Что делает нестационарный график - нестационарным или почему масло - масленное? - страница 34

 
Avals >>:

использует зависимость волатильности от предыдущих значений при прогнозе.

и что? это типа "память временного ряда"? В этой теории даже такого термина нет, а зависимость вводится вообще определением самих ARCH процессов, т.е. изначально предполагается, что есть нетривиальная зависимость и точка.

То что волатильность и дисперсия не являются константой, а меняется со временем и зависит от предыдущих значений - вроде просто и очевидно. Вы же утверждаете, что дисперсия - неизменна. Хотя можете и так считать, если из этого удалось что-то полезное найти :)

я же не экстрасенс, и говорить о том, что такая то переменная такого то ряда есть константа. Для этого существуют всякие методы. Для котировочного блуждания дисперсия - не стационарна, я с этим и не спорю, для разностей - формально можно признать стационарность.
Вы удивитесь, но это никак не противоречит ARCH модели

Не нравится слово память, пусть будет как у Ширяева "последействие"

да хорошее слово, просто поясняйте, что Вы имеете в виду, лично Вы, а не Ширяев

 
Farnsworth писал(а) >>

и что? это типа "память временного ряда"? В этой теории даже такого термина нет, а зависимость вводится вообще определением самих ARCH процессов, т.е. изначально предполагается, что есть нетривиальная зависимость и точка.

я же не экстрасенс, и говорить о том, что такая то переменная такого то ряда есть константа. Для этого существуют всякие методы. Для котировочного блуждания дисперсия - не стационарна, я с этим и не спорю, для разностей - формально можно признать стационарность.
Вы удивитесь, но это никак не противоречит ARCH модели



ну если вам можно признать для разностей стационарность, то это в общем ваше дело. Кто же запретит? :)
 
Farnsworth писал(а) >>

да хорошее слово, просто поясняйте, что Вы имеете в виду, лично Вы, а не Ширяев

я уже пояснял и не раз. Это значит что волатильность зависит от значений в предыдущие моменты времени.
 
gpwr >>:


  1. Дилетанский: читаем разные умные книги, находим примеры разных систем типа пересечения средних, отскока от каналов, пробоя каналов, уровней поддержки и сопротивления и т.п. Кодируем их и удостоверяемся что они не работают. Добавляем разные фильтры используя сотню индикаторов и получаем что-то работающее на коротких отрезках времени, а потом слив. Приходим к мысле что рынок изменяется по времени и надо параметры торговой системы адаптировать. Переходим к следующим двум возможным вариантам.
  2. Пытаемся подогнать модель рынка, типа линейной авторегриссионной модели, многослойной нейронной сети или другой нелинейной функции. Коэффициенты модели автоматически подстраиваются под рынок.
  3. Сдаёмся с линейными и нелинейной моделями. Находим сходные участки истории и предполагаем что цена будет изменяться таким же образом как на в похожем отрезке в прошлом (метод ближайщих соседей)

Тут каждый пункт проблема. Что касается 3 пункта, то думаю, это вообще работать не будет. Вот очень простой эксперимент:

1. Берем участок какой от длины от "сейчас". И ищем аналоги чем угодно, например - корреляцией. Если корреляция больше некого критерия, то этот участок используем для расчетов

2. От найденного "аналога сейчас" смотрим, что было в тот момент "в будущем" и строим очень простую "передаточную функцию" (отметил кавычками) симметричную относительно "сейчас":


Получаем вот такую матрицу "передаточных функций" для какого то критерия и участка (в качестве примера):


3. К текущей ситуации применяем все наши функции и получаем кучу теоретических реализаций:


Для примера имеем вот такую картинку:


Только, мне кажется, "ближайшие соседи" ни к каком виде работать не будут, на таких рядах.

 
Avals >>:

ну если вам можно признать для разностей стационарность, то это в общем ваше дело. Кто же запретит? :)

Вы точно не путаете, процесс изменения дисперсии котировки, типа такого (с ним тоже много чего можно сделать):


с ретурнсами исходного ряда?

 
Avals >>:
я уже пояснял и не раз. Это значит что волатильность зависит от значений в предыдущие моменты времени.

А-А-А-А!!! Я кажется понял!

Вы считаете, что если дисперсия стационарна, то реализация процесса не может зависеть от предыдущих значений и процесс будет выдавать всегда только типа одни константы???? :о)))))))

Послушайте, но это же совсем не так, по науке вполне допускается их стационарность. Более того, почитайте математическое определение этих процессов - три условия :о)

 

стационарность - сохранение подвыборками генеральной совокупности распределений. Для волатильности ценовых рядов это не так, бывают периоды когда волатильность достаточно продолжительное время имеет иное распределение чем в другие моменты. Например, в период последнего кризиса вола была значительно выше, как средние ее значения, так и экстремальные. Если построить распределение волы за этот период, то оно будет совпадать с распределениями, построенными за другие периоды?

 
Avals >>:

стационарность - сохранение подвыборками генеральной совокупности распределений. Для волатильности ценовых рядов это не так, бывают периоды когда волатильность достаточно продолжительное время имеет иное распределение чем в другие моменты. Например, в период последнего кризиса вола была значительно выше, как средние ее значения, так и экстремальные. Если построить распределение волы за этот период, то оно будет совпадать с распределениями, построенными за другие периоды?

Я же не спорю с этим, все верно написано. Но есть же разнице между "дисперсией цены" и "дисперсией приращений цены". Вторую с некоторыми оговорками можно признать стационарным процессом (я про приращения). Но применять для прогнозирования приращений цены всякие модели бесполезно, поскольку очень отличная форма распределений, а если распределения исходного (прогнозируемого) ряда и модельного сильно не совпадают, то устойчивый прогноз принципиально не возможен. А вот для СКО цены - уже немного другая ситуация

В общем, предлагаю - консенсус :о)

 
Farnsworth писал(а) >>

Я же не спорю с этим, все верно написано. Но есть же разнице между "дисперсией цены" и "дисперсией приращений цены". Вторую с некоторыми оговорками можно признать стационарным процессом (я про приращения). Но применять для прогнозирования приращений цены всякие модели бесполезно, поскольку очень отличная форма распределений, а если распределения исходного (прогнозируемого) ряда и модельного сильно не совпадают, то устойчивый прогноз принципиально не возможен. А вот для СКО цены - уже немного другая ситуация

В общем, предлагаю - консенсус :о)


ok :)