Os programadores da MQL podem ser considerados como programadores? - página 6

 

Se você é um programador ou não depende de uma pessoa.
MQL4-5 é um dos ramos da programação.
Há diferentes graus de habilidade-compilação de algoritmos-programas.
Por exemplo, se você só pode usar MQL4-5, você será um deus da programação entre novatos e não-programadores.
Se você é bom na MQL4-5, entre programadores experientes você será um novato perdedor.
Tudo depende do ambiente em que você se encontra.
Tudo no mundo é relativo.
Um copo de água é maior que uma gota, um barril de água é sempre maior que um copo de água, e assim por diante.


E se você provar algo na frente de profissionais que só sabem usar a MQL4-5.

eles o pisarão em uma vala com ***, com risos selvagens e rugidos.


P.s. Todos têm que estar em seu nicho e discutir somente dentro de seu nível.

 
Alexander Ivanov:

E se você provar algo na frente de profissionais que só sabem como usar MQL4-5

eles o pisarão em uma vala com ***, e com risos selvagens e rugidos.

Eles não serão sequer pisoteados. Você não será sequer pisoteado. Não vale a pena.

 
Yuriy Asaulenko:

Não haverá nem mesmo atropelamento. Também não haverá risos nem relinchos. Não vale a pena.

Haverá sempre quem goste de fazê-lo...

assim )

 
Yuriy Asaulenko:

Se você fizer isso, você pode se considerar não um super-programador, mas um super-idiot. Em vez de aplicar o que já foi criado muitas vezes, fazendo-o você mesmo e perdendo tempo com isso. Esta abordagem "sozinho" não se enquadra no conceito de programação moderna).

Por favor, me diga onde posso encontrar, bem, pelo menos códigos de trabalho C++ para a GARCH.
 
Aleksey Ivanov:
Por favor, diga-me onde posso encontrar, bem, pelo menos códigos de trabalho C++ para GARGH.

Em R-Project, com código fonte. Parece haver alguns módulos em Python também. E tudo em C++. E se não em C++, quem - o que impede a conexão a esses módulos de qualquer outra aplicação? Você tem apenas a interface atrás de você. Por que você precisa do código C++? - Você não precisa de código para aplicá-lo.

PS Aqui está a primeira coisa que surgiu em uma busca - garch para Python - Time Series Analysis (TSA) em Python - Linear Models to GARCH A julgar pela busca, garch C++ também é suficiente.

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...
 
Yuriy Asaulenko:

Se você fizer isso, você pode se considerar não um super-programador, mas um super-idiot. Em vez de aplicar o que já foi criado muitas vezes, fazendo-o você mesmo e perdendo tempo com isso. O conceito de programação moderna não se enquadra nesta abordagem "tudo por si mesmo").

É por isso que mencionei a baixa produtividade e a necessidade de aprender a tecnologia "on the fly". Se eu tenho esses problemas, então que tipo de jogador de tanque sou eu? Programador, quero dizer.

 
Aleksey Ivanov:
Por favor, diga-me onde posso encontrar, pelo menos, códigos de trabalho C++ para a GARCH.

O problema é que o GARCH(1,1) puro é um modelo virtualmente impraticável.

Você tem que levar o pacote apropriado, o mais interessante é o rugarch. Você tem que simular a média, ARCH propriamente dita, e há muitos destes modelos, você pode obter bons resultados com EGARCH, além de que você tem que simular a distribuição. Há muitas publicações destacando os resultados da utilização deste pacote nos mercados financeiros, incluindo o Forex. Você pode encontrar aqui códigos e exemplos prontos, é muito instrutivo.

Se você olhar para Rugarch e conseguir um bom resultado, ele está disponível em Srp, os códigos são de código aberto.

Mas você está muito longe de Srp porque não é certo que obterá um resultado decente com GARCH. De qualquer forma, é incomparavelmente mais conveniente conduzir experimentos em R do que em µl, porque R é um intérprete.

 
СанСаныч Фоменко:

Em qualquer caso, é incomparavelmente mais conveniente realizar experimentos em R do que em µl, porque R é um intérprete.

É mais conveniente não porque o intérprete é secundário, mas porque R é um ambiente de modelagem, incluindo (ou primeiro que tudo) estatísticas.

A propósito, apesar de o R ser interpretado, o próprio idioma é uma linguagem de script e serve principalmente para ligar palavras em uma frase, ou seja, funcionalidade e vários pacotes entre si. E o próprio idioma ocupa uma parte insignificante do tempo de execução do programa.

Assim, todas as reclamações sobre a velocidade do R são completamente infundadas. Trata-se do uso de R diretamente no TC, e da inutilidade de reescrever códigos no MQL).

 
СанСаныч Фоменко:

O problema é que...

Informações úteis :

http://keldysh.ru/papers/2013/prep2013_19.pdf

M.A. Ananiev, N.A. Mitin

Comparação de modelos Autoregressivos Lineares e Não Lineares de Heteroscedasticidade Condicionada Usando o Retorno do Índice RTS como Exemplo

ANOTAÇÃO

Neste artigo comparamos as capacidades de previsão dos modelos de volatilidade condicional linear e não linear com o exemplo dos modelos GARCH para o retorno do índice RTS. Com base nos preços de fechamento diário do índice RTS para 10 anos, um conjunto de modelos paramétricos é estimado e um conjunto de previsões de volatilidade para diferentes horizontes de comprimento é construído. As capacidades de previsão dos modelos são comparadas de acordo com os critérios selecionados. Modelos não lineares foram desenvolvidos para responder pelas características detectadas das séries cronológicas, mas a qualidade das previsões obtidas com sua ajuda é, às vezes, questionada. Os resultados deste estudo complementam os resultados de outros trabalhos: modelos de volatilidade condicional não-linear mostram melhores resultados. Uma possível explicação para este sucesso pode ser o fato de que modelos não lineares dão melhores previsões em horizontes relativamente curtos, enquanto que em horizontes mais longos podem dar erros maiores.

 
СанСаныч Фоменко:

O problema é que o GARCH(1,1) puro é um modelo virtualmente impraticável.

Você tem que levar o pacote apropriado, o mais interessante é o rugarch. Você tem que simular a média, ARCH propriamente dita, e existem muitos destes modelos, você pode obter bons resultados com EGARCH, além de que você precisa simular a distribuição. Há muitas publicações destacando os resultados da utilização deste pacote nos mercados financeiros, incluindo o Forex. Você pode encontrar aqui códigos e exemplos prontos, é muito instrutivo.

Se você olhar para Rugarch e conseguir um bom resultado, ele está disponível em Srp, os códigos são de código aberto.

Mas você está muito longe de Srp porque não é certo que obterá um resultado decente com GARCH. De qualquer forma, é incomparavelmente mais conveniente conduzir experimentos em R do que em µl, porque R é um intérprete.

Sanych, deixe-me contar-lhe um segredo terrível: também a MQL. É também um intérprete.