가격이 dS(t)=mu(t)*dt+sigma(t)*dW (또는 dS(t)=mu(t)*S(t)*dt+sigma (t)*S (t)*dW, 그러면 우리는 가격 증분에 대해 이야기하는 것이 아니라 비율의 로그에 대해 이야기하는 것입니다. 여기서 mu(t)는 드리프트 계수이고 sigma(t)는 변동성 계수입니다.
추세에 대해 이야기하는 경우 mu(t)는 0이 아니어야 합니다. mu/sigma 추정치를 작성하고 편견/일관성/효율성을 증명하십시오(그런데 시그마(t) 모델에 COGARCH(p,q)와 같은 것을 추가하는 것을 잊지 마십시오).
실제로 추세가 있고 매개변수를 정확하게 추정할 수 있는 경우 이 모델을 사용하여 가격을 예측할 수 있으며 예측 가격 증분과 실제 가격 증분 간에 양의 상관 관계가 있습니다(이것이 실제로 거래에 충분합니다).
ps mu(t)가 조각별 상수 함수라는 단순화된 가정을 할 수 있습니다. 그런 다음 최소 제곱법과 체비쇼프 부등식을 사용해 볼 수 있습니다.
나는 환상에 불과한 임의의 시리즈에 대한 "추세"의 매우 간단한 예를 들었습니다. 인용문은 매우 복잡한 다중 프랙탈이며 전혀 자체 유사하지 않습니다. 너무 복잡하여 인용문의 순서가 혼돈에서 이 순서의 가장 높은 정도의 표현으로 나타납니다. 거기에는 모든 것이 다릅니다.
젠장, 1차 계열의 상관관계를 평가하는 것은 무의미합니다. 상관 관계는 통계입니다. 예를 들어 1000개의 케이스를 선택하고 지연당 상관 관계를 추정하려고 합니다. 유레카의 경우 1 포인트 는 0.000001입니다. 견적 규모에서 이러한 다중 프랙탈에 대한 궤적 편차의 일부 속성과 최소 단계로 가격이 얼마나 갈 것이라고 생각하십니까? 물론 그렇지 않습니다. 이 계수는 높은 통계적 근접성을 보여줍니다. 공식을 보십시오. 견적이 1.5이고 가격이 평균적으로 0.0003만큼 움직였습니다. 1.5와 1.4997을 공식에 대입했을 때 통계적으로 가까운 값이라고 생각하십니까? 각 범위에 대해서도 마찬가지입니다. 그리고 트렌드가 눈에 들어옵니다. :)
Alexey(Mathemat)는 매우 흥미로운 연구를 수행 했고, 저는 거기에 있었습니다. :) 관계 평가와 관련하여. 그러나 어떻게 든 사람들은 나타나지 않았습니다 :(
가격이 dS(t)=mu(t)*dt+sigma(t)*dW (또는 dS(t)=mu(t)*S(t)*dt+sigma (t)*S (t)*dW, 그러면 우리는 가격 증분에 대해 이야기하는 것이 아니라 비율의 로그에 대해 이야기하는 것입니다. 여기서 mu(t)는 드리프트 계수이고 sigma(t)는 변동성 계수입니다.
추세에 대해 이야기하는 경우 mu(t)는 0이 아니어야 합니다. mu/sigma 추정치를 작성하고 편견/일관성/효율성을 증명하십시오(그런데 시그마(t) 모델에 COGARCH(p,q)와 같은 것을 추가하는 것을 잊지 마십시오).
실제로 추세가 있고 매개변수를 정확하게 추정할 수 있는 경우 이 모델을 사용하여 가격을 예측할 수 있으며 예측 가격 증분과 실제 가격 증분 간에 양의 상관 관계가 있습니다(이것이 실제로 거래에 충분합니다).
ps mu(t)가 조각별 상수 함수라는 단순화된 가정을 할 수 있습니다. 그런 다음 최소 제곱법과 체비쇼프 부등식을 사용해 볼 수 있습니다.
나는 환상에 불과한 임의의 시리즈에 대한 "추세"의 매우 간단한 예를 들었습니다. 인용문은 매우 복잡한 다중 프랙탈이며 전혀 자체 유사하지 않습니다. 너무 복잡하여 인용문의 순서가 혼돈에서 이 순서의 가장 높은 정도의 표현으로 나타납니다. 거기에는 모든 것이 다릅니다.
