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
Não há ninguém usando pares de moedas co-integrados?
CoNegração parece ótimo na história))
Que intervalo de janela você usa, em que intervalo de tempo, quantos pares, que método de seleção de pares, que método para obter o spread?
estaria interessado em ver a implementação do filtro emparelhado (não suavizante) calman
indicador para isso, mas sem testes de estacionaridade
https://www.mql5.com/ru/code/11859
A co-integração parece bem na história))
em que intervalo você pega as janelas, em que prazo, quantos pares, qual é o método de obter a propagação?
Eu estaria interessado em ver a encarnação do kalman de filtro emparelhado
o indicador é para isso, mas sem testes de estacionaridade
https://www.mql5.com/ru/code/11859
A co-integração está tomando decisões sobre uma série estacionária com citações não estacionárias como entrada.
Então, no futuro, os resultados serão os mesmos da história
A co-integração está tomando decisões sobre uma série estacionária com quocientes não estacionários como entrada.
Então, no futuro, os resultados serão os mesmos da história
não)
e você não compartilhou as respostas às minhas perguntas)
OK, vamos ter algumas fotos como introdução
não)
E você não compartilhou as respostas às minhas perguntas)
Não tenho respostas para suas perguntas.
E eu estou interessado na experiência dos clássicos desta questão. Tenho uma EA com uma rentabilidade de até 5 pips por posição.
PS.
O Kalman não é necessário. É utilizado em outros modelos
Eu tenho respostas para suas perguntas.
E eu estou interessado na experiência dos clássicos desta questão. Tenho um EA com uma margem de lucro de até 5 pips por posição.
PS.
O Kalman não é necessário. É utilizado em outros modelos
Ok, vamos ter algumas fotos para refrescar
Acho que a regressão ortogonal não é aplicável.
As regressões devem ser tais que o residual seja estacionário. Você obtém um resíduo que NÃO é estacionário - o teste ADF falha - nenhum trabalho adicional com tal resíduo faz sentido.
PS.
De que pacote são as fotos?
Acho que a regressão ortogonal não é aplicável.
As regressões devem ser tais que o residual seja estacionário.
PS.
De que pacote são as fotos?
San sanych, você está muito atrasado.
o filtro Kalman é usado há muito tempo. você pode ler sobre seu uso em Ernie Chan. há um código para Matlab lá. e tal modelo está no link abaixo
O ortogonal se encaixa melhor por uma razão - é simétrico, ao contrário do habitual OLS (se você trocar de pares, seu coeficiente de regressão mudará)
https://www.pairtradinglab.com/analyses/WDsreX1v6miBQ59k
san sanich, você está fora de contato.
o filtro Kalman é aplicado e tem sido por muito tempo. você pode ler sobre sua aplicação em Ernie Chan. há lá um código para o matlab. e tal modelo está no link abaixo
O ortogonal se encaixa melhor por uma razão - é simétrico, ao contrário do ISC habitual (se você trocar de pares, seu coeficiente de regressão mudará)
https://www.pairtradinglab.com/analyses/WDsreX1v6miBQ59k
Em Kalman, eu não estou ficando para trás. Estou bem ciente de onde ela se aplica, e também sei que na co-integração Kalman não se aplica.
Dei minha opinião sobre ortogonais com base em seus resultados. Você precisa de um resíduo estacionário. Outras regressões são usadas para isso.
Em Kalman, eu não estou atrás. Estou bem ciente de onde ela se aplica, e também sei que Kalman não se aplica na co-integração.
Dei minha opinião sobre ortogonais com base em seus resultados. Você precisa de um resíduo estacionário. Outras regressões são usadas para isso.
Você diz outros modelos, outras regressões, um resíduo estacionário.
Pruf e exemplos - quais modelos, quais regressões. qual é a vantagem?
Caso contrário, o diálogo se revela sem construtividade e sem seus exemplos.
Se a questão de saber se alguém usa a cointegração foi ociosa, bem, então podemos parar aqui.