Феномены рынка - 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
Постепенно приближаюсь к моделям, и феномену. Итак, стохастические модели со случайной структурой предполагают, ессс-но, сами модели и описание перехода между ними (т.е. некая вероятностная логика перехвата одного процесса другим, которые эти модели генерят). Можно сказать, что ВР описывается 100 дифференциальными уравнениями Ито, и тут же встает вопрос идентификации моделей, - а какие функции, а какие коэффициенты смещения, а какие коэффициенты диффузии для каждого, какой начальный вектор вероятности состояний систем, в общем - задача не тривиальная.
Вот собственно и придумал преобразование, которое любой исходный временной ряд раскладывает на два подпроцесса. Ранее, не встречал ничего похожего, но возможно, это один из частных случаев канонического представления случайных функций. Кто его знает, я не профессиональный математик. Суть его в «просеивании» через решетку. Да не важно, математику пока не буду выкладывать, нужно с идеями и с концепцией разобраться. Важно то, что после преобразования получается всего два процесса, эти процессы линейны, но имеют более сложную структуру.
Случайный процесс. Процесс подогнан по своим характеристикам к приращениям M15
После преобразования получаем:
Для случайного процесса, коэффициенты b(alpha) и b(omega) в моделях, будут по модулю одинаковы, разница в длинах соответственно покажет преобладание той или иной динамики, да и для случайного процесса внутренняя структура разделенных процессов будет близка к линии. Остаются еще некоторые теоретические вопросы, и разработка более совершенных алгоритмов, но это отдельная история.
Кстати, еще одно косвенное (в смысле пока строго не доказанное) утверждение, что котировочный процесс не случаен, поскольку характеристики разложения отличны от характеристик случайных ВР (ну ... тут пока не строго все).
Так вот, остается еще вопрос вероятностей перехода между состояниями (процессами). Если эти переходы можно будет признать «марковскими», то тогда по формуле Колмогорова-Чемпена можно будет получать вероятности состояния системы в будущем на заданный горизонт.
О самом крутом феномене (это же ветка не только готовых феноменов, как бы исследования допускаются или нет?). Так, вот, уверен, что существуют «стохастические паттерны» (ТА тут не причем), очень сильная уверенность, надеюсь они подтвердятся. Возможно, что ошибаюсь и тогда, уже чувствую, страшно представить, paukas ведь счет за недополученную прибыль представит к оплате.
одно не пойму, почему нужно анализировать Openы?, тренды то рисуются по хай и лоу, вот теория Доу:
ну а опены и клоузы бывают искусственно на закрытие бара опускаются или приподнимаются, иногда кажется что на закрытие бара "идет игра перерисуй цвет свечи"
Ну а если серьезно, то нужны замеры процесса через равные временные промежутки времени (как то с инженерной т.з. ЦОС привычнее и правильнее).
пн, Вы ищете некий моментум
По моей теории, все, что нам достается от ДЦ, весь OHLC - все искусственно. Ну а если серьезно, то нужны замеры процесса через равные временные промежутки (как то с инженерной т.з. ЦОС привычнее и правильнее). Свойства OHLC мне кажется, не сильно отличаются.
Ну, ради интереса можно было бы попробовать смотреть альфу по high-ям, а омегу - по low-ам.
ни вопрос, только уже в следующее воскресенье, когда доберусь до лаборатории. Думаю, они принципиально не изменятся, даже все характеристики преобразования останутся приблизительно такими же.
to All
Еще раз обращу внимание, не знаю, как коллеги, но когда взятое в пределах СКО приращения дали тренд - я был сильно удивлен. Признаюсь, ожидал что то вроде блуждания. Это и вправду тренд. Я показал на примере коэффициента детерминации, но это очень плохой показатель, поскольку он характеризует качество вписывания модели в исходный ряд, т.е. линейную регрессия может отлично вписать в любой ряд, даже в случайный и он покажет, что например, 95% временного ряда на 10 летней истории объясняются a+b*x в пределах средней ошибки. Когда то использовал фрактальные характеристики, в частности оценку показателя Херста несколькими способами (R/S анализ, отклонения дисперсий ...). Считается долго, но уверенно показывает тренд для определенного LAMBDA, в отличии от случайных блужданий.
