Construindo um sistema comercial usando filtros digitais de baixa passagem - página 11

 
Mathemat:

Aqui estamos falando tanto sobre estacionariedade e outras coisas inteligentes. Mas ainda não há um critério claro de estacionaridade (uma avaliação visual do último gráfico do Prival, que supostamente é semelhante à BGS, não é uma metodologia rigorosa). Como "reacionalizar" o processo é outro tópico.

Eu só quero saber como verificar a estacionaridade. E eu preciso de linhas "residuais" não para negociação, mas para sistemas de verificação (embora não, eu minto, eu vou verificar a adequação profissional para negociação também).


Não fique chateado. Na verdade, o conceito de "estacionário", o que quer que digam ou escrevam, não tem uma formulação clara. E a prática da aplicação... e a prática de aplicação que tentei mostrar logo acima.
 
Mathemat:

Obrigado, D500_Rised. Prival, você tem algo parecido com isto?

Primeiro e acima de tudo é a
Dickey-Fuller (ou sua versão estendida) - o teste ADF
É bastante bem implementado em Eviews.

Os mais difíceis de implementar são os testes de mudança estrutural
-Andrews-Zivot e
-Lumsdain-Pappel
https://forum.mql4.com/ru/9321/page9
:о)
 
grasn:
ao Vento Norte
Acho que já vi algo semelhante. O que posso dizer, a espectrosanálise como ferramenta auxiliar, que pode objetar. É uma boa idéia ver se é mais fácil usar feiticeiros ou algo parecido ao invés de espectros.
Muito possivelmente, houve várias publicações sobre o assunto, e a questão foi trabalhada em detalhes nos fóruns. Se não me engano, toda a seleção da janela adaptativa foi reduzida à análise dos extremos do espectro com base no método da entropia máxima. Parecia funcionar, e havia algum sentido nisso, já que existem janelas "plus" para MACD a qualquer momento, você só precisa encontrá-las. É claro que é possível usar MA em vez de um espectro, mas dependendo de como a tarefa é definida, ela pode não funcionar.

Quanto aos filtros lowpass, eu costumava me entreter tentando prever o sinal filtrado usando todos os métodos conhecidos. De certa forma, é claro, funciona :o /

Você não pode usar apenas MA, mas um conjunto de filtros digitais pré-calculados. É possível que estes extremos não "se desviem" muito ao longo da escala.

Além disso, essas peculiaridades dos castiçais não nos dão muita esperança de precisão, portanto...

 

Rapazes, pensando sobre este tópico. Eu tenho um problema simples:

Alguém pode me explicar em "duas palavras" o significado dos termos "BP estacionário" e "BP não estacionário" ?

Devido à falta dessas especificidades, não posso ter certeza de que estou pensando corretamente sobre isso.

 
grasn писал (а): https://forum.mql4.com/ru/9321/page9
:о)

Grasn, na p. 10 lá (eu mesmo me cito):

A situação torna-se bastante complicada: para saber se um processo é estacionário, é preciso primeiro conhecer seu modelo realista (aqui AR(1)). Mas não se parece com um. Portanto, o teste também não parece ser aplicável.
Cara, é uma espécie de beco sem saída. A própria definição de estacionariedade... não é a mesma coisa, não é rígida. "Para que um processo seja estacionário, o m.o. etc. deve ser constante". Isto é, o próprio processo de m.o. deve ser estacionário :)))) Oiled...
 
Cara, é um beco sem saída. A própria definição de estacionariedade é... algo diferente, não rigoroso. "Para que um processo seja estacionário, o m.o. etc. deve ser constante". Isto é, o próprio processo de m.o. deve ser estacionário :)))) Amanteigado...

De onde você tirou isso? Se o m.o. é constante, então não há processo de m.o. e nenhuma questão de sua estacionaridade, e como resultado não há óleo amanteigado.

A definição que Prival deu é bastante rigorosa. O que há de errado com isso?
 

Como não pode haver processo, bstone? E constância - em algum sentido estatístico, é claro, não na estrita igualdade de todas as contas. Aqui está a definição dada por Prival:

Um processo aleatório (SP) com variação finita é chamado de estacionário no sentido amplo se, sua função OLS (m.o.) e covariância são invariantes em relação ao deslocamento temporal, ou seja, o OLS é constante (não dependente do tempo) e a função de covariância depende apenas da diferença de argumentos t 2- t 1.

O único teste de estacionaridade que conheço é o teste Dickey-Fuller. Mas ele assume algum modelo do processo (neste caso, autoregressão de primeira ordem). Mas e se o modelo não for conhecido por nós de antemão?


Comecemos com a mais simples: "O MOJ é constante (independente do tempo)". Como você praticamente testaria isso? Calcular a média móvel do processo (é o que é o OIM)? Com que período?

 
Bem, está tudo aí na definição: o m.o. deve ser invariante no que diz respeito à mudança de horário. Na verdade, isto significa que se você fizer uma série de medições do processo em estudo, dado algum período (o período não precisa ser o mesmo, mas deve ser suficientemente grande para a validade estatística da estimativa de m.o. resultante). Cada medição cobre uma parte separada da série (mudança de tempo), quanto mais peças, maior a confiabilidade.

Como resultado, obtemos uma série de medições (não um processo), desta série de medições obtemos uma estimativa de m.o. com as características estatísticas apropriadas. É isso aí.
 

bstone, tudo isso é compreensível - e ao mesmo tempo você não me disse nada de novo. Qual deve ser o período médio para se obter uma estimativa atual da IOJ? Digamos que eu tenho 14.000 contagens. O período é 10, 50, 100 ou 200?

E qual deveria ser a variação da OLS para considerar que a hipótese de invariância da OLS ao longo do tempo não é rejeitada?

 
Mathemat:

bstone, tudo isso é compreensível - e ao mesmo tempo você não me disse nada de novo. Qual deve ser o período médio para se obter uma estimativa atual da IOJ? Digamos que eu tenho 14.000 contagens. O período é 10, 50, 100 ou 200?

E qual deve ser a variação da OLS para considerar que a hipótese de invariância da OLS ao longo do tempo não é rejeitada?

Bem, se eu não relatei nada de novo, então é hora de lembrar o conceito de intervalo de confiança. Neste caso, o tamanho do período depende apenas de suas reivindicações sobre a exatidão do resultado obtido. Ou seja, você pode definir um intervalo de confiança adequado para a estimativa de m.o.s. para uma determinada parcela, a fim de descobrir o tamanho requerido. Então você pode fazer o mesmo com o cálculo do número necessário de parcelas para a estimativa final.

Existem diferentes métodos para calcular o intervalo de confiança. Talvez seja necessário primeiro identificar e provar que os resultados das medições estão de acordo com as distribuições conhecidas (por exemplo, o método para calcular os intervalos de confiança pela distribuição dos estudantes geralmente só funciona para amostras de populações normalmente distribuídas).

É possível que já na fase de tentativa de identificar a lei de distribuição de medidas você possa descobrir que a estacionaridade não é de se esperar.

P.S. Eu sou na verdade um gerente, portanto tenho um conhecimento relativamente superficial de estatísticas, mas isto é o que o senso comum dita, baseado no que eu sei.