Parâmetros flutuantes de mercado - página 7
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
100 barras não faz sentido. 120 - 132 faz mais sentido para mim. 10 anos, 2 anos, trimestre, 3 semanas, tempo de trabalho da semana)
Há algo sobre o zoom out)))) Ainda não encontrei a verdade. Sermyazhnaya verdade contra a antiga TF para não ir assim, mas talvez haja algo)
Eu tirei 100 do teto, ainda há muitas coisas a fazer, número de barras, parâmetros do modelo, parâmetro para a otimização, número de valores para o cálculo do parâmetro de otimização, etc.
Não funcionará com barras (castiçais); a amostragem do tempo acrescenta um componente aleatório, devemos usar outros métodos de amostragem.
Tenho a seguinte idéia para determinar o número inicial ótimo de barras: Primeiro, devemos decidir sobre o tipo de padrão para o qual estamos preparando os dados iniciais. Iniciamos o cálculo pelo padrão selecionado com a quantidade mínima de dados de entrada. Determinar o erro do modelo em comparação com os dados reais. Em seguida, aumente a quantidade de dados da fonte em uma unidade, repita o processo de encontrar o erro relativo e também salve-o. A quantidade de dados iniciais que dá um erro mínimo é tomada como a quantidade ideal dos dados iniciais no momento. Tal busca é realizada cada vez que uma nova barra aparece. Não conheço outro caminho. O que você acha? Pretendo abrir um tópico especial em breve para discutir este problema.
As barras (castiçais) não funcionarão, a amostragem do tempo introduz um componente aleatório, devemos usar outros métodos de amostragem.
Eu estava descobrindo isso em termos de Tsos, Kotelnikov, acontece que você precisa pegar os carrapatos, alisá-los e só depois dividi-los em TFs. Caso contrário, obtemos aliasing, aparência de freqüências inexistentes. Por outro lado, a suavização acrescentará um atraso.
Em geral, devemos tentar pré-processar o preço, a filtragem, os renders e as ações. Devemos também tentar decompor os pares de moedas em moedas individuais.
Tenho a seguinte idéia para determinar o número inicial ótimo de barras: Primeiro, devemos decidir sobre o tipo de padrão para o qual estamos preparando os dados iniciais. Iniciamos o cálculo pelo padrão selecionado com a quantidade mínima de dados de entrada. Determinar o erro do modelo em comparação com os dados reais. Em seguida, aumente a quantidade de dados da fonte em uma unidade, repita o processo de encontrar o erro relativo e também salve-o. O número dos dados iniciais que dão um erro mínimo é o número ideal dos dados iniciais no momento. Realizamos essa busca toda vez que uma nova barra aparece. Não conheço outro caminho. O que você acha? Em breve, pretendo abrir um fio especial para discutir este problema.
Abordagem de outra perspectiva quando inicialmente reunimos barras suficientes para um resultado confiável e vemos qual modelo matemático se encaixa melhor com o menor número de parâmetros/polinômios. E depois reduzir o número de barras.
Eu estava descobrindo isso em termos de Tsos, Kotelnikov, acontece que você precisa pegar os carrapatos, alisá-los e só depois dividi-los em TFs. Caso contrário, obtemos aliasing, aparência de freqüências inexistentes. Por outro lado, a suavização acrescentará um atraso.
Em geral, devemos tentar pré-processar o preço, a filtragem, os renders e as ações. Devemos também tentar dividir os pares de moedas em moedas separadas.
Suavizar os carrapatos através de algum passo em escala é uma tarefa interessante, mas cara. E há uma opção, e parece lógico, de encontrar ciclos condicionados por fatores externos reais que estão ligados ao tempo de sua influência, ou seja, um gráfico de trabalho.
Há demasiados parâmetros para otimizar, a disponibilidade de uma solução ótima depende da escolha. Se os parâmetros forem escolhidos incorretamente, pode não haver solução.
Suavizar os carrapatos em alguma escala é uma tarefa interessante, mas cara. E há uma opção, e parece lógico, de encontrar ciclos devido a fatores externos reais que estão ligados ao tempo de seu impacto, ou seja, um cronograma de trabalho.
Há demasiados parâmetros para otimizar, a disponibilidade de uma solução ótima depende da escolha. Se os parâmetros forem escolhidos incorretamente, pode não haver solução.
Não há ciclos, ele é verificado.
Eu corri o modelo no otimizador e não gostei do fato de que os parâmetros mudam drasticamente em cada barra - eu gostaria de ter melhor estabilidade.
Não há ciclos, já foi testado.
Eu corri o modelo no otimizador, não gostei do fato de que em cada barra os parâmetros mudam drasticamente, eu gostaria de ter mais estabilidade.
Eu não o tenho em sua forma pura. Há repetições similares de movimentos de preços). Não há estabilidade de parâmetros em processos similares a SB por definição. Se houver estabilidade, estes são outros processos).
Em sua forma mais pura, não existe tal coisa. Há repetições similares de movimentos de preços). Não há estabilidade de parâmetros em processos do tipo SB por definição. Se houver estabilidade, estes são outros processos).
É disso que precisamos então, reconhecimento, agrupamento
Eu estava descobrindo isso em termos de Tsos, Kotelnikov, acontece que você precisa pegar os carrapatos, alisá-los e só depois dividi-los em TFs. Caso contrário, obtemos aliasing, aparência de freqüências inexistentes. Por outro lado, a suavização acrescentará um atraso.
Em geral, devemos tentar pré-processar o preço, a filtragem, os renders e as ações. Devemos também tentar dividir os pares de moedas em moedas separadas.
Precisamos de um método de amostragem que não introduza a aleatoriedade. O tempo não tem significado para o mercado, uma vela de uma hora pode conter qualquer número de negócios e um volume de negócios arbitrário. O preço é impulsionado pelo dinheiro, o comércio e a realocação de fundos. Para entender por que os castiçais não são adequados e o que é necessário, podemos fazer um modelo simples: pegue um seno, faça uma amostragem aleatória e obtenha uma trama aleatória na saída. Ou seja, o processo é conhecido e simples e nós o quebramos. É agora possível reconstruir o sinal original com uma amostra suficientemente grande? Provavelmente de alguma forma, mas não sei como.
É melhor com carrapatos, mas também não é perfeito. O principal fator de preço é a operação comercial executada e seu volume. Se fizermos um tique, não sabemos o volume e o número de negócios.
É disso que precisamos então, reconhecimento, agrupamento.
Sim.
Você precisa de um método de amostragem que não introduza um componente aleatório. O tempo não tem significado para o mercado, uma vela de uma hora pode conter qualquer número de negócios e um volume de negócios arbitrário. O preço é impulsionado pelo dinheiro, o comércio e a realocação de fundos. Para entender por que os castiçais não são adequados e o que é necessário, podemos fazer um modelo simples: pegue um seno, faça uma amostragem aleatória e obtenha uma trama aleatória na saída. Ou seja, o processo é conhecido e simples e nós o quebramos. É agora possível reconstruir o sinal original com uma amostra suficientemente grande? Provavelmente de alguma forma, mas não sei como.
É melhor com carrapatos, mas também não é perfeito. O principal fator de preço é a operação comercial executada e seu volume. Se tirarmos um carrapato, não sabemos o volume e quantas operações já passaram.
As palestras de Kantarovich sobre econometria na primeira palestra dão uma visão geral do assunto. A conclusão é que a quebra de um modelo matemático suficientemente preciso para o período histórico até o momento não pode ser prevista na estimativa dos parâmetros econômicos temporais.