Тики: распределения амплитуд и задержек - страница 4
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
На первом рисунке в начале ветки изображена типичная шумовая экспонента. Точно такая
же экспонента получится если посчитать например количество пунктов которое пройдет курс за
5 минут и затем построить гистограму N от числа пунктов.
На втором рисунке отражено именение волатильности рынка в течении недели - переодичность там кажущаяся, ее изменения тоже носят случайный характер.
Я не говорю, что там строго детерминистская периодичность, но статистическая закономерность налицо и имеет объективный характер (азиатское затишье). На мой взгляд, "детерминистскую часть" процесса можно с приемлемой точностью моделировать периодической функцией.Выгоднее искать долгосрочные закономерности.
Еще раз спасибо за напоминание. Я занимаюсь тем же, а тики решил анализировать не для прямого извлечения прибыли из их поведения, а, скажем так, для формирования разумной тактики риск-менеджмента.Спасибо за ценную информацию, New. Поясни, пожалуйста, что такое "типичная шумовая экспонента", т.е. какой конкретно функции распределения плотности вероятности она соответствует. Не обязательно давать формулу; достаточно просто привести ее название, принятое в статистике.
Да это скорее слэнг. Если например величина амплитуды сигнала распределена случайным образом,
то спектр будет аналогичен первому рисунку, т.е. число(количество) сигналов с большей амплитудой
будет падать по экспоненте. Если бы при этом были бы какие-то аномалии(закономерности), то на
этой обратной экспоненте появлялись бы "припупинки" - пики, выбросы.
Азиатское затишье вещь конечно объективная, если японы не раздухарятся, но использовать это
я думаю сложно.
Если например величина амплитуды сигнала распределена случайным образом,
то спектр будет аналогичен первому рисунку, т.е. число(количество) сигналов с большей амплитудой
будет падать по экспоненте. Если бы при этом были бы какие-то аномалии(закономерности), то на
этой обратной экспоненте появлялись бы "припупинки" - пики, выбросы.
И второе: обрати внимание, что на первом графике - не гистограмма амплитуд, а гистограмма лагов. С амплитудами-то как раз почти все более-менее ясно.
P.S. Термина "шумовая экспонента" я в инете не нашел.
Я выделил критические слова в твоем ответе. Каким случайным образом?
И второе: обрати внимание, что на первом графике - не гистограмма амплитуд, а гистограмма лагов. С амплитудами-то как раз почти все более-менее ясно.
Да вобщем-то неважно какое именно расределение Гаусс или Пуассон экспоненты и тут и там.
Допустим лаги распределены по Гауссу. Пусть максимум Гаусса лагов лежит в области 1-й секунды, тогда количество лагов с длительностью t будет N0*(1/exp(t-to)) с каким-то кпффициэнтом, где N0 число лагов в максимуме. Чтобы идентифицировать конкретику распределение нужно тщательно исследовать его вблизи максимума (у тебя вблизи 1-й секунды), но на практике это как правило не нужно, да часто и невозможно из-за ошибок и ограничений - поэтому и обобщенный слэнговый термин шумовая экспоннента. На практике опять же важнее найти отклонения - если бы у тебя появился пик числа лагов например в районе 50 секунд с N допустим 3000 тогда это было бы интересно.
Ну да, конечно, никакой особенной разницы между Гауссом и Пуассоном в конечном счете нету: пик и там, и там один-единственный, а поведение всех кривых около максимума одинаково (парабола), что позволяет смело плюнуть на 3-й и 4-й моменты распределений (асимметрии всякие, эксцессы). Да и вообще различия между всеми одномодовыми распределениями абсолютно эфемерны - особенно если и там, и там одинаковые экспоненты. О тяжелых хвостах тоже можно забыть, фигня это все, от лукавого...
P.S. от 31.10.2012: Это была шутка, но меня тогда не поняли...
Будь так любезен, не бросай дело на полпути.
P.S. Появились. Одна пока только. Сделал так: на втором графике с первой страницы ветки, чтобы как-то сгладить бешеные различия в задержках тиков, просто вычислил их логарифмы. Вот псевдослучайный процесс логарифма задержки за пару недель апреля (1-я и 2-я):
.......................
Оба процесса стали более "однородными" в сравнении с процессами самих времен задержки. Теперь логарифмы лагов - это числа в интервалах примерно от 0 (лаг = 1 секунде) до 7 (лаг больше 1000 сек). ..............
Подозреваю, что "квазистационарность" процесса логарифма лага от времени здесь появилась не случайно. ..........
то с большой вероятностью получишь чтото близкое к Гаусу.
Это общая закономерность из статистики - как бы следствие из центральной предельной теоремы (ЦПТ).
Если случайная величина неограничена (т.е. может принимать значения от минус до плюс бесконечности),
то по ЦПТ множество случайных факторов будет приводить функцию распределения этой величины к нормальному закону.
Если конечно выполняются все предположения ЦПТ.
Аналогично, если случайная величина строго положительна
(например интервал времени между предыдущим и последующим событиями),
то эта случайная величина будет подчиняться логнормальному распределению.
Или что тоже самое - логарифм этой величины будет подчиняться нормальному распределению.
Эти утверждения справедливы для очень многих случайных величин.
Например для цен, для размеров депозитов в банке, для роста людей и т.д.
Аналогично, если случайная величина строго положительна
Mak, почитай Питерса, он есть на Пауке. Он быстро развеет твои грезы о нормальности/логнормальности на рынке. Во всяком случае, оценка риска на основе нормальной гипотезы очень сильно расходится с реальностью.(например интервал времени между предыдущим и последующим событиями),
то эта случайная величина будет подчиняться логнормальному распределению.
Мои грезы на эти темы развеялись еще лет семь назад.
Mak, возможно, ты и прав насчет логнормальности распределения тиков по лагам, но напрямую это, кажись, не доказать...
1. p.d.f. лагов тиков:
2. лаги в зависимости от времени (несколько очень больших лагов пришлось убрать, чтобы яснее увидеть области концентрации лагов; этих крупных лагов на самом деле очень мало):
3. pdf амплитуд:
Что видим? Если с третьим графиком никаких особых неожиданностей нет (как и с EURUSD, два острых пика), то первые два заставляют задуматься: pdf лагов имеет четко выраженные экстремумы в областях четных секунд, а функция зависимости лага от времени это только подтверждает. Наверно, это связано с особенностями котирования этого индекса.
Интересно отметить, что аналогичные графики/гистограммы по золоту не показывают ничего слишком уж особенного в сравнении с EURUSD, хотя, следует признать, они значительно более "шумные".