもの、OHLCはすべて人為的なものであるということです。しかし、真面目な話、等間隔でプロセスを測定する必要があります（工学的な観点からはDSPの方が身近で正しいのですが）。OHLCの特性は、私にはあまり変わらないように思います。
 
Farnsworth:
真面目な話ですが、プロセスは等間隔で測定する必要があります（工学的にはDSPの方が身近で正しい）。
NNさん、何かしらの勢いを求めているようですが
 
IgorM:
NNさん、何かしらの勢いを求めているようですが
いや、運動量（とその派生物）は関係ない。
 
Farnsworth:
私の持論は、DCから得られるもの、すべてのOHLCは人工的なものであるということです。しかし、真面目な話、同じ時間間隔でプロセスを測定する必要があります（工学的な観点からはDSPの方が身近で正しいので）。OHLCの特性は、私にはあまり違いがないように見えます。
まあ、興味本位で、ハイアマでアルファ、ローアマでオメガを見てみるのもいいかもしれませんね。
 
marketeer:
まあ、興味本位でαをハイアマ、Ωをローアマで見てみるのもいいかもしれません。 。

質問ではなく、来週の日曜日、研究室に行ったときだけです。根本的に変わることはないと思います。すべての変換特性も、ほぼ変わらないでしょう。

すべて

もう一度注意したいのは、同僚はどうか知りませんが、増分のRMSの範囲内に収めると傾向が出ることです -私は非常に驚きました。正直なところ、私はワンダフル・トレンドのようなものを期待していました。本当にトレンドなんですね。つまり、線形回帰は どんな系列にも、ランダムなものにも完璧にフィットし、例えば10年前の時系列の95%は平均誤差内でa+b*xで説明されると表示されます。フラクタル特性、特にハースト指数をいくつかの方法（R/S分析、分散偏差...）で推定したものを使用したことがある。計算には時間がかかるが、ランダムウォークとは異なり、与えられたLAMBDAのトレンドを確信を持って示すことができる。

面白い機微もあるのですが、それはずっと後の話です。

 
Farnsworth:
ファットテイル」の研究において、より本格的な「フラクタル」数学に到達できることを期待しています。もう少し時間がかかると思いますが、とりあえず、科学的な研究に近いものがあり、考えさせられたので掲載します。

モデルに関する前提条件

...

瀧 前よりずっと面白くなりましたね。

ここで質問ですが、両方のプロセスで、カウントの間に意味のある相関関係があるのでしょうか（線形傾向、とは言い切れません）。もし、このような依存性がすべての変換の後に現れるなら、その過程（両方）はランダムウォークと区別される特性を持っていると考えるのは簡単です。

ちなみに、工程ごとに分けることも可能です。つまり、RMSカットオフで割るのではなく、...よくわからないけど、自己相関で 割る、などです。

 
HideYourRichess:

瀧 前よりずっと面白くなりましたね。

問題は、両プロセスにおいて、サンプル間に意味のある依存性があるかどうかです（線形傾向、実際はありません）。もし、このような依存性がすべての変換の後に現れるなら、その過程（両方）はランダムウォークと区別される特性を持っていると考えるのは簡単です。

ちなみに、工程ごとに分けることも可能です。つまり、RMSカットオフで割るのではなく、...よくわからないけど、自己相関で割る、などです。


パターン/依存性はどこから来るのか？時間軸をとって、値によってある増分をある山に、ある増分を別の山に入れるのです。そして、いくつかのポイントや基準点の移動によって、これらの「プロセス」の構成が変化することがあります。 このような内訳で、売買ロジックはどこから出てくるのでしょうか。m15で20点をオメガに紹介しますが、21点だったらまた違ってくるので、αです :)そもそも、このような帰国子女部門マトリックスはどこから出てきたのでしょうか。マトリックスを見ると、一方の「プロセス」ではネガティブなリターニーが多く、他方の「プロセス」ではポジティブなリターニーが多くなるように、ランダムウォークとさえ異なる結果になったのはなぜでしょうか。もちろん、一方のプロセスではネガティブなリターンが多くなり、もう一方のプロセスではポジティブなリターンが多くなるのでしょう？
 
HideYourRichess:

瀧 前よりずっと面白くなりましたね。

問題は、両プロセスのカウントに意味のある依存関係があるかどうかである。このような依存性がすべての変換の後に現れるのであれば、その過程は本当にランダムウォークと区別される性質を持っているのだろう、という単純な考えです。

これらのプロセスの相関はまだ見えていません。しかも、わざわざ見たわけではありません。主な理由は、その分類に該当するカウントだけをシリーズから「ピックアップ」したからです。穴が開いているのは無視されただけです。つまり、本来の構想によれば、単なる線ではなく、より複雑な構造を持った、決定論的なトレンドが存在する。そして、この「トレンド」のプロセスは、別のもっと複雑な「キラー・プロセス」（テール、イヤー、何でも突き出す）によって中断される（まさに中断されるか破壊される）のです。ここで重要なのは、トレンドがノイズと混ざり合っているのではなく、2つの非常に複雑なプロセスが競合し、一方は創造的、他方は破壊的であることです。

使う？- ほとんど簡単です :o) キャリープロセス」を十分に正確に（合理的な範囲で）予測し、例えばモンテカルロ法で将来の破壊を推定し、「暴落」後の価格蓄積の最も確率の高いレベルを推定することができます。