Есть еще интересные тонкости, но это как нить много позже.
Предположения о модели.
...
Таки, это гораздо интереснее, чем было до.
Вот какой вопрос, существует ли какая то значимая зависимость между отсчётами, в обоих процессах (линейный тренд, это не совсем то). Мысль простая, если такая зависимость появляется, после всех преобразований, то тогда у процессов (у обоих) действительно появляются свойства отличающие их о случайного блуждания.
Кстати, для разделения на процессы то же можно использовать это. Т.е. делить не по отсечке СКО, а по.. ну не знаю, по автокорреляции, например.
Таки, это гораздо интереснее, чем было до.
Вот какой вопрос, существует ли какая то значимая зависимость между отсчётами, в обоих процессах (линейный тренд, это не совсем то). Мысль простая, если такая зависимость появляется, после всех преобразований, то тогда у процессов (у обоих) действительно появляются свойства отличающие их о случайного блуждания.
Кстати, для разделения на процессы то же можно использовать это. Т.е. делить не по отсечке СКО, а по.. ну не знаю, по автокорреляции, например.
откуда там закономерностям/зависимостям взяться? Взяли какой-то тайм-фрейм и часть приращений на нем в одну кучу, часть в другую в завсимости от величины. Причем несколько пунктов или смещение т-ки отсчета может поменять состав этих "процессов". Откуда при таком разбиении взяться торговой логике? 20 пипсов на m15 отнесем к омеге, а вот если бы 21 был, то это совсем другое дело - это альфа :) Откуда вообще взялась такая матрица разделения ретурнсов? Как после ее применения могло получиться иное, чем получилось даже на случайном блуждании, ведь по этой матрице видно, что один "процесс" будет получать больше отрицательных ретурнсов, другой положительных? Само собой получился снос одного вверх, а другого вниз.
Таки, это гораздо интереснее, чем было до.
Вот какой вопрос, существует ли какая то значимая зависимость между отсчётами, в обоих процессах. Мысль простая, если такая зависимость появляется, после всех преобразований, то тогда у процессов действительно появляются свойства отличающие их о случайного блуждания.
Корреляцию для этих процессов пока не смотрел. Причем, специально не смотрел. Основная причина в том, что я "выхватывал" из ряда только те отсчеты, которые попадали под классификацию. Появляющиеся дыры просто игнорировал. Т.е. по изначальной концЯпции, есть детерминированный тренд, с более сложной структурой, чем просто линия, но он детерминированный. И это "трендовый" процесс прерывается (именно прерывается или разрушается) другим, более сложным "процессом-убийцей" (хвосты, уши, все что выпирает). Важно отметить, что не тренд смешивается с шумом, а конкурируют два, очень сложных процесса, один созидательный, другой разрушительный.
Использовать? - почти просто :о) Можно достаточно точно (в разумных пределах) предсказать "несущий процесс", а потом, например, с п-ью метода Монте-Карло оценить будущие разрушения, а так же оценить наиболее вероятные уровни скопления цены после "катастрофы".
И я думаю, что в этом бесконечном процессе рождения тренда и его разрушения должны существовать эти самые "стохастические паттерны". Выходил на них с разных сторон, и вот еще один подход. Но философия немного меняется, получается, что есть тренд, он предопределен самой природой компании, общества, страны, как угодно. Он один, т.е. нет быков и медведей. А есть условия среды, в которой этот тренд не может существовать в идеальных условиях, в т.ч. само общество может его (тренд) разрушать. Но это все лирика, не обращайте внимания.
Кстати, для разделения на процессы то же можно использовать это. Т.е. делить не по отсечке СКО, а по.. ну не знаю, по автокорреляции, например.
В принципе все верно, это не единственный способ фильтрации.
PS ВАЖНО: не получалось отфильтровать с т.з. ЦОС этот процесс, вообще не получалось!!! А вот такой примитивный метод дал результат. Думаю, вот тут должно хорошо работать, все, что связано с приставкой "мульти".
