Fenômenos de mercado - página 28
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
O modelo de mercado
...Sua essência é muito simples. Há um número finito de estruturas que descrevem a transformação de entrada em saída. Cada uma dessas estruturas implica algum tipo de modelo segundo o qual a transformação ocorre. O processo observado é formado por uma transição (comutação) entre estruturas...
Colegas, vou deixar o fórum por um longo período de tempo.
gpwr, o problema é que esta decodificação (ou, mais ou menos a mesma coisa, a troca entre estruturas) é muito provavelmente não linear.
As ligações lineares entre eventos (correlações Pearson) desaparecem já em pequenas "distâncias" entre eventos. Por distância, quero dizer o número de unidades TF base, ou seja, o número de barras.
Até agora não há nada a mais a dizer, pois eu mesmo vou no escuro e apalpando.
Parece-me que você está pensando na direção certa. Eu também acrescentaria que os preços em um determinado intervalo de tempo são representados não como simples travessias entre estas estruturas, mas como suas combinações ponderadas. O importante é encontrar essas estruturas. O que são eles? Principais vetores? Sines e cosines como na transformação de Fourier? Wavelets? Se alguém sabe como identificar corretamente estas estruturas a partir de uma série cronológica, por favor, compartilhe suas idéias. Pode haver muitas escolhas aqui, mas apenas uma é correta. Eu consideraria aquelas estruturas (wavelets) corretas, que levam a menor quantidade para descrever o preço. Isto se deve à minha experiência em engenharia de rádio. A informação digital transmitida é 100110... é passado por um filtro digital/ modulador CAD e assim convertido em um sinal analógico com mais valores do que a informação original. O processo de representação dos preços de mercado como transições entre estruturas é essencialmente idêntico ao processo de desmodulação de um sinal de rádio (ou redução da dimensionalidade dos processos estocásticos). Para desmodular corretamente este sinal, precisamos saber com que filtros (estruturas) ele foi codificado.
Como técnico de rádio (infelizmente já no passado) eu apoio sua idéia de desmodulação.
A idéia de detecção síncrona é sugerida - o principal é determinar o sinal de referência e o tipo de filtragem (bastante não-linear).
gpwr, o problema é que esta decodificação (ou, mais ou menos a mesma coisa, a troca entre estruturas) é muito provavelmente não linear.
As ligações lineares entre eventos (correlações Pearson) desaparecem já em pequenas "distâncias" entre eventos. Por distância, quero dizer o número de unidades TF base, ou seja, o número de barras.
Até agora não tenho mais nada a dizer, pois eu mesmo vou no escuro e apalpo.
Meu interesse por este tópico é causado por sua aplicação mais prática do que a previsão de preços de mercado. Estou mais interessado agora no desenvolvimento de sistemas de reconhecimento rápido da fala. Como sabemos, a fala consiste em fonemas (as mesmas estruturas), cujo conjunto forma uma palavra. Por exemplo, em um idioma russo existem apenas 43 fonemas que formam 150-200 mil palavras. Estas palavras formam sentenças e discursos. O discurso pode ser considerado o equivalente a um preço de mercado, os fonemas (estruturas) dos quais não conhecemos. É por isso que parece ruído (imagine o discurso de um alienígena). Os fonemas de fala são gerados pelas cordas vocais, pela língua, etc. - em resumo, por filtros de voz, cuja entrada é ruído na forma de ar exalado. Nossa percepção da fala é também um processo de filtragem de sons através dos filtros do ouvido interno, que estão sintonizados com diferentes fonemas. Isto é, simplesmente colocado, um sinal codificado (fala) é a entrada (o ouvido) e a saída (no córtex cerebral) é o sinal (palavras). A previsão de preços se resume a prever os futuros fonemas (estruturas). Mas eu não estou interessado nisso. Estou interessado em reconhecer os fonemas (estruturas) passados e presentes. Para conseguir isto, deve-se ter um vocabulário destes fonemas e correlacionar o discurso com estes fonemas conhecidos (de uma forma simplificada, é claro). Se soubermos qual idioma é falado por nosso interlocutor, podemos simplesmente consultar o dicionário fonema correspondente, decodificar o discurso em um texto e depois traduzi-lo com o dicionário. Mas e se não soubermos a língua do orador? Como determinamos os fonemas a partir da fala? Ou, aliás, como determinamos as estruturas a partir das cotações de preços? Observe que o número de estruturas de preços tem que ser da mesma ordem que o número de fonemas de fala (10-100).
gpwr:
...
Observe que o número de estruturas de preços deve ser da mesma ordem que o número de fonemas de fala (10-100).
