Получение стационарного ВР из ценового ВР - страница 23
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
У СБ да.Белый шум тоже не коррелирован по времени - это его главное условие,но у него дисперсия конечна.Например,первая разность СБ - шум.Кумулятивная сумма этих разностей - случайное блуждание,всё правильно.А теперь берём два или несколько рядов(СБ - кум. сумма) с высокой корреляцией,делаем регрессионный анализ - получаем остатки(белый шум - кум. сумма).
остатки это не кумм. сумма - это ошибка регрессии (разница). И они необязательно белый шум, да и вообще необязательно стационарны. Но даже если это так, это не говорит что в этом ряде не осталось никаких зависимостей. Их м.б. как угодно много и даже детерминированных. В этом аспекте важен период этих зависимостей - как продолжительны они по времени. Чем меньше их время жизни, тем менее они будут выделяться в ряде делая его нестационарным. В предельном случае, когда они действуют в течении одного отсчета - их наличие никак не влияет на форму и параметры распределения. Т.е. здесь важно соотношение частоты дискретизации и времени действия зависимостей.
Нестационарность означает что в ряде есть зависимости достаточно продолжительных по времени (при данной частоте дискретизации). Но зависимость это необязательно зависимость от предыдущих значений ряда. Зависимость от точки начала отсчета по времени (как в определении стационарности и нестационарности). Например, если получилось что сделки зависимы, то это не значит что рынок помнит их величину или последовательность, а просто они попали по времени в определенную фазу развития управляющего процесса (ап-тренд например). Т.е. зависимость проявляется тем, что иногда ряд распределяется совершенно по иному распределению и это может продлиться довольно долго. А многие воспринимают это как в случае с зависимыми сделками - что за двумя убыточными скорее всего будет прибыльная, хотя как правило это случайное попадание в определенную фазу управляющего процесса и необязательно в будущем опять произойдет такая синхронизация с ним по времени.
По сути любая ТС и ищет моменты когда распределение стационарно по максимуму и имеет положительное мо
Рынок всегда оставляет за собой право вас жестко, говоря мягко, обмануть.
остатки это не кумм. сумма - это ошибка регрессии (разница). И они необязательно белый шум, да и вообще необязательно стационарны. Но даже если это так, это не говорит что в этом ряде не осталось никаких зависимостей. Их м.б. как угодно много и даже детерминированных. В этом аспекте важен период этих зависимостей - как продолжительны они по времени. Чем меньше их время жизни, тем менее они будут выделяться в ряде делая его нестационарным. В предельном случае, когда они действуют в течении одного отсчета - их наличие никак не влияет на форму и параметры распределения. Т.е. здесь важно соотношение частоты дискретизации и времени действия зависимостей.
Нестационарность означает что в ряде есть зависимости достаточно продолжительных по времени (при данной частоте дискретизации). Но зависимость это необязательно зависимость от предыдущих значений ряда. Зависимость от точки начала отсчета по времени (как в определении стационарности и нестационарности). Например, если получилось что сделки зависимы, то это не значит что рынок помнит их величину или последовательность, а просто они попали по времени в определенную фазу развития управляющего процесса (ап-тренд например). Т.е. зависимость проявляется тем, что иногда ряд распределяется совершенно по иному распределению и это может продлиться довольно долго. А многие воспринимают это как в случае с зависимыми сделками - что за двумя убыточными скорее всего будет прибыльная, хотя как правило это случайное попадание в определенную фазу управляющего процесса и необязательно в будущем опять произойдет такая синхронизация с ним по времени.
По сути любая ТС и ищет моменты когда распределение стационарно по максимуму и имеет положительное мо
Почитал вашу тему, ничего не понял.
Но как получить стационарный ряд понял. Прогнал первый раз вокруг нуля колеблется.
Второй, третий, четвертый, двадцатый - в проге копирую цикл..
Колебания по сумме растут, по внешнему виду сильно не меняются.
Выявились несколько скочков, они во времени постоянны. Остальное похоже друг на друга.
И как это понимать? ).
Сделал наоборот, преобразование обратное переводу в стационарный.
