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
ну не сможете вы на котировка выделить шум, - видимо не понимаете этого, поскольку не пробовали. И на котирах никакой АРПСС не поможет и участки эти не найдете - никогда. Нас бы таких умников-миллионеров тут толпы ходили, - остров и замков на всех не хватило бы. :о) Выделить шум - это означает найти адекватную модель.
Я не ученый
Я же не лично к Вам обратился. Но раз ответили - напускная самоидентификация не сработала :)
Что касается вопроса, то он не к ошибкам в интерпретации результатов анализа реализации одного и того же процесса (подобные скоропалительные выводы любезно faa1947 демонстрирует - удаляя каждое второе наблюдение, требует, чтобы период в единицах измерения сохранялся), а в самом факте цикличности скользящего среднего суммы случайных рядов.
Мне из-за этого не дается понимание самого котировочного процесса и итоговой траектории цены.
И если якобы геометрическое блуждание котира - результат ряда случайных процессов (сглаженых фильтами ДЦ и огрубленные дискретизацие тафреймов), то как это согласуется с равномерным распределением (и в итоге с Гауссианой) некоторых популярных моделей?
К слову, модель "трэнд-волна-шум" на "очень продолжительном периоде" не выдерживает, применительно к форе, никакой критики - тренда здесь не может быть по определению.
Золото, нефть, сахар - там тренд нужен. Для оценки инфляции...
;)
Кажись, Prival в этой теме. К этому относились и пассажи о фильтре Калмана, например. Насколько я понял, в идеале шум должен быть нормальным. Тогда можно будет прогнозировать не только траектории вражеских самолетов, но и котиры :)
Модель АРПСС записывается как АРПСС (р, d, q), где d - это разности. Их надо брать до тех пор, пока полученный ряд не будет нормальным. Утверждается. что достаточно d = 2.
Поистине удивительно упорство, с которым многие пытаются толковать подобие исключительно как геометрическое подобие. Несмотря на приведенный совершено конкретный пример подобия, я имею в виду статистическое соотношение High-Low и |Close-Open|. Это и есть реальное подобие. Кстати, Юрий, твой пример по ЗЗ может ещё лучше, но он кажется из лички, поэтому я его здесь не привожу.
Farnsworth 18.09.2010 22:08
== равенство конечномерных распределений
Примеры с геометрическим подобием помогают наглядно понять в чем суть Херста как коэффициента самоподобия. К примеру, можно дать геометрическую интерпретацию R/S анализа - берем линейку размером 1, меряем этой линейкой R/S, берем линейку размером 2 и повторяем измерения. И так до тех пор, пока это будет уместно. Собственно, таким образом, оценивается равнество распределений и по ходу вычисляется коэффициент самоподобия.
В любом случае, мне бы очень хотелось, чтобы вы, Candid, дали свою геометрическую интерпретацию или, так сказать, показали на картинках, в каков геометрический смысл вот такого определения:
Показатель Херста является предельной мерой. И определяется как предел, ассимптота к которой стремится h в известной формуле для нормированного размаха при устремлении числа отсчетов в интервале к бесконечности.
Лично я вижу, что Херст, коэффициент самоподобия, в приведенном определении упростился до одного измерения характеристики похожей на R/S при помощи линейки бесконечной длины. Очевидно, что ряды, не имеющие бесконечного нормированного размаха, по такому определению будут иметь показатель Херста равный нулю. Каково ваше мнение?
Если пользуетесь АРПСС, то не понял. Исходная посылка АРПСС - это: тренд + волна + шум.
Да не так он вообще записывается и понимается немного не так. АРПСС - по сути это AR модель с коррекцией матрицы ковариации. Есть компоненты, которые расширяют АРПСС, - можно включить модель(!) тренда, модель(!) пробоя, много чего. Чего вы про него заладили? Вы думаете я про него совсем ничего не знаю? Пишу я немного о другом - не применяю эти модели непосредственно на котировках. Это бессмысленно. Писал о том, что использую стохастические системы со случайной структурой. Вот и все - с чем Вы спорите? С тем что можете их применять на котировках? АРПСС на котировках? Мои поздравления!
Или квалификации, сначала квалификации.
Это математика, которая в данном случае не работает - не выполняется ни одно из необходимых условий. Ну да, КВАлификация - кто же спорит то.
Много рассуждал на эту тему, но ничего. может быть поделитесь результатами?
кто рассуждал? Какими результатами делиться? Вот тут: https://forum.mql4.com/ru/34527/page27 привел результат тестирования в пунктах, пока в MathCAD, 25 сделок за 150 дней. Так же в ветке онлайн тестировании систем - немного прогнозировал.
PS: Если Вы можете АРПСС применять к котировкам и корректно идентифицировать процесс - покажите мастерство.
Кажись, Prival в этой теме. К этому относились и пассажи о фильтре Калмана, например. Насколько я понял, в идеале шум должен быть нормальным. Тогда можно будет прогнозировать не только траектории вражеских самолетов, но и котиры :)
Не-не, не так все просто. Привалыч сам говорил, что Калман не зависит от распределения ошибок. Какое туда всунешь - такой фильтр и выйдет.
Честно говоря, не знаю, что такое Калман. Я фильтрами по делу никогда и не интересовался.
Farnsworth 18.09.2010 22:08
Примеры с геометрическим подобием помогают наглядно понять в чем суть Херста как коэффициента самоподобия. К примеру, можно дать геометрическую интерпретацию R/S анализа - берем линейку размером 1, меряем этой линейкой R/S, берем линейку размером 2 и повторяем измерения. И так до тех пор, пока это будет уместно. Собственно, таким образом, оценивается равнество распределений и по ходу вычисляется коэффициент самоподобия.
Модель АРПСС записывается как АРПСС (р, d, q), где d - это разности. Их надо брать до тех пор, пока полученный ряд не будет нормальным. Утверждается. что достаточно d = 2.
Не-не, не так все просто. Привалыч сам говорил, что Калман не зависит от распределения ошибок. Какое туда всунешь - такой фильтр и выйдет.
Честно говоря, не знаю, что такое Калман. Я фильтрами по делу никогда и не интересовался.