![MQL5 - Linguagem para estratégias de negociação inseridas no terminal do cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Você não pode isolar o ruído em uma cotação - você provavelmente não entende isto porque ainda não tentou. E nenhum ARPSS o ajudará nas cotações e você nunca encontrará estas parcelas. Se ao menos houvesse mais de nós, milionários espertos andando por aí, não haveria castelos suficientes para todos. :о) Isolar o ruído significa encontrar um modelo adequado.
Eu não sou um cientista
Não é como se eu estivesse me dirigindo a você pessoalmente. Mas como você respondeu - a auto-identificação artificial não funcionou :)
Quanto à questão, não se trata dos erros na interpretação dos resultados da análise do mesmo processo (tais conclusões precipitadas gentilmente faa1947 demonstra - apagando cada segunda observação, exige que o período em unidades seja mantido), mas no fato da ciclicidade da média móvel da soma das séries aleatórias.
Isto torna impossível para mim entender o processo de cotação em si e a trajetória de preços resultante.
E se a suposta vagueação geométrica de um quociente é o resultado de uma série de processos aleatórios (suavizados por filamentos DC e discretização grosseira de taframes), então como isso é consistente com a distribuição uniforme (e, em última instância, a gaussiana) de alguns modelos populares?
A propósito, o modelo de "ruído de onda de tendência" durante um "período muito longo" não se confirma com relação ao forex - não pode haver aqui uma tendência por definição.
Ouro, petróleo, açúcar - uma tendência é necessária ali. Para estimar a inflação...
;)
Acho que Prival está nesta linha. As passagens sobre o filtro Kalman, por exemplo, também se referiam a isto. Tanto quanto eu entendo, o ideal seria que o ruído fosse normal. Então seria possível prever não apenas as trajetórias das aeronaves inimigas, mas também os kotirs :)
O modelo ARPSS é escrito como ARPSS (p, d, q), onde d são as diferenças. Elas têm que ser tomadas até que a série resultante seja normal. Argumenta-se que d = 2 é suficiente.
A persistência com a qual muitas pessoas tentam interpretar a semelhança apenas como semelhança geométrica é verdadeiramente surpreendente. Apesar do exemplo perfeitamente específico de similaridade dado, estou me referindo à relação estatística Alta-baixa e |Close-Open|. Essa é a verdadeira semelhança. A propósito, Yuri, seu exemplo ZZ pode ser ainda melhor, mas parece ser de uma conta pessoal, por isso não o cito aqui.
Farnsworth 18.09.2010 22:08
== igualdade de distribuições finito-dimensionais
Exemplos com semelhança geométrica ajudam a entender claramente a essência do Hurst como um coeficiente de auto-similaridade. Por exemplo, podemos dar uma interpretação geométrica da análise R/S - pegue uma régua de tamanho 1, meça R/S com ela, pegue uma régua de tamanho 2, e repita a medição. E assim por diante, desde que seja relevante. Na verdade, desta forma, a igualdade das distribuições é avaliada e o coeficiente de auto-similaridade é calculado no processo.
Em qualquer caso, eu gostaria muito que você, Candidato, desse sua interpretação geométrica ou, por assim dizer, mostrasse em imagens, qual é o significado geométrico de tal definição:
O índice Hurst é uma medida marginal. E é definido como o limite, a assímptota à qual h na fórmula conhecida para a faixa normalizada quando o número de contagens no intervalo aumenta até o infinito.
Pessoalmente, vejo que Hurst, o coeficiente de auto-similaridade, na definição acima foi simplificado para uma única medida de uma característica semelhante a R/S usando uma régua de comprimento infinito. Obviamente, as séries que não têm um spread infinito normalizado teriam, por tal definição, um coeficiente de Hurst igual a zero. Qual é a sua opinião?
Se você usa ARPSS, eu não entendo. A premissa da ARPSS é: tendência + onda + ruído.
Não é nada assim que está escrito e é entendido um pouco diferente. ARPSS é essencialmente um modelo AR com correção de matriz de covariância. Existem componentes que estendem ARPSS - você pode incluir modelo de tendência(!), modelo de ruptura(!), muitas coisas. O que você está dizendo sobre isso? Você acha que eu não sei nada sobre isso? Estou escrevendo sobre outra coisa - não estou aplicando estes modelos diretamente às citações. Isso não faz sentido. Eu estava escrevendo sobre o uso de sistemas estocásticos com uma estrutura aleatória. É isso aí - com o que vocês estão discutindo? Que você pode aplicá-los com citações? ARPSS entre aspas? Parabéns!
Ou qualificações, qualificações primeiro.
É a matemática que não funciona neste caso - nenhuma das condições necessárias é satisfeita. Bem, sim, qualificação - quem pode argumentar com isso.
Muita especulação sobre o assunto, mas nada. talvez você possa compartilhar os resultados?
quem argumentou? Quais são os resultados a serem compartilhados? Aqui mesmo: https://forum.mql4.com/ru/34527/page27 deu o resultado de testes em pips, até agora em MathCAD, 25 negócios em 150 dias. Também no ramo de testes de sistemas on-line - fez algumas previsões.
PS: Se você pode aplicar ARPSS para citar e identificar corretamente o processo - mostre suas habilidades.
Acho que Prival está nesta linha. Isto incluiu passagens sobre o filtro Kalman, por exemplo. Tanto quanto eu entendo, o ideal seria que o ruído fosse normal. Então seria possível prever não apenas as trajetórias das aeronaves inimigas, mas também os kotirs :)
Não, não, não é tão simples assim. O próprio Privalych disse que Kalman não depende da distribuição de erros. O que quer que você coloque lá dentro, é assim que o filtro sai.
Honestamente, eu não sei o que é Kalman. Eu nunca me interessei por filtros nos negócios.
Farnsworth 18.09.2010 22:08
Exemplos com similaridade geométrica ajudam a ilustrar o ponto do Hearst como um coeficiente de auto-similaridade. Por exemplo, você pode dar uma interpretação geométrica da análise R/S - pegue uma régua de tamanho 1, meça R/S com essa régua, pegue uma régua de tamanho 2 e repita as medidas. E assim por diante, desde que seja relevante. De fato, desta forma, a igualdade das distribuições é avaliada e o coeficiente de auto-similaridade é calculado no processo.
O modelo ARPSS é escrito como ARPSS (p, d, q), onde d são as diferenças. Elas devem ser tomadas até que a série resultante seja normal. É afirmado que d = 2 é suficiente.
Não, não, não é tão simples assim. O próprio Privalych disse que Kalman não depende da distribuição de erros. O que quer que você coloque lá dentro, é assim que o filtro sai.
Honestamente, eu não sei o que é Kalman. Eu nunca me interessei por filtros nos negócios.