тоже стал копировать циклы.
На 21 раз получил ценовой ряд, с которого начал.
На 22 гиперболу..
Тоже непонятно как понимать.
Почитал вашу тему, ничего не понял.
Но как получить стационарный ряд понял. Прогнал первый раз вокруг нуля колеблется.
Второй, третий, четвертый, двадцатый - в проге копирую цикл..
Колебания по сумме растут, по внешнему виду сильно не меняются.
Выявились несколько скочков, они во времени постоянны. Остальное похоже друг на друга.
И как это понимать? ).
Сделал наоборот, преобразование обратное переводу в стационарный.
тоже стал копировать циклы.
На 21 раз получил ценовой ряд, с которого начал.
На 22 гиперболу..
Тоже непонятно как понимать.
на самом деле тоже не понял что вы имеете в виду. Что за циклы, как получяли ряды и т.д. И для чего это делалось в принципе
1)Давай не будем вилять из стороны в сторону и выдавать такие серии как "Это предполагает,что это ничего не предполагает".Ну раз решил принять огонь на себя(не просто так пофлудить зашёл,правда),то вопрос доказательства локальных закономерностей на случайном блуждании переходит и к тебе.
2)Ну и для тех кто в танке,за меня уже 500 раз всё передаказано.Ответ "да" - смогу.
1. Жаль, что ты не понимаешь разницу между двумя утверждениями: "форма и параметры распределения не дают однозначного ответа что нет никаких зависимостей" и "форма и параметры распределения свидетельствуют, что локальные закономерности есть". Но это твои проблемы.
2. Ну что ж, раз сказал "А", то говори и дальше. Доказывай.
3. Интересная ситуация складывается. С одной стороны ты можешь доказать, что локальные закономерности на случайном блуждании отсутствуют. Это очевидно предполагает, что глобальные закономерности отсутствуют и подавно. То есть зарабатывать определенно не на чем. С другой стороны, ты присутствуешь на этом форуме и, наверное, на форексе. Закономерный вопрос: а что же ты тут делаешь ? :-)
to Yurixx
Юра, здравствуй!
А ведь ты, если мне не изменяет память, являешься Отцом, Сыном и Святым Духом идеи остационаривания (или, приведения к нормальному виду) РПР от ценового ВР. Может озвучешь основную идею. Наведёшь порядок в моём воспалённом моске?
Да ты чего, Сергей ? За что ! :-)
Когда это я такие идеи высказывал ? Ну разве что в бессознательном состоянии.
Мы с тобой вообще уже давно ушли от попыток причесать ценовый ВР под красивые модельные ряды теории вероятностей - стационарные, нормально распределенные и т.п. Если уж быть точным, то я с самого начала ориентировался на динамический подход. А после Пастухова утвердился в этом окончательно.
Вот к этому твоему пассажу мне и добавить нечего:
Ряд первой разности (РПР) от ценового не является стационарном ни в каком смысле. У него гуляет самым непредсказуемым образом МО (хоть и в районе нуля), заставляя нас "видить" восходящий тренд на ценовом ВР, когда МО РПР>0, нисходящий при МО<0 и флет при МО->0. У него с суточным периодо гуляет стандартное отклонение (волатильность). Я не понимаю, зачем и как нам его остационаривать? Мы что, хотим из него получить СВ с нормальным распределением с нулевым МО и дисперсией равной константе? Даже если каким-то неизвестным способом получим, что с эти "чудом" дальше делать?
Идею остационаривания я могу принять только в таком виде.
Если есть некая модель ценового ВР, то можно построить ряд остатков, то есть разностей между реальной ценой и модельной. Если этот ряд остатков стационарен и нормально распределен, то модель можно считать адекватной.
Тут же хочу заметить, что эта адекватность еще не все, что нужно для счастья. Дисперсия этого ряда остатков, даже при его стационарности, может быть так велика, что модель будет не только не профитная, но даже убыточная. Поэтому эта дисперсия может быть мерой адекватности модели. То есть для полного счакстья нужно чтобы дисперсия ряда остатков была меньше некоторого критического значения, соответствующего нулевой доходности модели.
