Princípios de trabalho com um otimismo e formas básicas de evitar o encaixe. - página 3

 

Por que um padrão precisa de estacionaridade? Suponhamos que tenhamos um padrão de trabalho. A distribuição de sua ocorrência ao longo do tempo é rigidamente não normal. As principais características deste padrão também são não-estacionárias e flutuam com o tempo. E daí? A condição principal é apenas uma, - que ela continue a aparecer e não desapareça. Nosso MO será simplesmente não estacionário, mas ainda positivo, e isto é o principal. Outra questão é que a não-estacionariedade complica seriamente a busca por esses mesmos padrões. Não podemos confiar em métodos padrão de estatística para identificá-lo e usá-lo no processo. Por exemplo, se ele, apareceu todos os dias do último ano, e de repente desapareceu hoje, a estatística dirá - o padrão não funciona mais. Mas isto não é verdade, porque ele aparece quando lhe agrada, e não é obrigado a gerar características estacionárias. Esta é sua propriedade, em um nível fundamental, que determina a necessidade de reoptimizar os algoritmos. Porque de uma forma ou de outra, estamos trabalhando com parâmetros fixos que correspondem perfeitamente a um determinado padrão apenas na história. Amanhã será um pouco diferente, o que significa que haverá uma mudança do extremo de nosso ajuste.

E é apenas uma questão de sobreviver ao turno de amanhã. E podemos sobreviver usando regularidades relativamente estáveis, ou (e) métodos suficientemente ásperos (e simples) de identificação e lidar com eles que sua estimativa aproximada permitiria que a própria regularidade mudasse dentro de limites suficientemente amplos.

Este é meu raciocínio, por que métodos simples são geralmente mais eficazes do que métodos complexos, e por que se torna possível fazer dinheiro no mercado em primeiro lugar.

 
ask: Um equilibrista verbal e nada mais. Você tem que definir se suas séries são não-estacionárias ou com padrões. Porque minha psique de alguma forma não consegue compreender a frase: "Regularidades de séries não-estacionárias", entendo que você já encontrou regularidades de séries não-estacionárias?


Fiz algumas escavações e encontrei...

A estacionariedade é propriedade de um processo que não muda suas características ao longo do tempo.

Assim, uma série não estacionária muda suas características ao longo do tempo. Mas isso não significa que não possa haver um padrão nele.

Você está confundindo uma série não estacionária e financeira com uma série caótica. Uma série caótica não pode ter regularidades, mas uma série não estacionária que muda suas características com o tempo pode. Além disso, podem existir regularidades que predeterminam essas mudanças.

Mesmo à primeira vista, há algumas regularidades visíveis nas séries financeiras -

Um claro movimento ascendente e descendente sob a forma de uma tendência. Um padrão? - Um padrão.

Um movimento lateral pronunciado indefinido como um plano. Regularidade? - Regularidade.

Cabeças de ombros, bandeiras e outras formas. Regularidade? - Regularidade.

E muito mais......)))))

 
C-4:

Por que um padrão precisa de estacionaridade? Suponha que tenhamos um padrão de trabalho. A distribuição de sua ocorrência ao longo do tempo é rigidamente não-normal. As principais características deste padrão também são não-estacionárias e flutuam com o tempo. E daí? A condição principal é apenas uma, - que ela continue a aparecer e não desapareça. Nosso MO será simplesmente não estacionário, mas ainda positivo, e isto é o principal. Outra questão é que a não-estacionariedade complica seriamente a busca dessas mesmas regularidades. Não podemos confiar em métodos estatísticos padrão para identificá-lo e, no processo, utilizá-lo. Por exemplo, se, por exemplo, um padrão tem aparecido todos os dias no último ano, e desaparecido de repente hoje, as estatísticas dirão que o padrão não funciona mais. Mas isso não é verdade, porque aparece quando quer, e não tem que gerar características estacionárias. Esta é sua propriedade, a um nível fundamental, que determina a necessidade de reoptimizar os algoritmos. Porque de uma forma ou de outra, estamos trabalhando com parâmetros fixos que correspondem perfeitamente a um determinado padrão somente na história. Amanhã o padrão será ligeiramente diferente, o que significa que haverá uma mudança a partir do extremo de nosso ajuste.


