Parâmetros flutuantes de mercado
Bem, e se dissermos (só de olho) que é um seno, com um período constantemente crescente (dependendo de X), ou seja, uma fórmula como esta:
Geral (de onde estamos vindo):
Y=sin( K*X+T)
Agora dizemos que o parâmetro K também depende de X. O tempo todo ele está aumentando ou diminuindo. A questão se coloca: é linear? Eu assumiria linearmente, para começar. Depois é A*X+B (fórmula de linha). Substituída na fórmula original, obtemos
Y=sin((A*X+B)*X+T)=sin(A*X^2+BX+T).
Aqui temos um ponto de partida. Polinomial sob o sinal senoidal. Executar a regressão.... etc. - Espero ter explicado isso claramente. Eu gostaria de fazer um programa para você em Matlab, mas não tenho tempo, você mesmo terá que fazer isso.
Deixe-me explicar um pouco do que se trata. Tenho uma idéia para a TC baseada em um predicado. De conhecido para mim e mais ou menos disponível são Fourier e regressão. Aplicado a Fourier. A suposição subjacente é que os parâmetros são estacionários. Em uma onda sinusoidal normal, tudo parece bem
Mas se tomarmos um período de variação suave, o espectro é manchado.
e, portanto, não se pode ter uma previsão adequada.
Eu também não consegui nada de bom na regressão.
Portanto, precisamos procurar outros métodos que sejam mais "adaptáveis" ou algo parecido. Era sobre isso que eu queria saber.
Você tem uma curva suave. Portanto, os métodos de análise diferencial são aplicáveis a ela. Mesmo sem saber que é um seno com um período variável, você pode usar uma expansão da série Taylor com retenção dos primeiros termos. Então, você pode usá-lo para prever o valor de uma referência futura, substituindo alguns termos anteriores na fórmula. Posso assegurar-lhe que o resultado irá surpreendê-lo com sua precisão de previsão. O erro será zero.
E não funcionará para séries de preços, porque na decomposição em RF você receberá PDF e não terá que prever uma contagem para frente, mas para o número de contagens que cabe na escala de PDF e é aí que o erro de previsão aumentará drasticamente.
A natureza não pode ser enganada.
E tudo isso não funcionará para séries de preços, porque quando você se decompõe em RF você terá uma FZ e terá que prever não uma contagem a frente, mas o número de contagens que cabem na escala da FZ e é a essa distância que o erro de previsão aumentará dramaticamente.
A natureza não pode ser enganada.
Isso é compreensível. Mas é possível supor que os parâmetros não mudam durante um período de tempo. Com a foto de cima eu queria mostrar que o resultado pode ser ruim não só pela não-estacionariedade, mas também por um método inadequado.
Isso é claro. Mas é possível assumir que os parâmetros não mudam por algum tempo. Com a foto de cima eu queria mostrar que o resultado pode ser ruim não só pela não-estacionariedade, mas também por um método inadequado.
A hipótese de um mercado estacionário nunca foi confirmada. Portanto, não se pode assumir que os parâmetros permanecerão constantes ao longo de qualquer horizonte de tempo, por menor que seja.
Deixe-me explicar um pouco do que se trata. Tenho uma idéia para a TC baseada em um predicado. Das pessoas conhecidas e mais ou menos disponíveis são Fourier e regressão. Aplicado a Fourier. A suposição subjacente é que os parâmetros são estacionários. Em uma onda sinusoidal normal, tudo parece bem
Mas se tomarmos um período de variação suave, o espectro é manchado.
e, portanto, não se pode ter uma previsão adequada.
Eu também não consegui nada de bom na regressão.
Portanto, precisamos procurar outros métodos que sejam mais "adaptáveis" ou algo parecido. Era sobre isso que eu queria saber.
o que um wavelet pode fazer?
ZS: Eu fiz um .dll com código do BaseGroup.ru para MT5, mas ainda não encontrei nenhum uso prático http://imglink.ru/pictures/18-01-12/4e3891b89673e8f79e194b5a86a25d41.jpg
A hipótese de um mercado estacionário nunca foi confirmada. Portanto, não se pode supor que os parâmetros permaneçam constantes em qualquer horizonte de tempo, por menor que seja.
Não estou falando de uma estacionaridade completa, mas talvez haja seções onde os parâmetros são mais ou menos estáveis. De outra forma, como explicar que as estratégias podem funcionar por algum tempo. Há uma abordagem em que se faz várias estratégias e se muda entre elas, a questão é como determinar o momento da mudança.
www.https://www.mql5.com/ru/forum/127297 Há aqui provas indiretas de previsibilidade temporal.
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Você concorda com a política do site e com os termos de uso
Há uma imagem como esta:
Que metodologia pode extrapolar uma série como esta?
Alguém poderia colocar isto em uma rede neural para uma experiência?