そして、この果てしないトレンドの生成と破壊のプロセスの中に、まさに「ストキャスティック・パターン」があるに違いないと思うのです。さまざまな角度から見て、こんなアプローチもあります。しかし、哲学は少し変わります。トレンドがあること、それは企業、社会、国、どんなものであれ、本質的に決まっていることが分かります。それは一つであり、すなわちブルもベアも存在しない。しかし、このトレンドが理想的な状態で存在できない環境条件があり、社会そのものも含めて、それを破壊してしまう（トレンド）。でも、これは全部歌詞だから、気にしないでね。

ちなみに、処理を分割するためには、これを利用することも可能です。つまり、RMSカットオフで割るのではなく、...よくわからないけど、自己相関で割る、などです。

原理的には正しいのですが、それだけでフィルタリングができるわけではありません。

PS重要：この処理をDSP的にフィルタリングすることはできませんでした、全くできませんでした!!!!しかし、この原始的な方法が結果を出した。ここでは、「multi」という接頭語を含むものであれば、うまくいくはずだと思うのです。

次の日曜日には、これらの特殊なプロセスのさまざまな特性を評価してみたいと思います。

 
Avals:

パターン／依存関係はどこから来るのか？ある時間枠をとって、価値に応じてある山に、ある増分を入れたり、別の山に入れたりしているのです。そして、いくつかのポイントや基準点の移動によって、これらの「プロセス」の構成が変化することがあります。 このような内訳で、売買ロジックはどこから出てくるのでしょうか。m15で20点をオメガに紹介しますが、21点だったらまた違ってくるので、αです :)そもそも、このような帰国子女部門マトリックスはどこから出てきたのでしょうか。マトリックスを見ると、一方の「プロセス」ではネガティブなリターニーが多く、他方の「プロセス」ではポジティブなリターニーが多くなるように、ランダムウォークとさえ異なる結果になったのはなぜでしょうか？もちろん、一方のプロセスではネガティブなリターンが多くなり、もう一方のプロセスではポジティブなリターンが多くなるのでしょう？

そんな簡単なものではありません。アレクセイの 投稿を思い出す。

もう一つの現象は、長期記憶である。

私たちの多くは（もちろんやっている人の中では）ピアソン相関、より正確には自己相関によって市場の記憶を測定することに慣れています。このような相関はかなり短時間で、せいぜい5-10本のラグで有意になることがよく知られている。したがって、通常、市場に記憶があるとすれば、それは非常に短命であると結論づけられる。

しかし、ピアソン相関は棒グラフ間の直線的な関係しか測定できず、棒グラフ間の非直線的な関係は事実上無視される。ランダムプロセスの相関理論は、無意味に線形と呼ばれることはない。

しかし、確率変数間の任意の関係の事実を立証することができる統計的基準がある。例えば、カイ二乗基準-あるいは相互情報量基準など。2作目はあまり気にしたことがないのですが、1作目は気になったことがあります。使い方は、インターネット上にマニュアルがたくさんあるので、ここでは説明しません。

主な疑問はこうだ：遠く離れたバーの間に統計的な関係があるのか（例えば、バーの間に1000本ある場合）？トレーディングにどう使うか、迷うことはなかった。

答えはイエス、存在しますし、とても重要なことなのです。

例えば、1999年からのEURUSDの履歴をH1で取り、ペアリターンのカイ二乗を確認すると、バー間の「距離」が10～6000の範囲では、約90％のケースで現在のバーが過去のバーに依存していることが分かります。90%!バー間の距離が6000を超えると、このような依存関係はあまり発生しなくなりますが、それでも発生します

正直、この「発見」は、ユーロが非常に長期的な記憶を持っていることを直接的に示しており、私は唖然としました。EURUSD H1では6000本で約1年です。つまり、1年前の1時間足の中に、現在のゼロが「記憶」しているバーが残っているのである。

H4では、1000-1500bar程度まで有意な依存性が見られる。つまり、「市場の記憶」の持続期間は変わらず、約1年です。

市場の記憶は4年程度と言うピーターズを思い出してください。しかし、矛盾が...。どうすれば解決できるのか、まだわかりません。

そこで、独立に生成された合成リターンを入力として与えた場合、カイ二乗がそのような依存性を示すかどうかを確認することにした。合成リターンの分布として、正規分布とラプラス分布の2つの可能性を選び、実行しました。はい、表示されますが、基準の有意水準内です！（私は0.01でした。）つまり、合成では過去に1％程度の依存バーが表示されていた--ちょうど基準誤差の確率のレベルである。

結論はどうなったのでしょうか？

1.ユーロ相場は決してマルコフプロセスではありません。マルコフ過程では、現在の値は前の値にのみ依存します。この場合、非常に遠い過去に多数のバーがあり、現在のバーがそれに依存している。

2.いわゆる「ファンデーション」は、確かにある種の役割を担っている--たとえば、引用符を動かすための口実としてね。しかし、それだけでないことは確かです。技術に目を向ける必要がある!

3.この結果は、まだ純粋に理論的なものであり、実用上の重要性はありません。とはいえ、何かを探す人にとって、すべてが失われたわけではないことをはっきりと示している。

アヴァルス、結論を急ぐな...。

追記：Alexeyが書いたことですが、私も完全に同意見です。

1...161718192021222324252627282930...75
新しいコメント