Você sabe como fazer canais? - página 7

 
Alexey Volchanskiy:

Amigos, quase não há comércio, é hora de entrar em teoria. Tendo feito um desenho divertido, vamos discutir o trabalho em um canal.

Minha humilde opinião, o canal é uma ferramenta auxiliar e serve para confirmar um sinal recebido de alguma outra forma.

Canal HP


Todos esses canais, tendências, etc., são uma besteira. tudo parece bem na história, e o futuro está escondido atrás da névoa da NESTATION.

Ou lembramos sempre da não-estacionariedade e procuramos ferramentas contra ela, que depois aplicamos, ou perdemos nosso depósito.

1. nós negociamos de acordo com padrões (um canal também é um padrão). Tomamos TA + cérebro (experiência) - o mais promissor, e talvez ganhar. Ou tomamos MO, automaticamente procuramos padrões... e então temos que encontrar dados de entrada, que devem novamente gerar padrões estáveis para a variável alvo. O principal problema não é o algoritmo de busca de padrões, mas a capacidade de encontrar os dados brutos para esses padrões. A experiência mostra que existem cerca de 30 desses dados de entrada (multivariados). Sobre este número, em princípio, é possível buscar canais multivariados. Isto é necessário?

2. Estatísticas (Caixa de ferramentas"Econometria" em Matlab). GARCH. Converter a série original em estacionária, agora em três etapas. Até o final, NO ONE conseguiu obter um resíduo estacionário do modelo. E se o resíduo for não estacionário, há sempre uma situação que drena o depoimento.

 
СанСаныч Фоменко:

Até o final, NO ONE conseguiu obter um resíduo estacionário do modelo. E se o resíduo estiver instável, há sempre uma situação que drena o depoimento.


Você ocultou a frase "todos nós drenaremos" de uma maneira tão difícil.

 
СанСаныч Фоменко:

O principal problema não é o algoritmo de busca de padrões, mas a capacidade de encontrar os dados brutos para esses padrões. A experiência mostra que existem cerca de 30 entradas desse tipo (multimoedas).

Você pode ser mais específico? Quais são os 30 dados de entrada que contêm padrões?

 

Aqui está a evolução dos modelos de linear para o lixo

talvez alguém precise usar a pitão para resolver exemplos e ver por que os canais não funcionam

A premissa básica é que tudo que é não-linear (não estacionário no sentido) é imprevisível, porque não converge para o meio... tudo é tão trivial que é difícil acreditar que a econometria tenha ido além das idéias de Bernoulli ou o que quer que seja... Idéias Gauss.

http://www.blackarbs.com/blog/time-series-analysis-in-python-linear-models-to-garch/11/1/2016

Time Series Analysis (TSA) in Python - Linear Models to GARCH
Time Series Analysis (TSA) in Python - Linear Models to GARCH
  • 2016.11.08
  • Brian Christopher
  • www.blackarbs.com
So what?  Why do we care about stationarity?  A stationary time series (TS) is simple to predict as we can assume that future statistical properties are the same or proportional to current statistical properties.Most of the models we use in TSA assume covariance-stationarity (#3 above). This means the descriptive statistics these models predict...
 
Viktor Korchagin:

é assim que o teste comercial foi



Portanto, automatize-o.

 
Viktor Korchagin:

Eu não sou um programador, o comércio foi feito em sh4 para que você também possa negociar com suas mãos lentamente


por isso não podemos confiar no seu resultado, pois pode ser aleatório :)

 
СанСаныч Фоменко:

Mentira todos esses canais, tendências e assim por diante... Tudo parece bem na história, mas o futuro está escondido atrás da névoa da ESTABILIDADE.

Ou nos lembramos sempre da não-estacionariedade e procuramos ferramentas contra ela, que depois aplicamos, ou perdemos nosso depósito.

1. nós negociamos de acordo com padrões (um canal também é um padrão). Tomamos TA + cérebro (experiência) - o mais promissor, e talvez ganhar. Ou tomamos MO, automaticamente procuramos padrões... e então temos que encontrar dados de entrada, que devem novamente gerar padrões estáveis para a variável alvo. O principal problema não é o algoritmo de busca de padrões, mas a capacidade de encontrar os dados brutos para esses padrões. A experiência mostra que existem cerca de 30 desses dados de entrada (multivariados). Sobre este número, em princípio, é possível buscar canais multivariados. Isto é necessário?

2. Estatísticas (Caixa de ferramentas"Econometria" em Matlab). GARCH. Converter a série original em estacionária, agora em três etapas. Até o final, NO ONE conseguiu obter um resíduo estacionário do modelo. E se o resíduo for não estacionário, há sempre uma situação que drena o depoimento.

Concordo plenamente. Os canais, as tendências são em geral a posteriori e são simplesmente nossa forma usual de dar sentido a uma história já estabelecida. As distribuições de probabilidade móvel precisam ser calculadas - isto dará informações mais confiáveis. Mas aqui também, a não-estacionariedade confunde os cartões.
 
Viktor Korchagin:

Seu direito...eu não estou reclamando nada))) mas o ponto que eu fiz, você pode escrever uma coruja...será interessante ver os resultados


 
Aleksey Ivanov:
Concordo plenamente. Os canais, as tendências são em geral a posteriori e são simplesmente nossa forma usual de dar sentido a uma história já estabelecida. As distribuições de probabilidade móvel precisam ser calculadas- isto dará informações mais confiáveis. Mas aqui também, a não-estacionariedade confunde os cartões.
Exatamente. Há dois meses eu venho dizendo como fazer isso no meu fio condutor. E algumas das pessoas mais sofisticadas estão completamente estupefatas nestes assuntos. Eles não têm a menor idéia, para dizer de forma simples. Chegou a hora de eles jogarem dominó :))))
 
Aleksey Ivanov:
Concordo plenamente. Os canais, as tendências são em geral a posteriori e são simplesmente nossa forma usual de dar sentido a uma história já estabelecida. As distribuições de probabilidade móvel precisam ser calculadas - isto dará informações mais confiáveis. Mas aqui também, a não-estacionariedade confunde os cartões.
Isto tem sido feito no GARCH por cerca de 15 anos. Mas antes disso há mais dois passos para incrementos: um modelo de tendência em incrementos e um modelo de volatilidade (GARCH - clustering volatility first, mas há muitas outras nuances). E então a densidade móvel é calculada e modelada geralmente por distribuição em t. Se observarmos a história do desenvolvimento dos modelos GARCH, a eficiência desses modelos melhorou drasticamente exatamente após a modelagem da densidade de probabilidade. Portanto, não se pode passar sem ele.