Ressonância estocástica - página 29
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
É importante saber como o indicador é "usado". Talvez, não existam tais problemas.
Tem havido artigos sobre o tema da adaptabilidade dos indicadores. O mais simples é sobrepor o Bollinger RSI. Forma estatística simples baseada em RMS e sem construir distribuições teóricas.
Tudo bem, Yurixx, eu não estou atribuindo essa frase a você. E quanto à atitude céptica em relação aos artifícios... Tenho Maple instalado em casa, às vezes isso realmente me ajuda, inclusive com cálculos simbólicos. Entretanto, há muito tempo eu não a utilizo.
Eu costumava ter um Matcad, depois me atualizei para o Matlab. Neuroshell2 recentemente instalada. Onde mais eu tomaria o tempo necessário para lidar com tudo isso. E eu gostaria de... Há algumas coisas que eu realmente gostaria de resolver.
Portanto, sem brincadeiras, minha atitude céptica se limita ao ceticismo sobre minhas habilidades de entender tudo o que eu quero. Todas estas coisas são bagagens maravilhosas para aplicação de métodos já desenvolvidos e aperfeiçoados, por aqueles que não precisam aprofundar, que precisam de resultados em números. Se falamos de todos nós aqui, estamos tentando criar algo novo. Dificilmente é possível sem penetração profunda. Mas... é para isso que os avós são, para cavar fundo.
É importante saber como o indicador é "usado". Pode não haver tal problema.
Havia alguns artigos sobre a adaptabilidade dos indicadores. A mais simples é sobrepor o RSI do Bollinger. Uma forma estatística simples baseada em RMS e sem construir distribuições teóricas.
Sem dúvida, há muitas possibilidades e métodos diferentes. Isso significa que devemos nos recusar a fazer algo novo, em particular "distribuições teóricas"?
para Yurixx
Tenho uma pergunta interessante à medida que vou avançando. Alguém pode me esclarecer por que uma função de distribuição tão simples e conveniente com boas propriedades não é usada em estatísticas? E se for usado, por que não está escrito sobre? Nunca vi ninguém tentar aproximar-se de uma distribuição incremental que não fosse a lognormal.
Tenho a seguinte nota a respeito da essência do meu trabalho: é necessário esclarecer que realmente falamos sobre a expectativa Ymin e Ymax. A condição "matança" de calcular a média mínima por valores mínimos da série suaviza este inconveniente, mas gera outro - na verdade, diz respeito à probabilidade de ocorrência de M valores mínimos (máximos) das séries em uma linha (é por isso que uso a palavra "matança"). Com a tendência do N para o infinito, a probabilidade de tal evento tenderá a 0. Não analisei os cálculos em detalhes, mas devemos supor que X1 funcionará a 0 e X2 também funcionará ao infinito. Depois deles Ymin e Ymax seguirão o mesmo caminho, o primeiro claramente visto na segunda figura, o segundo não cabe em nenhum diagrama. Isto faz com que seu valor como coeficientes de normalização seja questionável, mesmo que tendendo devagar o suficiente.
Há muito tempo venho praticando o racionamento, inclusive para preços. IMHO, o mais natural é usar um intervalo de confiança para isso. Isto é F(Ymax)=1-Delta, se na prática - você faz uma distribuição real de Y com o máximo de N disponível e para o Delta escolhido você encontra Ymax por classificação. Eu não cronometrei, mas para Y simples não vai ser preciso muito.
para Yurixx
Concisa, mas sucinta. Perdoe minha mórbida curiosidade natural, você sempre quer entender até mesmo o que você pessoalmente não precisa. :о)
para Yurixx
Conciso, mas sucinto. Perdoe minha mórbida curiosidade natural, você sempre quer entender até mesmo o que você pessoalmente não precisa. :о)
É por isso que eu amo a todos vocês, pessoal! :-)
...tenho uma pergunta interessante ao longo do caminho. Alguém pode me esclarecer por que uma função de distribuição tão simples e conveniente com boas propriedades não é usada em estatísticas? E se for usado, por que não está escrito sobre? Nunca vi ninguém tentar aproximar-se de uma distribuição incremental que não fosse a lognormal.
Yura, eu não sei a resposta a esta pergunta.
Só posso assumir que sua distribuição proposta p(X)=A*(X^a)*exp(-B*(X^b)), é um caso particular (por exemplo, Distribuição Exponencial Generalizada p(X)=a/(2G[1/a]*l*s)exp{-[(x-m)/l*sl*s]^a}, Bulashev, p.41), ou aqueles poucos, que também conseguiram chegar ao fundo da questão, decidiram ficar em silêncio e cortar em silêncio o repolho na vasta Forpolye:)
Mas eu tenho uma contra-question!
