Os programadores da MQL podem ser considerados como programadores? - 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
Sanych, vou lhe contar um segredo terrível: a MQL também. É também um intérprete.
Onde você conseguiu a lenha?
Sanych, vou lhe contar um segredo terrível: a MQL também. Também um intérprete.
Eu me juntarei à fila e lhe contarei um segredo não menos terrível: os arquivos ex4 e ex5 são códigos nativos. ))
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 poderia ser o fato de que modelos não lineares dão uma melhor previsão em horizontes de tempo relativamente curtos, enquanto em horizontes de tempo mais longos podem dar um erro maior.
É claro, obrigado.
Mas há uma enorme literatura sobre a aplicação do Garch, e ela é especialmente importante nos mercados financeiros. Havia um artigo em algum lugar que procurava parâmetros de lixo sobre o exemplo de todos os estoques no índice S&P500, que é de 500 estoques.
Como li (não minha experiência, não posso repetir tudo, é muito longa), hoje os modelos mais avançados são o RealGARCH. O prefixo Real refere-se à variação já realizada, ou seja, o modelo utiliza duas variações: na TF maior e na TF menor para a qual existe um fato.
Todos aqui estão agitando para que alguém comece a cavar. Eu tinha um companheiro assim, mas ele se instalou em uma arima, que faz parte da vestimenta. E a quantidade de trabalho é demais só para mim.
É mais conveniente, não porque o intérprete é secundário, mas porque R é um ambiente de modelagem, incluindo (ou principalmente) 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 insensatez de reescrever códigos no MQL).
Concordo plenamente com você: o R é uma ferramenta muito bem pensada para pesquisa e desenvolvimento em estatística, e agora a modelagem de máquinas também está relegada às estatísticas. E é muito fácil usar os resultados da pesquisa em uso industrial.
Concordo plenamente com você sobre o desempenho. Nesses algoritmos que uso, não vejo qualquer perspectiva de aumentar a velocidade da enumeração mcl.
E o mais importante, não vejo tanta necessidade de reescrever - são ferramentas diferentes para áreas diferentes que se combinam perfeitamente e facilmente, tudo funciona de forma estável.
O principal é aprender as variáveis GOTO e INPUT... no computador ZX-Spectrum.
O resto é uma perda de tempo.
O principal é aprender as variáveis GOTO e INPUT... no computador ZX-Spectrum.
o resto é uma dádiva de Deus.
Hmm, no final da década de 80 muitas pessoas se consideravam programadores por suas habilidades de escrita ))
LOAD ""Sem isso, porém, você não poderia executar nenhum jogo (de um gravador de cassetes na época).
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 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. Em qualquer caso, é muito mais conveniente conduzir experimentos em R do que em µl, porque R é um intérprete.
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.
Hmm, no final dos anos 80, muitas pessoas se consideravam programadores por suas habilidades de escrita )).
Você realmente não conseguiria executar nenhum jogo sem ele (de um gravador de cassetes na época).
é o nosso próprio... e quente.
é o nosso FS)).
Hmm, no final dos anos 80, muitas pessoas se consideravam programadores por suas habilidades de escrita )).
Sem ele, porém, você não poderia executar nenhum jogo (de um gravador de cassetes na época).
Eu tinha 6 anos de idade quando recebi meu primeiro Mestre como um presente.
Mas não me lembro de escrever Load ...