![MQL5 - MetaTrader 5 müşteri terminalinde yerleşik ticaret stratejileri dili](https://c.mql5.com/i/registerlandings/logo-2.png)
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Alexey, ilk soruyu soruyorum: neden
1) hisse fiyatına bağlı olmayan kalıcı bir etki (Alfa etkisi),
2) hisse fiyatıyla orantılı etki (Beta etkisi),
3) hisse fiyatının türeviyle orantılı (Gama etkisi).
4) hisse senedi fiyatının karesi ile orantılıdır (doğrusal olmamayı dahil ederiz) (Delta etkisi).
Eğer
sadece "Harici", "Stok"u etkiler, tersi değil
? Bir eşdeğere indirgenebileceğini anlıyorum, ancak tepkiyi başlangıçta etki derecesi açısından temsil etmek daha mantıklı değil mi, tersi değil mi?
Bence kriter bileşik olmalı ve aşağıdaki faktörleri aynı anda hesaba katmalıdır (örneğin, bir ceza fonksiyonu kullanarak):
- model artıklarının korelasyon süresi -> min
- normalden artıkların dağılım farkı -> min
- artık vektörün normu -> min
- kaybolmayan model parametrelerinin sayısı -> min
Bu, yakında kel açıklığı sunacağım giriş sinyali modelini hesaba katmadan tohum içindir)
... yakında açıklayacağım giriş sinyali modelini hesaba katmadan)
Böyle iyi bilinen bir hikaye istemsizce akla geliyor. Laplace, Napolyon'a Gök Mekaniği'nin bir kopyasını sunduğunda, imparator şunları söyledi: "Mösyö Laplace, Yaradan'dan hiç bahsetmeden dünya sistemi hakkında bu büyük kitabı yazdığınızı söylüyorlar." Laplace'ın iddiaya göre yanıtladığı: "Bu hipoteze ihtiyacım yoktu." Doğa, Tanrı'nın yerini aldı.
;)
"Bu hipoteze ihtiyacım yoktu." Doğa, Tanrı'nın yerini aldı.
Bence kriter bileşik olmalı ve aşağıdaki faktörleri aynı anda hesaba katmalıdır (örneğin, bir ceza fonksiyonu kullanarak):
- model artıklarının korelasyon süresi -> min
- normalden artıkların dağılım farkı -> min
- artık vektörün normu -> min
- kaybolmayan model parametrelerinin sayısı -> min
Bu, yakında kel açıklığı sunacağım giriş sinyali modelini hesaba katmadan tohum içindir)
Çok farklı kriterler ve çok farklı kriterler ortaya çıkarabilirsiniz. Ancak, kural olarak, böyle bir çok sayıda kriter, tutarsızlıklarından dolayı istenen sonuca yol açmaz.
Критерий, я так считаю, должен быть составной и учитывать одновременно следующие факторы (например, с помощью штрафной функции):
- время корреляции остатков модели -> min
- отличие распределения остатков от нормального -> min
- норма вектора остатков -> min
- количество параметров модели, не обращающихся в нуль -> min
Это для затравки, без учета модели входного сигнала, которой я скоро присутствующим плешь проем)
belki daha kolay - bir hata bir kayıptır, doğru tahmin gelirdir. Tahmini kar/zarar. Onlar. örneğin PF. Onlar. PF optimizasyon kriteri->max
Çok farklı kriterler ve çok farklı kriterler ortaya çıkarabilirsiniz. Ancak, kural olarak, böyle bir çok sayıda kriter, tutarsızlıklarından dolayı istenen sonuca yol açmaz.
Burada her şey önemlidir: ilk iki nokta, artıkların BGS'ye yaklaştırılmasını gerektirir - bu, modelin yeterliliği anlamına gelir; üçüncü nokta kendi başına açıktır, hata mümkün olduğunca az olmalıdır; dördüncü - modelin aşırı karmaşıklığı kararsızlık ve uyum kokuyor ve büyük olasılıkla tahminin kalitesini etkileyecek. Herhangi bir çelişki görmüyorum, sadece her bileşen için önem ağırlıklarını doğru bir şekilde seçmeniz gerekiyor.