В следующее воскресенье попробую оценить различные характеристики именно этих процессов.
откуда там закономерностям/зависимостям взяться? Взяли какой-то тайм-фрейм и часть приращений на нем в одну кучу, часть в другую в завсимости от величины. Причем несколько пунктов или смещение т-ки отсчета может поменять состав этих "процессов". Откуда при таком разбиении взяться торговой логике? 20 пипсов на m15 отнесем к омеге, а вот если бы 21 был, то это совсем другое дело - это альфа :) Откуда вообще взялась такая матрица разделения ретурнсов? Как после ее применения могло получиться иное, чем получилось даже на случайном блуждании, ведь по этой матрице видно, что один "процесс" будет получать больше отрицательных ретурнсов, другой положительных? Само собой получился снос одного вверх, а другого вниз.
тут не так все просто. Напоминаю пост Алексея:
Еще один феномен - долговременная память.
Большинство из нас (из тех, кто этим занимается, конечно) привыкли измерять память рынка корреляцией по Пирсону - точнее, автокорреляцией. Хорошо известно, что такая корреляция довольно кратковременна и существенна при лагах от силы до 5-10 баров. Отсюда обычно делается вывод, что если у рынка и есть память, то она очень кратковременна.
Однако корреляция по Пирсону умеет измерять только линейные зависимости между барами - и практически не замечает нелинейные связи между ними. Корреляционную теорию случайных процессов не зря называют линейной.
Однако существуют статистические критерии, позволяющие установить факт произвольной зависимости между случайными величинами. Например, критерий хи-квадрат - или критерий взаимной информации. Со вторым я еще не возился толком, а с первым повозился. Объяснять, как им пользоваться, не буду: в инете есть предостаточно методических пособий, разжевывающих, как его юзать.
Главный вопрос был таким: существует ли статистическая зависимость между сильно удаленными барами (например, если между ними тысяча баров)? Вопрос о том, как это использовать в торговле, не стоял.
Ответ: да, существует, и весьма значимая.
Например, если взять историю EURUSD с 1999 на Н1 и проверить хи-квадратом возвраты пары (returns), то выясняется, что в диапазоне "расстояний" между барами между 10 и 6000 порядка в 90% случаев текущий бар зависит от баров из прошлого. 90%! При расстоянии между барами более 6000 такие зависимости встречаются все реже, но все еще встречаются!
Честно говоря, меня такое "открытие" просто ошеломило, т.к. оно напрямую показывает, что у евро есть очень долговременная память. На EURUSD Н1 6000 баров - это примерно год. Это означает, что среди часовых баров годичной давности все еще встречаются бары, о которых "помнит" текущий нулевой.
На Н4 существенные зависимости встречаются примерно до 1000-1500 баров. Т.е. продолжительность "памяти рынка" все та же - порядка года.
Вспоминаем Петерса, у которого сказано о памяти рынка порядка 4 лет. Противоречие, однако... Пока не знаю, как его разрешить.
Не успокоившись, решил проверить, а будет ли мой хи-квадрат показывать такие зависимости, если я подам на вход синтетические возвраты, генерируемые независимо. Выбрал два возможных распределения синтетических возвратов - нормальное и лапласовское - и запустил. Да, показывает, но в пределах уровня значимости критерия (у меня был 0.01)! Другими словами, синтетика показывала примерно 1% зависимых баров в прошлом - как раз на уровне вероятности ошибки критерия.
Какие выводы?
1. Котировки евро - точно не марковский процесс. У марковского процесса текущее значение зависит только от предыдущего. В нашем же случае есть многочисленные бары в весьма отдаленном прошлом, от которых текущий бар зависит.
2. Так называемый "фундамент", конечно, играет определенную роль - скажем, как повод для того, чтобы подвигать котировки. Но он точно не является единственным. Нужно смотреть технику!
3. Этот результат пока сугубо теоретический и прикладного значения все еще не имеет. Тем не менее он ясно показывает, что для тех, кто что-то ищет, не все потеряно.
Avals, да Вы не торопитесь с выводами...
PS: причем, написанное Алексеем - по подтверждаю полностью!!!