Na minha opinião, este é um tema próximo de "padrões de mercado" (algum tipo de fonemas, como você escreve) - em particular sua configuração e reconhecimento, por exemplo, por NS. Depois disso, a decisão comercial é tomada - seja para cima ou para baixo. Portanto, é assim.
Eu concordo. Há muitos termos diferentes: fonemas, estruturas, padrões, wavelets, funções de base. Eu gosto mais do termo base funciona. Estou interessado na seguinte pergunta: como se pode determinar automaticamente as funções básicas quando se conhece uma série cronológica? Naturalmente, pode-se examinar visualmente esta série e encontrar triângulos, bandeiras e outras formas bem parecidas. Mas ninguém ainda provou que estes padrões são estatisticamente importantes e não apenas um produto da imaginação. Lembre-se como na anedota:
O psiquiatra mostra fotos diferentes para a paciente perguntando "O que você vê nelas" e a paciente diz "Um homem e uma mulher fazendo sexo". "Você é uma espécie de lecher", diz o médico. E o paciente diz: "Bem, você mesmo me mostrou aquelas fotos lascivas".
Identificar automaticamente funções de base estatisticamente importantes é um processo complicado e não creio que ninguém tenha descoberto como fazê-lo corretamente, mesmo com redes neurais. Naturalmente, podemos simplificar a tarefa e assumir antecipadamente que a série temporal é dividida em onduladores Haar, ou funções trigonométricas como na série Fourier, ou outras funções básicas que são freqüentemente usadas em regressão. E todas estas funções básicas reproduzirão com sucesso nossas séries, seja uma série de preços ou uma série de discursos. Mas imagine se decompusermos o discurso em ondas Haar - elas não têm nada a ver com os fonemas. Seria igualmente inútil decompor uma série de preços em ondas Haar ou funções trigonométricas. É apropriado mencionar o sensoriamento compressivo, cuja essência é descrever um sinal com o menor conjunto de funções básicas. Embora existam muitos algoritmos deste método, todos eles assumem que conhecemos as funções básicas. Se você tiver alguma idéia sobre o algoritmo para encontrar funções básicas da série de preços, por favor, compartilhe-as.
... Em resumo, se alguém tiver alguma idéia sobre um algoritmo para encontrar funções básicas a partir de uma série de preços, por favor compartilhe.
Como técnico de rádio (infelizmente já no passado) eu apoio sua idéia de desmodulação.
A idéia de detecção síncrona é sugerida - o principal é determinar o sinal de referência e o tipo de filtragem (bastante não-linear).
Eu já gosto... Sergey, quais são os princípios principais da física do rádio (telégrafo, etc.)?
Eu concordo. Há muitos termos diferentes: fonemas, estruturas, padrões, wavelets, funções de base. Eu gosto mais do termo base funciona. Estou interessado na seguinte pergunta: como se pode determinar automaticamente as funções básicas quando se conhece uma série cronológica? Naturalmente, pode-se examinar visualmente esta série e encontrar triângulos, bandeiras e outras formas bem parecidas. Mas ninguém ainda provou que estes padrões são estatisticamente importantes e não apenas um produto da imaginação. Lembre-se como na anedota:
O psiquiatra mostra imagens diferentes ao paciente perguntando "O que você vê nelas" e o paciente responde "Um homem e uma mulher fazendo sexo". "Você é uma espécie de lecher", diz o médico. E o paciente diz: "Bem, você mesmo me mostrou aquelas fotos lascivas".
Identificar automaticamente funções de base estatisticamente importantes é um processo complicado e não creio que ninguém tenha descoberto como fazê-lo corretamente, mesmo com redes neurais. Naturalmente, podemos simplificar a tarefa e assumir antecipadamente que a série temporal é dividida em onduladores Haar, ou funções trigonométricas como na série Fourier, ou outras funções básicas que são freqüentemente usadas em regressão. E todas estas funções básicas reproduzirão com sucesso nossas séries, seja uma série de preços ou uma série de discursos. Mas imagine se decompusermos o discurso em ondas Haar - elas não têm nada a ver com os fonemas. Seria igualmente inútil decompor uma série de preços em ondas Haar ou funções trigonométricas. É apropriado mencionar o sensoriamento compressivo, cuja essência é descrever um sinal com o menor conjunto de funções básicas. Embora existam muitos algoritmos deste método, todos eles assumem que conhecemos as funções básicas. Se você tiver alguma idéia sobre o algoritmo para encontrar funções básicas da série de preços, por favor, compartilhe-as.