Bence, listelediğiniz kriterlerin hiçbiri
- model artıklarının korelasyon süresi -> min
- normalden artıkların dağılım farkı -> min
- artık vektörün normu -> min
- kaybolmayan model parametrelerinin sayısı -> min
model uyarlaması açısından ne gerekli ne de yararlıdır.
Ve dahası, normal dağılıma uyum gerektiren 2. madde. Bu zaten, üzgünüm, saçmalık.
belki daha kolay - bir hata bir kayıptır, doğru tahmin gelirdir. Tahmini kâr/zarar. Onlar. örneğin PF. Onlar. PF optimizasyon kriteri->max
Mümkün ve öyle, ancak bazı algoritmalar kullanarak parametreleri nasıl ayarlayacağımızı da düşünmeliyiz.
9000 farklı algoritma vardır, ancak tamamen matematiksel olarak hepsinin ortak bir noktası vardır: optimuma ulaşmak için, ayarlanabilir parametrelerle optimize edilen fonksiyonun gradyanını bilmeniz gerekir. Tabii ki, PF'yi bir kriter olarak kullanabilir ve hatta tüm türevleri gerçek zamanlı olarak hesaplayabilirsiniz (otomatik türev kullanarak, bu o kadar zor değil). Ancak burada bir sorun yatıyor: Kar faktörünün değeri, bildiğiniz gibi, gürültülü bir süreç karakterine sahip olan fiyat aralığının kendisine çılgınca bağlıdır. Aynı zamanda, birkaç nokta için sadece 1 mumluk fiyat dalgalanması, kar faktörünü doğrudan etkileyecek olan öngörülemeyen bir sonuçla 1 fazladan veya 1 eksik işlem verebilir (yapıyı optimize etmenin gerekli olduğunu unutmayın). mümkün olan en kısa süre için model, çünkü Başlangıçta, modelin değişken parametrelere sahip olduğunu varsayıyoruz). Bu nedenle, kriterin çok düzgün olmadığı ortaya çıkıyor ve bunun üzerindeki optimizasyon algoritması, sadece tekrar ediyorum, sadece fiyat dalgalanmalarından kaynaklanacak bir tür yerel optimumda sıkışıp kalabilir.
Ancak, örneğin, hata vektörünün normu (3. nokta) böyle bir dezavantajdan yoksundur: 1 mumdaki 1 puanlık bir fiyat değişikliği, ceza işlevinde eşit derecede önemsiz bir değişikliğe yol açacaktır. 1. ve 2. noktalar da buraya aittir ve 4. nokta hiçbir şekilde fiyatlara bağlı değildir.
Kısacası, kriter başlangıç koşullarına (bizim durumumuz için optimizasyon örneğidir) mümkün olduğunca kararlı olmalıdır veya algoritma, bulunan optimumun globalliği için bir tür kontrole sahip olmalıdır. Aksi takdirde optimizasyon yerine kaos yaşarız.
Ve dahası, normal dağılıma uyum gerektiren 2. madde. Bu zaten, üzgünüm, saçmalık.
Burada zaten kendinizle çelişiyorsunuz: eğer süreç bir sinyal + gürültü olarak temsil ediliyorsa, o zaman geri kalan ideal olarak tam olarak tam olarak 0 bilgi taşıyan termal gürültü olmalıdır. Genel olarak, bu mesaj elli yıldır genel olarak kabul edilmiştir: BGSh'nin çıktısında alınmıştır (1 ve 2. paragraflar) <=> model deterministik bileşeni yeterince açıklamaktadır.
Ve bana 3. madde hakkında daha detaylı bilgi verin, çünkü minimum hata adaptasyon açısından ne zamandan beri işe yaramaz hale geldi ???