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
Большая новость. А ARIMA? А ARCH? Это для каких рядов?
котир = тренд + шум
Слева нестационарность, а где справа?
Новость не большая и старая - эти методы разработаны и применяются для стационарных рядов. А для нестационарных используются метода "приведения их к стационарному виду" что бы можно было применять эти методы.
Если ряд нестационарен, то он нестационарен. У ряда неустойчивые статистические характеристики. Вы можете ряд порубать на куски и на каждом куске ряд будет стационарен.
Если цена росла а потом резко падала, то на этапе роста ряд стационарен. Но весь ценовой ряд - нестационарен (подвержен внезапным изменениям).
Новость не большая и старая - эти методы разработаны и применяются для стационарных рядов. А для нестационарных используются метода "приведения их к стационарному виду" что бы можно было применять эти методы.
Если ряд нестационарен, то он нестационарен. У ряда неустойчивые статистические характеристики. Вы можете ряд порубать на куски и на каждом куске ряд будет стационарен.
Если цена росла а потом резко падала, то на этапе роста ряд стационарен. Но весь ценовой ряд - нестационарен (подвержен внезапным изменениям).
Изменение тренда не является признаком нестационарности.
Давайте с начала. Я пользуюсь следующим определением стационарности: ряд стационарен если мо = константа ("почти" константа) и дисперсия = константа ("почти" константа).
Пока в ряде имеется детерминированная составляющая, то говорить о статистике не приходится. Именно поэтому работаем с остатком после вычитания детерминированной составляющей. После этой процедуры проблема качественно упрощается, так как остатка обычно гораздо меньше длины свечи.
Новость не большая и старая - эти методы разработаны и применяются для стационарных рядов. А для нестационарных используются метода "приведения их к стационарному виду" что бы можно было применять эти методы.
Если про ARIMA можно еще согласиться, то ARCH чисто нестационарная вещь. Использую конкретные тесты, направленные на определенные тонкости в нестационарности и после их выявления моделируется чисто нестационарность. Остаток часто получается стационарным.
А для нестационарных используются метода "приведения их к стационарному виду"
Если имеется указанная Вами метОда, то значит работаем с нестационарным рядом?
Изменение тренда не является признаком нестационарности.
Давайте с начала. Я пользуюсь следующим определением стационарности: ряд стационарен если мо = константа ("почти" константа) и дисперсия = константа ("почти" константа).
Пока в ряде имеется детерминированная составляющая, то говорить о статистике не приходится. Именно поэтому работаем с остатком после вычитания детерминированной составляющей. После этой процедуры проблема качественно упрощается, так как остатка обычно гораздо меньше длины свечи.
Немного не так - у стационарного случайного процесса все вероятностные характеристики не должны зависеть от времени. Если цена примерно линейно росла на протяжении длительного периода времени а затем внезапно резко снизилась, то до момента снижения это был стационарный процесс так как если бы этот ряд разбить на куски, то стат характеристики этих кусков были бы примерно одинаковы. А после снижения у него поменялись вероятностные характеристики - он стал нестационарен (МО изменилось, дисперсия изменилась).
В любом ряду можно выделить детерминированную составляющую и надо говорить о статистики. Если ряд нестационарен, то эта детерминированная составляющая будет иметь очень малую прогнозную силу.
Немного не так - у стационарного случайного процесса все вероятностные характеристики не должны зависеть от времени. Если цена примерно линейно росла на протяжении длительного периода времени а затем внезапно резко снизилась, то до момента снижения это был стационарный процесс так как если бы этот ряд разбить на куски, то стат характеристики этих кусков были бы примерно одинаковы. А после снижения у него поменялись вероятностные характеристики - он стал нестационарен.
Мое определение конструктивно - позволяет составить план моделирования и определяет цель.
Шаг 1. Нельзя ничего определенного сказать, пока в ряде имеется детерминированная составляющая. Для меня это аксиома.
Мое определение конструктивно - позволяет составить план моделирования и определяет цель.
Шаг 1. Нельзя ничего определенного сказать, пока в ряде имеется детерминированная составляющая. Для меня это аксиома.
В любом и каждом ряду есть детерминированная составляющая. Вопрос - качество и точность прогнозирования
Если имеется указанная Вами метОда, то значит работаем с нестационарным рядом?
Пробовали и пытались применит к трейдингу - результат плачевный. Лучше уж ТА.
Хотя - есть место подвигу
В любом и каждом ряду есть детерминированная составляющая. Вопрос - качество и точность прогнозирования
Не уходим в сторону.
Выделяем детерминированную составляющую. Что с остатком? Снова проверяем на детерминированную составляющую. Причина старая. Добраться до шума. Получим шум без детерминированной, можно будет рассуждать.
Не уходим в сторону.
Выделяем детерминированную составляющую. Что с остатком? Снова проверяем на детерминированную составляющую. Причина старая. Добраться до шума. Получим шум без детерминированной, можно будет рассуждать.
Зачем? О чем рассуждать? Выделили детерминированную составляющую, сделали модель, протестировали, проанализировали, выбросили (шутка).
Если дет составляющая качественная - торгуем. Остаток зачем нужен?
Вопрос вопросов - качество этой составляющей.
Как ни крути, а статистика покажет что было раньше. И никак не сможет показать "что будет"... Чистое угадывание. Может быть тогда Вам подойдёт такой вариант?