Построение торговой системы с использованием цифровых фильтров НЧ - страница 11

 
Mathemat:

Вот мы тут так здорово рассуждаем о стационарности и прочих умных вещах. А четкого критерия стационарности пока до сих пор и не видно (визуальная оценка последнего графика Prival'a, который якобы похож на БГШ, не является строгой методикой). Как "остационаривать" процесс - это уже другая тема.

Я всего лишь хочу знать, как проверить стационарность. И "остационаренные" ряды мне нужны не для трейдинга, а для проверки систем (хотя нет, вру, проверю и на профпригодность для трейдинга).


Не расстраивайтесь. На самом деле понятие "стационарности", что бы там не говорили или писали, не имеет четкой формулировки. А практика применения... а практику применения я пытался показать чуть выше.
 
Mathemat:

Спасибо, D500_Rised. Prival, есть у тебя что-нибудь такое:

Первый и основной это тест
Дики-Фуллера (или его расширенный вариант)- ADF - тест
он достаточно хорошо реализован в программе Eviews.

Сложнее другое реализовать тесты на структурные сдвиги
-Эндрюса-Зивота и
-Люмсдейна-Паппеля
https://forum.mql4.com/ru/9321/page9
:о)
 
grasn:
to Северный Ветер
Кажется видел что то похожее. Что тут скажешь, спектроанализ как вспомогательный инструмент, кто же против. Так кстати нужно посмотреть, очень может быть что вместо спектров проще было использовать какие нибудь машки или ещё что то подобное.
Вполне возможно, было несколько публикаций на эту тему, и вопрос детально прорабатывался на форумах. Если не ошибаюсь, весь адаптивный выбор окон сводился к анализу экстремумов спектра, построенного на основе метода максимальной энтропии. Вроде работало, да и какой-то смысл в этом был, ведь для MACD в любой момент времени существуют «плюсовые» окна, их надо только найти. Можно конечно взять и MA вместо спектра, но вот только смотря, как ставится конкретная задача, оно может и не получиться.

Что касается фильтров НЧ, то я в свое время развлекался тем, что отфильтрованный сигнал пытался прогнозировать всеми известными методами. В некотором смысле конечно работает :о /

Можно не просто МА а набор заранее расчитанных цифровых фильтров. Возможно, что эти самае экстремумы не сильно "гуляют" по шкале.

К тому же, вот эти вот особенности свечек, не дают надежд на особую точность, так что...

 

Парни, размышляю на данную тему. Имею простую проблему:

Может кто-нибудь в "двух словах" пояснить мне значения терминов "Стационарный ВР" и "Нестационарный ВР" ?

Из-за отсутсвия данной конкретики не могу утвердится в правильности размышления.

 
grasn писал (а): https://forum.mql4.com/ru/9321/page9
:о)

grasn, на стр. 10 там же (цитирую себя):

Получается довольно щекотливая ситуация: чтобы узнать, стационарен ли процесс, надо сначала знать его реалистичную модель (здесь AR(1)). Но returns на такой не похож. Значит, и тест вроде не применим.
Блин, тупик какой-то. Само по себе определение стационарности... какое-то не такое, не строгое. "Чтобы процесс был стационарным, нужно, чтобы м.о. и пр. были постоянными". Т.е. процесс м.о. должен сам по себе быть стационарным :))) Масло масленое...
 
Блин, тупик какой-то. Само по себе определение стационарности... какое-то не такое, не строгое. "Чтобы процесс был стационарным, нужно, чтобы м.о. и пр. были постоянными". Т.е. процесс м.о. должен сам по себе быть стационарным :))) Масло масленое...

Откуда ты это взял? Если м.о. постоянно, то нет процесса м.о. и нет вопроса о его стационарности, и в итоге нет масла масляного.

Определение, которое приводил Привал, достаточно строгое. Что в нем не устраивает?
 

Ну как это нет процесса, bstone? Да и постоянство - в некотором статистическом смысле, конечно, а не в строгом равенстве всех отсчетов. Вот определение, приведенное Prival'ом:

Случайный процесс (СП) с конечной дисперсией называется стационарным в широком смысле если, его МОЖ (м.о.) и ковариационная функция инварианты относительно сдвига во времени, т.е. МОЖ постоянно (не зависит от времени), а ковариационная функция зависит только от разности аргументов t 2- t 1.

Единственный тест на стационарность, который мне известен, - это тест Дики-Фуллера. Но он предполагает некую модель процесса (в данном случае авторегрессию 1-го порядка). А что если модель нам неизвестна заранее?


Давай начнем с самого простого: "МОЖ постоянно (не зависит от времени)". Как практически ты будешь это проверять? Вычислять скользящее среднее процесса (это и есть МОЖ)? С каким периодом?

 
Ну все есть в определении: м.о. должно быть инвариантно относительно сдвига во времени. Фактически это значит, что если провести серию измерений м.о. исследуемого процесса задавшись некоторым периодом (период не обязан быть одинаковым, но он должен быть достаточно большим для статистической достоверности получаемой оценки м.о.). Каждое измерение покрывает отдельный участок ряда (сдвигаем время), чем больше участков, тем больше достоверность.

В результате получаем серию измерений (не процесс), по этой серии измерений получаем оценку м.о. с соответствующими статистическими характеристиками. Вот и все.
 

bstone, это все понятно - и одновременно ничего нового ты мне не сообщил. Каким должен быть период усреднения для получения текущей оценки МОЖ? Скажем, у меня 14 тысяч отсчетов. Период - 10, 50, 100 или 200?

А какой должна быть дисперсия МОЖ, чтобы считать, что гипотеза об инвариантности МОЖ во времени не отвергается?

 
Mathemat:

bstone, это все понятно - и одновременно ничего нового ты мне не сообщил. Каким должен быть период усреднения для получения текущей оценки МОЖ? Скажем, у меня 14 тысяч отсчетов. Период - 10, 50, 100 или 200?

А какой должна быть дисперсия МОЖ, чтобы считать, что гипотеза об инвариантности МОЖ во времени не отвергается?

Ну если я не сообщил ничего нового, то самое время вспомнить про понятие доверительного интервала. В данном случае размер периода зависит только от твоих претензий к точности получаемого результата. Т.е. ты вполне можешь задаться устраивающим тебя доверительным интервалом для оценки м.о. для отдельно взятого участка, чтобы выяснить требуемый размер. Потом ты аналогичным образом поступаешь и с вычислением требуемого числа участков для финальной оценки м.о.

Ну а методики расчета доверительного интервала бывают разные. Возможно придется сначала идентифицировать и доказывать подчинение результатов измерений известным распределениям (например метод расчета доверительных интервалов по распределению Стьюдента в общем случае работает только для выборокк из нормально распределенных совокупностей).

Вполне возможно, что уже на этапе попытки идентификации закона распределения измерений м.о. можно будет обнаружить, что стационарностью тут и не пахнет.

P.S. Я вообще-то управленец, поэтому у меня относительно поверхностные знания о статистике, но это то, что диктует здравый смысл, исходя из того, что я знаю.