젠장, 1차 계열의 상관관계를 평가하는 것은 무의미합니다. 상관 관계는 통계입니다. 예를 들어 1000개의 케이스를 사용하고 지연당 상관 관계를 추정하려고 합니다. 유레카의 경우 1포인트는 0.000001입니다. 견적 규모에서 이러한 다중 프랙탈에 대한 궤적 편차의 일부 속성과 최소 단계로 가격이 얼마나 갈 것이라고 생각하십니까? 물론 그렇지 않습니다. 이 계수는 높은 통계적 근접성을 보여줍니다. 공식을 보십시오. 견적이 1.5이고 가격이 평균적으로 0.0003만큼 움직였습니다. 1.5와 1.4997을 공식에 대입했을 때 통계적으로 가까운 값이라고 생각하십니까? 각 범위에 대해서도 마찬가지입니다. 그리고 트렌드가 눈에 들어옵니다. :)
Alexey(Mathemat)는 매우 흥미로운 연구를 수행 했고, 저는 거기에 있었습니다. :) 관계 평가와 관련하여. 그러나 어떻게 든 사람들은 나타나지 않았습니다 :(
나는 환상에 불과한 임의의 시리즈에 대한 "추세"의 매우 간단한 예를 들었습니다.
일반적으로 확정적 추세와 구별할 수 없는 확률적 추세 - 증거가 있는 기사를 보았습니다.
인용문은 매우 복잡한 다중 프랙탈이며 전혀 자체 유사하지 않습니다. 너무 복잡하여 인용문의 순서가 혼돈에서 이 순서의 가장 높은 정도의 표현으로 나타납니다. 거기에는 모든 것이 다릅니다.
프랙탈을 포함한 어려움은 방치해두자.
그것은 완전히 다른 것에 관한 것입니다. 비정상성의 문제가 있다. 우리는 무언가를 알아 내려고 노력하고 있습니다.
젠장, 1차 계열의 상관관계를 평가하는 것은 무의미합니다. 상관관계는 예를 들어 통계입니다.
나에게 상관 관계 문제는 없습니다. 이것은 일반적으로 모호한 것입니다.
견적을 받아 ACF를 계산합니다. 자기 상관 이 보입니다. 나에게 이것은 결정론적 구성 요소가 있다는 신호입니다. 한편으로는 그 존재가 성공의 기회이기 때문에 좋습니다. 반면에 결정론적 요소가 있는 한 일반적으로 통계, 특히 상관관계에 대해서는 아무 말도 할 수 없기 때문에 좋지 않습니다.
나는 성공적인 결정적 구성 요소를 선택했습니다. 나는 나머지를 본다 - 무엇을 할 수 있는지 등.
처음부터 나는 회귀에 대해 논의할 것을 제안하지 않았으며, 더욱이 내가 개략적으로 설명한 특정 형태의 회귀에 대해 논의할 것을 제안하지 않았습니다. 위의 회귀는 계열을 우리가 처리할 수 있는 구성 요소로 분해하는 것을 보여주는 요소입니다. 이중으로 결정된 성분과 GARCH를 분리하는 것이 가능함을 보여주었다.
그리고 예측 가능성의 문제가 있습니다.
프랙탈 수준이 아니라 구체적으로 논의할 준비가 되었다면 오세요. 나는 모델에 주기성이 없다는 것을 확실히 알고 있습니다. 아마도 수학 이 충분하지 않을 수 있습니다.
제안하다. 상용 제품과는 거리가 멉니다. 그러나 토론하는 동안 우리는 의심의 여지없이 우리의 수준과 포럼의 수준을 높일 것입니다. 그리고 동시에 우리는 자전거 발명가들을 압박할 것입니다.
가격이 dS(t)=mu(t)*dt+sigma(t)*dW (또는 dS(t)=mu(t)*S(t)*dt+sigma (t)*S (t)*dW, 그러면 우리는 가격 증분에 대해 이야기하는 것이 아니라 비율의 로그에 대해 이야기하는 것입니다. 여기서 mu(t)는 드리프트 계수이고 sigma(t)는 변동성 계수입니다.
추세에 대해 이야기하는 경우 mu(t)는 0이 아니어야 합니다. mu/sigma 추정치를 작성하고 편견/일관성/효율성을 증명하십시오(그런데 시그마(t) 모델에 COGARCH(p,q)와 같은 것을 추가하는 것을 잊지 마십시오).
