Filtro Hodrick-Prescott - página 4
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
+5
Não adianta.
Bem por nada...... Na minha opinião, a diferença entre os muwings é um grande indicador que realmente mostra onde está o preço. E também introduz distorções mínimas no sinal original..... ))))))
A diferença do muving nada mais é do que a primeira derivada do muving mais rápido e mostra os seus extremos, não o quociente. Isto levanta várias questões razoáveis:
Primeiro, por que vestir calças sobre a montanha e usar esta forma de determinar a derivada se existe uma clássica?
Em segundo lugar, o uso da primeira derivada na análise de séries temporais (TD) como preços implica a validade desta abordagem neste caso, e não há nenhuma! De fato, a BP não é suave (o coeficiente de autocorrelação é negativo em todas as TFs) e o método simplesmente não pode e não funciona aqui. A conseqüência da aplicação do alisamento em nosso caso, será o inevitável desfasamento de fase, que negará todas as tentativas de detectar extrema sobre o kotyr a tempo.
Terceiro, ainda não entendo a sensação de usar um muving ligeiramente redesenhado se o comércio por ele ainda for idêntico ao trabalho em um muving não redesenhado. Por que esses "truques"? Isto é algum tipo de flerte consigo mesmo?
É esta característica que lhe permite chamar de profissão de comerciante,
para utilizar muwings, análise gráfica empírica, redes neurais,
e até, surpreendentemente, métodos estatísticos semi-empíricos.
O coeficiente de autocorrelação da série de preços está na faixa (mais) 0,6-0,9,
É esta característica que lhe permite chamar de profissão de comerciante,
para utilizar muwings, análise gráfica empírica, redes neurais,
e até, surpreendentemente, métodos estatísticos semi-empíricos.
De acordo!
O coeficiente de autocorrelação da série de preços está na faixa (mais) 0,6-0,9,
Se você olhar para o problema do comércio, em última análise estamos interessados em aumentos de preços, não em seus valores absolutos; é nas mudanças de preços que o dinheiro é feito.
Portanto, neste caso, estamos falando da série da primeira diferença de preço de uma cotação, e não da série de preços original. Para a primeira série de diferenças (por exemplo, Open[i]-Open[i+1]), o coeficiente de correlação entre as amostras vizinhas é pequeno (<<<1) e sempre negativo. Para aplicar o cálculo diferencial à BP arbitrária (por exemplo, a expansão da série Taylor e a construção de um modelo de previsão em sua base - isso é o que todos nós tentamos obter de uma média móvel), a série de sua primeira diferença deve ser positivamente autocorrelata (proporciona suavidade da série inicial), infelizmente as séries de preços não satisfazem esta condição. Exatamente este fato eu quis dizer, quando disse que os muwings são pouco promissores em nosso caso - eles mostram a história. A propósito, há 20 anos, as séries de preços, embora fracas, mas positivamente correlacionadas (sua primeira diferença), permitem ganhar usando modelos simples de AT clássico. Agora a situação é diferente, e são necessárias abordagens não triviais para o problema do comércio eficaz.
De acordo!
O quadro agora é diferente, e são necessárias abordagens não triviais para resolver o problema do comércio eficiente.
O que você quer dizer com abordagens "não triviais" para a tarefa de comércio eficaz?
Boa pergunta.
Por exemplo, existe uma alternativa à expansão da série Taylor que funciona para a BP com autocorrelação negativa em sua série de primeira diferença. Ele pode ser obtido explicitamente como conseqüência da solução do problema para uma Rede Neural de camada única com múltiplas entradas. Por exemplo, aqui está o primeiro termo de tal decomposição obtida como solução para uma NS de duas entradas:
É claro que não é uma panacéia, mas é pelo menos algo não-trivial. assim me parece.
O que o futuro mostra?
Boa pergunta.
Por exemplo, existe uma alternativa à expansão da série Taylor que funciona para a BP com autocorrelação negativa em sua série de primeira diferença. Ele pode ser obtido explicitamente como conseqüência da solução do problema para uma Rede Neural de camada única com múltiplas entradas. Por exemplo, aqui está o primeiro termo de tal decomposição obtida como solução para uma NS de duas entradas:
onde d[i+1] é a previsão de incrementos i+1 das séries de preços.
É claro que não é uma panacéia, mas é pelo menos algo não-trivial. assim me parece.
Em termos práticos, é melhor não falar de uma rede neural de uma camada sequer. É apenas um filtro linear com pesos constantes e nada mais. Estranhamente, "abordagens triviais" são bastante viáveis com pensamentos não triviais. Olhe para os vencedores do campeonato, a beleza está na simplicidade, todos conhecem estas estratégias, mas nem todos sabem como utilizá-las. Você pode descrever o movimento de preços com milhões de fórmulas, mas não tem o principal, o lucro.
Tudo é possível (tudo é possível), o problema é que nós não sabemos tudo.
Qual é melhor, um método trivial com uma abordagem não trivial, ou uma abordagem trivial com um pensamento não trivial? Não sei... que critérios para melhor utilização é um tópico à parte. Você pode matar toda sua vida vagando no escuro em busca de algo especial, ou pode usar algo que há muito é conhecido por todos... É uma questão de gosto.
Aderi ao ponto de vista de que existem métodos ótimos para resolver um problema e eles são certamente realizáveis dentro do paradigma científico, sem desvios como "me parece" ou "todos o fazem".