引用における依存性統計（情報理論、相関などの特徴選択法） - ページ 22

新しいコメント
 
alexeymosc: たぶんね、アレクセイ。少なくとも、標準的なTFは3〜4時間でテストができます。MTからカスタムタイムフレームをアンロードして分析する方法はないのでしょうか？

カスタム品（M10、M20などの規格外品）は分かりませんが、規格品は必ず可能です。M5では、カイ二乗で自分で確認してみることができます。計算に時間がかかりますが、芸術には犠牲が必要です。

period_converter スクリプトでカスタムヒストリーをアンロードできるようです。

joo： M1であることは、かなり疑わしいですね。M1では、グリッドの訓練性を納得いくまで追求することができなかったんです。

アンドレイ グリッドの "ターゲット機能 "は、おそらく参考にならないでしょう。

M1でグリッドを鍛えろと煽っているわけではありません。できるだけ小さなTFで依存関係を確認するのは、あくまでも原則です。とにかく、ゼロが依存するヒストリー上のバーの割合は、D1→H4→H1→M30という順序で明らかに増えていた。最小のものでは確認していません。

相場におけるすべての情報が揮発性によってのみ伝達されるとしたら、あまりにも単純なことです。私は、マーケットが愚かにも不均一分散性を持つ計量モデルに還元されるほど原始的なものだとは思っていない。

 
joo:

指標は最近全く使われていない（指標という言葉が、報告期間中のバーの数より少ないシグナルを与える形に商を変換する手順と理解される場合）。

2.いや、でも、このスレッドを読んで、やり方がわかったら、やってみたいです。

また、複数のバーの情報を組み合わせて、テクニカル指標にすることも可能でしょうか？

2）やってみた。マスクを使って簡単な実験をしてみました。普段はどのようにされているのでしょうか？波が上がれば、価格も上がる。そこで、隣り合うMA値の差をとり、価格変動サインの最大情報量を探した。最後の変化ではなく、数十小節先であることが判明した。また、どのような価格変動に対してMAが最も有効であるかを調べ、1本先、2本先、3本先・・・の価格変動を試してみました。10.最大値は5小節先、MAは5周期であることが判明しました。単なる偶然かもしれませんが...。でも、大事なことなんです。

もちろん、MTではすべて機械的なオーバーシュートで走れるが。

 
Mathemat:

私は、市場が不均一分散性を持つ計量モデルに還元されるほど原始的なものだとは思っていません。

私は、多数のモデルに対して、異なるタイプの異分散性に関する5種類のテストを使用しましたが、この異分散性を発見したことはありません。

 
Mathemat:
M1ではないでしょうか。

小さな時間軸では、計算のために価格を正しく把握する必要があります。Bidだけでやるのは良くない。より良い0.5*(Bid+Ask)。
 
Mathemat:


M1でグリッドを鍛えろと煽っているわけではありません。できるだけ小さなTFで依存関係を確認するのは、あくまでも原則です。とにかく、ゼロが依存する履歴上のバーの割合は、D1→H4→H1→M30という順序で明らかに増加している。最小のものでは確認していません。

相場におけるすべての情報が揮発性によってのみ伝達されるとしたら、あまりにも単純なことです。私は、市場が、単純に不均一分散性を持つ計量モデルに還元されるほど原始的なものだとは思っていない。

アレクセイ、同感です!日足や5分足と比較するために、1時間足で今すぐ計測してみる。

また、ノイズとは異なる相互情報がすべてボラティリティに還元されたとは思えません。ここで一例として、私の疑問の根拠を紹介します。

5分足の特性を持つランダムなデータの頻度行列はこのようになります（1ラグ目が対象変数）。

このようなデータから予想されるように、確率は一様 であることがわかる。

そして、自然界のデータではこのような行列になります。

1-5と5-1が目立つ頻度であることがわかる（ただし、5-5もボラティリティが束になっているため、目立つ）。そして、それこそ生地が作れませんが、興味のある対象がそこにある可能性が高いです。また、ラグ変数をいくつか取れば、さらに予測の信頼性は高まります。(ちなみに、実データに対するシステムのクロスエントロピーは小さくなっている、つまり予測可能性が高まっている、ということに注意してください。これは、システム全体を記述する単一の数値に関する過去の議論と関連している)。