실제로 추세가 있고 매개변수를 정확하게 추정할 수 있는 경우 이 모델을 사용하여 가격을 예측할 수 있으며 예측 가격 증분과 실제 가격 증분 간에 양의 상관 관계가 있습니다(이것이 실제로 거래에 충분합니다).
ps mu(t)가 조각별 상수 함수라는 단순화된 가정을 할 수 있습니다. 그런 다음 최소 제곱법과 체비쇼프 부등식을 사용해 볼 수 있습니다.
권장되는 1600 대신 람다 = 1인 HP를 사용했습니다. HP로 인해 예측 가능성이 낮을 수 있습니다. 모르겠어. 변수에서 선형이 아닌 다항식이 필요할 수 있습니까? 그러나 우리는 평활 함수에 따라 예측 가능성이 낮다는 것을 확실히 해야 합니다.
모델 매개변수 y(t)=alpha+rho*y(t-1)+beta*t를 추정해 보십시오. 확률적 추세의 경우 rho=1, beta=0이 됩니다. 결정적 - abs(rho)<1의 경우.
UPD: "beta*t"는 선택한 결정적 추세 모델에 따라 다른 것일 수 있습니다.
이 기사에 대한 링크를 찾고 싶지 않습니다. 그러나 그녀에게서는 학위 논문과 실용적인 무익함의 큰 냄새가 난다. 그래서 저는 회귀를 고수하고 이 특정 단순 모델의 예측 가능성이 낮은 문제를 이해하려고 노력하고 있지만 시리즈를 구성 요소로 분해한다는 아이디어를 가지고 있습니다.
감정이 적습니다.
당신이 쓰는 "트렌드"는 없습니다.
어때요? 정당화, 거기에 무엇이 있습니까?
당신이 쓰는 "트렌드"는 없습니다.
어때요? 정당화, 거기에 무엇이 있습니까?
가격이 dS(t)=mu(t)*dt+sigma(t)*dW (또는 dS(t)=mu(t)*S(t)*dt+sigma (t)*S (t)*dW, 그러면 우리는 가격 증분에 대해 이야기하는 것이 아니라 비율의 로그에 대해 이야기하는 것입니다. 여기서 mu(t)는 드리프트 계수이고 sigma(t)는 변동성 계수입니다.
추세에 대해 이야기하는 경우 mu(t)는 0이 아니어야 합니다. mu/sigma 추정치를 작성하고 편견/일관성/효율성을 증명하십시오(그런데 시그마(t) 모델에 COGARCH(p,q)와 같은 것을 추가하는 것을 잊지 마십시오).
실제로 추세가 있고 매개변수를 정확하게 추정할 수 있는 경우 이 모델을 사용하여 가격을 예측할 수 있으며 예측 가격 증분과 실제 가격 증분 간에 양의 상관 관계가 있습니다(이것이 실제로 거래에 충분합니다).
ps mu(t)가 조각별 상수 함수라는 단순화된 가정을 할 수 있습니다. 그런 다음 최소 제곱법과 체비쇼프 부등식을 사용해 볼 수 있습니다.
어때요? 정당화, 거기에 무엇이 있습니까?
감정이 사라진지 오래되었고 좋지 않습니다 :(
나는 환상에 불과한 임의의 시리즈에 대한 "추세"의 매우 간단한 예를 들었습니다. 인용문은 매우 복잡한 다중 프랙탈이며 전혀 자체 유사하지 않습니다. 너무 복잡하여 인용문의 순서가 혼돈에서 이 순서의 가장 높은 정도의 표현으로 나타납니다. 거기에는 모든 것이 다릅니다.