Да ты чего, Сергей ? За что ! :-)
Когда это я такие идеи высказывал ? Ну разве что в бессознательном состоянии.
Мы с тобой вообще уже давно ушли от попыток причесать ценовый ВР под красивые модельные ряды теории вероятностей - стационарные, нормально распределенные и т.п. Если уж быть точным, то я с самого начала ориентировался на динамический подход. А после Пастухова утвердился в этом окончательно.
Идею остационаривания я могу принять только в таком виде.
Если есть некая модель ценового ВР, то можно построить ряд остатков, то есть разностей между реальной ценой и модельной. Если этот ряд остатков стационарен и нормально распределен, то модель можно считать адекватной.
Спасибо, друг!
Мне реально полегчало. А то я оказался в ситуации, когда умная половина форума на полном серьёзе обсуждают значимую вещь, а я не могу не то что бы понять то, что и так ясно всем, но даже и предмета обсуждения-то не вижу.
Уверен, что теперь тему можно закрывать за отсутствием практической полезности обсуждаемого вопроса.
:-)
Было бы интересно услышать мнение форумчан. Наличие адекватной модели ценообразования, позволит понять скрытые механизмы курсовой динамики, а значит есть не нулевая вероятность их профитной эксплуатации.
Neutron писал(а) >>
Пусть у нас имеется произвольная ТС, торгующая по самому общему алгоритму.
Блок анализа:
1. определяет точку входа в рынок и направление открываемой позиции;
2. определяет точку выхода, т.е. закрывает открытую позицию.
Понятно, что при таком определении торгового алгоритма мы разбиваем ценовой ВР на изолированные по времени участки, в которых находимся в рынке. Будем называть параметром оптимальности ТС - k отношение числа выплат комиссий ДЦ к числу совершённых транзакций. В этом случае очевидно, что k=1 всегда и ряд транзакций содержит сколь угодно длинные однонаправленные серии. Будем называть "оптимальной" ТС такую, которая минимизирует параметр k.
Оказывается, что нет нужды закрывать и открывать однонаправленные последовательные позиции, теряя при этом на каждом шаге спред. Можно объеденить последовательные однонаправленные транзакции путём "не выхода" с рынка и теряя один спред уже на серии "виртуальных" транзакций, а не на каждом члене серии, что приведёт к минимизации параметра оптимизации. Теперь k<=1.
Такая ТС при прочих равных условиях (когда для разных ТС работает один и тот же аналитический блок управления), выдаст максимально возможную доходность, определяемую как пункты на одну транзакцию (в среднем) и будет оптимальной в озвученном смысле.
Теперь, если включить "художественное" воображение, то перед глазами видна переворотная ТС, которая всегда находится в рынке. Что и требовалось доказать.
И что, параметр "отношение числа выплат комиссий ДЦ к числу совершённых транзакций" действительно является хорошим параметром? И мы ищем минимальное значение, как я понимаю. А что понимается под комиссией? ДЦ для форекса объявляют ее фактически как бы нулевой, некоторые ДЦ "давят" на спред. Или имеется в виду только спред? Если спред, то вроде он езмъ всегда (правда говорят есть какие то ДЦ, торгующие без спреда). Или имеется в виду профит со сделки? Но и в этом случае параметр весьма сомнителен.
to Yurixx, Neutron
Да ты чего, Сергей ? За что ! :-)
Когда это я такие идеи высказывал ? Ну разве что в бессознательном состоянии...
Спасибо, друг!
Мне реально полегчало. А то я оказался в ситуации, когда умная половина форума на полном серьёзе обсуждают значимую вещь, а я не могу не то что бы понять то, что и так ясно всем, но даже и предмета обсуждения-то не вижу.
Уверен, что теперь тему можно закрывать за отсутствием практической полезности обсуждаемого вопроса.
Выпедрежники (в хорошем смысле этого слова) :о) Коллеги, такое преобразование получить возможно, с некоторыми ограничениями, разумеется. А для чего это нужно - ответ очень простой, это дает возможность применения метода максимального правдоподобия.