次に、クロックを取り、戻り値をモジュロして、一方を引き、何が残るかを見る（価格変動の符号に関係する相互情報があるはずだ）。今日なんとかなれば今日やる、ダメなら明日やる。

 
faa1947: 多くのモデルで異なるタイプの異分散性の5種類の検定を使用したが、この異分散性は見つからなかった。
その時、イングルは何のためにノーベル賞をもらったのか（ 2003年はこちら）。
 
faa1947:

私は、マーケットが、愚かにも不均一分散性を持つ計量モデルに還元されるほど原始的なものだとは思っていません。

多数のモデルに対して5種類の異分散性検定を使ったが、異分散性は見つからなかった。


確かに、市場はより複雑になっています。しかし、これは観測された現象を無視する理由にはならない。

検定について：異分散性は文献上でも広く認められている事実であり、目視でも確認することができる。もし、見つからない場合は、何か間違ったことをしたことになります。予測変数とモデル誤差に異分散性検定が適用されることもあるが、これはむしろモデル仕様のチェックである。

 
Mathemat:

アンドリュー グリッドの "ターゲット機能 "は、おそらく参考にはならないでしょう。

M1でグリッドを鍛えろと煽っているわけではありません。できるだけ小さなTFで依存関係を確認するのは、あくまでも原則です。とにかく、ゼロが依存する履歴上のバーの割合は、D1→H4→H1→M30という順序で明らかに増加しました。小さいものでは確認したことがありません。

相場におけるすべての情報が揮発性によってのみ伝達されるとしたら、あまりにも単純なことです。不均一分散性を持つ計量モデルに還元されるほど、市場が原始的だとは思っていません。

いや、実は「M1に恨みはない」んです。ただし、他の条件がすべて同じであれば（同時に、ボラティリティに関する情報がないようなデータを入力した場合、H1で最も良い結果を観察しています）、です。だから、H1とは違う、どこか近くにある別のTFが「良い」のかもしれないと言ったんです。
 
alexeymosc:

2.そして、やってみた。ウェービングマシンによる簡単な実験をしてみました。普段はどのようにされているのでしょうか？上がれば値段も上がります。そこで、隣り合うMA値の差をとり、価格変動サインの最大情報量を探した。最後の変化ではなく、数十小節先であることが判明した。また、どのような価格変動に対してMAが最も有効であるかを調べ、1本先、2本先、3本先・・・の価格変動を試してみました。10.最大値は5小節先、MAは5周期であることが判明しました。単なる偶然かもしれませんが...。でも、大事なことなんです。

もちろん、MTではすべて機械的なオーバーシュートで動かすことも可能ですが。

だから、あなたの研究に興味があるのです。「グリッドに供給する最適なバーナンバーは何か、どのような組み合わせなのか」という問いに答えるものだからです。
 
Mathemat:
そして、その時イングルは何のためにノーベル賞をもらったのだろうか（ 2003年はこちら）。
5種類のテストと言いましたが、これも何かのために必要なようです。もっと面白い事実があります。"econometrics "というMatlabのツールボックスは、異なるARCHモデルしか見ません。オプション取引はしたことがない。そこかもしれませんね。しかし、FXや一部の株式商品では、商品のレベルがモデル化されているため、一度だけではありません。そして、モデルを作るときは、価値あるものを得るまでに非常に多くの選択肢を検討する--一度だけではありません。とはいえ、私が下手なのか、モデルのクラスが違うのかもしれませんが。ちなみに、以前ここでARCHモデリングについての記事がありましたので、そこでは「うちには当てはまらない」というコメントもありました。
1...151617181920212223242526272829...74
新しいコメント