젠장, 1차 계열의 상관관계를 평가하는 것은 무의미합니다. 상관 관계는 통계입니다. 예를 들어 1000개의 케이스를 선택하고 지연당 상관 관계를 추정하려고 합니다. 유레카의 경우 1 포인트 는 0.000001입니다. 견적 규모에서 이러한 다중 프랙탈에 대한 궤적 편차의 일부 속성과 최소 단계로 가격이 얼마나 갈 것이라고 생각하십니까? 물론 그렇지 않습니다. 이 계수는 높은 통계적 근접성을 보여줍니다. 공식을 보십시오. 견적이 1.5이고 가격이 평균적으로 0.0003만큼 움직였습니다. 1.5와 1.4997을 공식에 대입했을 때 통계적으로 가까운 값이라고 생각하십니까? 각 범위에 대해서도 마찬가지입니다. 그리고 트렌드가 눈에 들어옵니다. :)
Alexey(Mathemat)는 매우 흥미로운 연구를 수행 했고, 저는 거기에 있었습니다. :) 관계 평가와 관련하여. 그러나 어떻게 든 사람들은 나타나지 않았습니다 :(
가격이 dS(t)=mu(t)*dt+sigma(t)*dW (또는 dS(t)=mu(t)*S(t)*dt+sigma (t)*S (t)*dW, 그러면 우리는 가격 증분에 대해 이야기하는 것이 아니라 비율의 로그에 대해 이야기하는 것입니다. 여기서 mu(t)는 드리프트 계수이고 sigma(t)는 변동성 계수입니다.
추세에 대해 이야기하는 경우 mu(t)는 0이 아니어야 합니다. mu/sigma 추정치를 작성하고 편견/일관성/효율성을 증명하십시오(그런데 시그마(t) 모델에 COGARCH(p,q)와 같은 것을 추가하는 것을 잊지 마십시오).
실제로 추세가 있고 매개변수를 정확하게 추정할 수 있는 경우 이 모델을 사용하여 가격을 예측할 수 있으며 예측 가격 증분과 실제 가격 증분 간에 양의 상관 관계가 있습니다(이것이 실제로 거래에 충분합니다).
ps mu(t)가 조각별 상수 함수라는 단순화된 가정을 할 수 있습니다. 그런 다음 최소 제곱법과 체비쇼프 부등식을 사용해 볼 수 있습니다.
감정은 오래 전에 사라졌고 나쁘다 :(
나는 환상에 불과한 임의의 시리즈에 대한 "추세"의 매우 간단한 예를 들었습니다. 인용문은 매우 복잡한 다중 프랙탈이며 전혀 자체 유사하지 않습니다. 너무 복잡하여 인용문의 순서가 혼돈에서 이 순서의 가장 높은 정도의 표현으로 나타납니다. 거기에는 모든 것이 다릅니다.
젠장, 1차 계열의 상관관계를 평가하는 것은 무의미합니다. 상관 관계는 통계입니다. 예를 들어 1000개의 케이스를 사용하고 지연당 상관 관계를 추정하려고 합니다. 유레카의 경우 1포인트는 0.000001입니다. 견적 규모에서 이러한 다중 프랙탈에 대한 궤적 편차의 일부 속성과 최소 단계로 가격이 얼마나 갈 것이라고 생각하십니까? 물론 그렇지 않습니다. 이 계수는 높은 통계적 근접성을 보여줍니다. 공식을 보십시오. 견적이 1.5이고 가격이 평균적으로 0.0003만큼 움직였습니다. 1.5와 1.4997을 공식에 대입했을 때 통계적으로 가까운 값이라고 생각하십니까? 각 범위에 대해서도 마찬가지입니다. 그리고 트렌드가 눈에 들어옵니다. :)
Alexey(Mathemat)는 매우 흥미로운 연구를 수행 했고, 저는 거기에 있었습니다. :) 관계 평가와 관련하여. 그러나 어떻게 든 사람들은 나타나지 않았습니다 :(
나는 환상에 불과한 임의의 시리즈에 대한 "추세"의 매우 간단한 예를 들었습니다.
일반적으로 확정적 추세와 구별할 수 없는 확률적 추세 - 증거가 있는 기사를 보았습니다.
인용문은 매우 복잡한 다중 프랙탈이며 전혀 자체 유사하지 않습니다. 너무 복잡하여 인용문의 순서가 혼돈에서 이 순서의 가장 높은 정도의 표현으로 나타납니다. 거기에는 모든 것이 다릅니다.
프랙탈을 포함한 어려움은 방치해두자.
그것은 완전히 다른 것에 관한 것입니다. 비정상성의 문제가 있다. 우리는 무언가를 알아 내려고 노력하고 있습니다.
젠장, 1차 계열의 상관관계를 평가하는 것은 무의미합니다. 상관관계는 예를 들어 통계입니다.
나에게 상관 관계 문제는 없습니다. 이것은 일반적으로 모호한 것입니다.