Isto é quase-estacionariedade - uma mudança de mo em um determinado intervalo. Talvez não se trate apenas de Mo, mas neste contexto é o que nos interessa mais.

C-4:

E a questão de todas as perguntas é apenas sobreviver ao turno de amanhã. E podemos sobreviver com regularidades relativamente estáveis ou (e) métodos suficientemente ásperos (simples) de identificação e trabalhar com eles, de modo que sua estimativa aproximada permita que a própria regularidade mude dentro de um intervalo suficientemente amplo.

Este é meu raciocínio, por que métodos simples são geralmente mais eficazes do que métodos complexos, e por que se torna possível fazer dinheiro no mercado em primeiro lugar.

Portanto, pode haver um método super complexo, mas uma estimativa bastante grosseira do padrão). É mais uma questão do número de parâmetros do sistema e da sensibilidade do resultado à sua mudança. Se uma pequena mudança no parâmetro causa uma mudança no resultado, isto não é bom. Há outros sinais. Escrevi recentemente sobre isso aqui https://www.mql5.com/ru/forum/137614/page5

 
Avals:
tentar levar o restante não sempre, mas seletivamente em pedaços. Se você souber identificar o início e o fim de tais pedaços em uma fila (não ex post facto, é claro), isto será suficiente para negociar. Caso contrário, você terá que mudar o modelo.
Mais uma vez: não há pedaços estacionários.
 
faa1947:
Mais uma vez: não há peças estacionárias.


Mais uma vez: você quer ganhar valores positivos e não mais do que perdas pré-definidas em um comércio. Estas são as partes quase estacionárias desde a entrada até a saída. E eles estão, naturalmente, na série de preços negociados.

Os incrementos de equidade são quase estacionários, com mo positivo variando de preferência dentro de pequenos limites. Caso contrário, não há necessidade de tal equitabilidade e o sistema que a gera.

 

faa1947: Еще раз: не бывает стационарных кусов.

Por exemplo, a tendência é ou não uma peça estacionária?
 
Avals:


Mais uma vez: entrando em uma profissão você quer ter um motivo positivo e não mais do que uma perda pré-determinada? Estes são os trechos quase estacionários desde a entrada até a saída do comércio.

Esse é o objetivo desta linha.

Na verdade, é quase estacionário, na previsão é não-estacionário. O teste, incluindo o teste de avanço, é quase estacionário, enquanto que o futuro é não-estacionário e, portanto, o teste não nos diz nada. É necessário traduzir o quociente futuro em um estado quase estacionário. Isto só pode ser feito simulando a não-estacionariedade, pelo menos em parte.

 
faa1947:

Isto só pode ser feito modelando a não-estacionariedade, pelo menos em parte.

Quem pode dizer contra isso, faça-o)) Mas de qualquer forma, quando se modela o mercado, é preciso confiar em suas estatísticas do passado e em algum tipo de modelo imutável. Ou seja, apenas os parâmetros deste modelo mudam com base na história mais próxima. A adaptabilidade é uma propriedade normal do TS :)
 
Ainda assim, eu me pergunto se a tendência é ou não uma peça estacionária?
 
Avals:
Quem se importa, modele-o)) Mas de qualquer forma, quando se modela o mercado, é preciso confiar em suas estatísticas do passado e em algum tipo de modelo imutável. Ou seja, apenas os parâmetros deste modelo mudam com base na história mais próxima. A adaptabilidade é uma propriedade normal do TS :)
A própria adaptabilidade e não resolve o problema da não-estacionariedade. Há várias técnicas e métodos para modelar a não-estacionariedade. Como resultado, pelo menos a propagação do resíduo instável pode ser reduzida.