Há algum tempo atrás eu estava estudando modelos autoregressivos de ordem arbitrária (quando procuramos a dependência da amplitude da barra atual e seu sinal na soma das ações sobre ela de um número arbitrário de barras anteriores). Resolvi este problema tão bem que não podia dizer se a série de modelos era real ou não por sua aparência, mas para uma exceção - a função de distribuição (DP) da série de modelos estava longe da realidade. Eu nunca consegui encontrar a razão para a discrepância. Intuitivamente, senti que a coincidência das funções de autocorrelação era suficiente para combinar com o PDF de suas primeiras diferenças. Acontece que não era... Há algo que não estou levando em conta ao modelar o comportamento das séries de resíduos.
O que você pensa sobre este assunto?
Eu vou entrar aqui, Neutron. Eu não sou um estatístico, então tive que fazer a pergunta sobre mexmat.ru. Está aqui: http://lib.mexmat.ru/forum/viewtopic.php?t=9102
Pergunta: quais informações sobre o processo estacionário são suficientes para reproduzi-lo corretamente? A resposta foi: é preciso conhecer a função de covariância e o modus operandi do processo. Eu ainda não sei como construir um processo com uma dada função de covariância. Mas a idéia é que o processo resultante poderia ser considerado uma implementação adequada do processo simulado original. Talvez seu processo não tenha sido estacionário?
P.S. Quero uma simulação plausível do processo de resíduos (devoluções). De acordo com Peters, a distribuição dos resíduos é fractal com precisão aceitável e o processo é estacionário. Embora outros modelos não estejam excluídos...
Tenho uma pergunta interessante à medida que vou avançando. Alguém pode me esclarecer por que uma função de distribuição tão simples e conveniente com boas propriedades não é usada em estatísticas? E se for usado, por que não está escrito sobre? Nunca vi ninguém tentar aproximar uma distribuição de tipo incremental que não fosse lognormal.
De fato, tenho a seguinte nota: é necessário esclarecer que realmente falamos sobre a expectativa Ymin e Ymax. A condição "matança" de calcular a média mínima por valores mínimos da série suaviza este inconveniente, mas gera outro - na verdade, diz respeito à probabilidade de ocorrência de M valores mínimos (máximos) das séries em uma linha (é por isso que uso a palavra "matança"). Com a tendência do N para o infinito, a probabilidade de tal evento tenderá a 0. Não analisei os cálculos em detalhes, mas devemos supor que X1 passará para 0 e X2 também passará para o infinito. Depois deles Ymin e Ymax seguirão o mesmo caminho, o primeiro é claramente visto na segunda figura, o segundo não caberá em nenhum diagrama. Isto faz com que seu valor como coeficientes de racionamento seja duvidoso, mesmo em um esforço bastante lento.
Há bastante tempo venho praticando a normalização, inclusive quanto aos preços. IMHO, a coisa mais natural a fazer é usar um intervalo de confiança para isso. Isto é F(Ymax)=1-Delta, se na prática - você faz uma distribuição real de Y com o máximo de N disponível e para o Delta escolhido você encontra Ymax por classificação. Eu não cronometrei, mas para Y simples não vai ser preciso muito.
Concordo com todos os comentários. E a imagem do comportamento dos limites em N -> existe perfeitamente correta. Mas.
Isto não é um cálculo dos limites Ymin e Ymax, apenas sua avaliação estatística. O objetivo, a normalização do alcance, impõe requisitos não muito rígidos sobre a precisão da tarefa. Levando isto em consideração, penso que tais suposições (incorretas em essência) são bastante aceitáveis. Mas se fosse necessário determinar o tempo de chamada além do limite, teria que ser determinado com muito mais precisão.
Eu realmente me limitei ao caso do N finito, que é o que eu disse explicitamente. Se mesmo você utiliza o máximo disponível, mas finito N em seus cálculos, então eu tenho direito a ele. :-)) O que acontecerá com ele quando N chegar ao infinito é desconhecido. Uma consolação - você e eu não existiremos mais. E forex também.
Quero chamar sua atenção para o objetivo principal do problema. Não se trata de calcular Ymin e Ymax per se. Trata-se de recalcular os dados de uma série derivada utilizando os dados da série original. Além disso, seu método de recalcular a normalização é arbitrário, vinculado ao conjunto histórico sobre o qual você o faz. Quando você muda o t/f, ele pode mudar de 2000 barras para, digamos, 500000 barras. Atingir o limite de alcance no primeiro caso não diz nada, mas no segundo caso diz muito. Você pode acusar meu método de arbitrariedade somente com uma função de distribuição de modelos em mente. No entanto, se a quantidade de dados reais, plotados experimentalmente na "quantidade máxima disponível" é bem aproximada pela distribuição do modelo, então onde está a arbitrariedade nele?