견적을 받아 ACF를 계산합니다. 자기 상관 이 보입니다. 나에게 이것은 결정론적 구성 요소가 있다는 신호입니다. 한편으로는 그 존재가 성공의 기회이기 때문에 좋습니다. 반면에 결정론적 요소가 있는 한 일반적으로 통계, 특히 상관관계에 대해서는 아무 말도 할 수 없기 때문에 좋지 않습니다.
나는 성공적인 결정적 구성 요소를 선택했습니다. 나는 나머지를 본다 - 무엇을 할 수 있는지 등.
처음부터 나는 회귀에 대해 논의할 것을 제안하지 않았으며, 더욱이 내가 개략적으로 설명한 특정 형태의 회귀에 대해 논의할 것을 제안하지 않았습니다. 위의 회귀는 계열을 우리가 처리할 수 있는 구성 요소로 분해하는 것을 보여주는 요소입니다. 이중으로 결정된 성분과 GARCH를 분리하는 것이 가능함을 보여주었다.
그리고 예측 가능성의 문제가 있습니다.
프랙탈 수준이 아니라 구체적으로 논의할 준비가 되었다면 오세요. 나는 모델에 주기성이 없다는 것을 확실히 알고 있습니다. 아마도 수학 이 충분하지 않을 수 있습니다.
제안하다. 상용 제품과는 거리가 멉니다. 그러나 토론하는 동안 우리는 의심의 여지없이 우리의 수준과 포럼의 수준을 높일 것입니다. 그리고 동시에 우리는 자전거 발명가들을 압박할 것입니다.
가격이 dS(t)=mu(t)*dt+sigma(t)*dW (또는 dS(t)=mu(t)*S(t)*dt+sigma (t)*S (t)*dW, 그러면 우리는 가격 증분에 대해 이야기하는 것이 아니라 비율의 로그에 대해 이야기하는 것입니다. 여기서 mu(t)는 드리프트 계수이고 sigma(t)는 변동성 계수입니다.
추세에 대해 이야기하는 경우 mu(t)는 0이 아니어야 합니다. mu/sigma 추정치를 작성하고 편견/일관성/효율성을 증명하십시오(그런데 시그마(t) 모델에 COGARCH(p,q)와 같은 것을 추가하는 것을 잊지 마십시오).
실제로 추세가 있고 매개변수를 정확하게 추정할 수 있는 경우 이 모델을 사용하여 가격을 예측할 수 있으며 예측 가격 증분과 실제 가격 증분 간에 양의 상관 관계가 있습니다(이것이 실제로 거래에 충분합니다).
ps mu(t)가 조각별 상수 함수라는 단순화된 가정을 할 수 있습니다. 그런 다음 최소 제곱법과 체비쇼프 부등식을 사용해 볼 수 있습니다.
나는 환상에 불과한 임의의 시리즈에 대한 "추세"의 매우 간단한 예를 들었습니다.
일반적으로 결정론적 경향과 구별할 수 없는 확률적 경향 - 증거가 있는 기사를 보았습니다.
믿기 어렵습니다.
모델 매개변수 y(t)=alpha+rho*y(t-1)+beta*t를 추정해 보십시오. 확률적 추세의 경우 rho=1, beta=0이 됩니다. 결정적 - abs(rho)<1의 경우.
UPD: "beta*t"는 선택한 결정적 추세 모델에 따라 다른 것일 수 있습니다.
믿기 어렵습니다.
모델 매개변수 y(t)=alpha+rho*y(t-1)+beta*t를 추정해 보십시오. 확률적 추세의 경우 rho=1, beta=0이 됩니다. 결정적 - abs(rho)<1의 경우.
UPD: "beta*t"는 선택한 결정적 추세 모델에 따라 다른 것일 수 있습니다.
파아에게
상용 제품과는 거리가 멀다. 내 시스템에 대해 이야기하고 있습니다. 나는 당신을 데려오는 데 별로 관심이 없음을 고백합니다. 하지만 나는 당신의 발전을 따를 것입니다 :)
글쎄, 예, 이것은 포럼이 아니라 faa와의 개인적인 서신입니다. 음 ... 좋아, 나는 높은 것에 대한 지적인 대화를 방해하지 않을 것입니다.
그리고 그때 그리고 지금, 당신이 원하는대로, 나는 바보가 아니지만 당신에게 개인적으로 대답합니다. 더 명확하게 자신을 표현하십시오. 그렇지 않으면 나와 이 게시물 또는 @ @ 이해가 안 됩니다.
약간의 유머는 결코 아프지 않습니다. 보통 도움