交易中的机器学习:理论、模型、实践和算法交易 - 页 1109

 
马克西姆-德米特里耶夫斯基

这就是为什么他把它与费马大定理相提并论,而费马大定理他们300年都无法证明)。

我们都在寻找一些奇点,阅读无线电工程师的文章--为什么要在这些方面浪费时间?

金融资产价格增量的分散行为是非常错综复杂的,厚尾是最原始的。已经创建了100多个(!)GARCH模型来模拟所有这些方差(以及之前的均值)中的奇异现象--它们是关于这个的,不是吗,又是一些Ferma....

如果关于方差(非平稳性),所以它不是系统性的,逐个模型的GARCH,通过测试器,看到一些东西。不,它的废话更有趣。

 
桑桑尼茨-弗门科

我们都在寻找一些奇点,阅读无线电工程师的文章--为什么要在这些方面浪费时间呢?

金融资产增量价格的分散行为是非常错综复杂的,厚尾是最原始的。已经创建了100多个(!)GARCH模型来模拟所有这些方差(以及之前的均值)中的奇异现象--它们是关于这个的,不是吗,又是一些Ferma....

如果关于方差(非平稳性),所以它不是系统性的,逐个模型的GARCH,通过测试器,看到一些东西。因此,不,它的废话更有趣。

我不知道,我只是偶尔读一下他们写的东西。我认为他是一个资产经理,但我不确定...

这不是我自己所做的。

 
桑桑尼茨-弗门科

我们都在寻找一些奇点,阅读无线电工程师的文章--为什么要在这些方面浪费时间呢?

金融资产增量价格的分散行为是非常错综复杂的,厚尾是最原始的。已经创建了100多个(!)GARCH模型来模拟所有这些方差(以及之前的均值)中的奇异现象--它们是关于这个的,不是吗,又是一些Ferma....

如果关于方差(非平稳性),所以它不是系统性的,逐个模型的GARCH,通过测试器,看到一些东西。因此,不,它的废话更有趣。

在我看来,发现这种奇异现象的主要原因是价格(增量)的显著非平稳性,不能用标准方法还原为平稳性。另一方面,任何回归都会以这样或那样的方式将一切还原为静止性。

也许有一些适当的方法来构建非平稳回归--其系数取决于时间。也许,这可以通过概括静止性的概念来实现。

 
马克西姆-德米特里耶夫斯基

这就是为什么他把它比作费马大定理,而费马大定理他们在300年内都无法证明 )

有一个重要的区别)费马大定理最初在数学上的表述是正确的。这在我们的领域并不存在,也不太可能实现。

 
尤里-阿索连科

这一点,事实上是正确的。

因此,不同的时间段之间没有相似性,也不可能有相似性。 它的意思是,对于5分钟和白天的 "一个措施",人们应该非常小心,不相信那些把它作为公理的人。

嗯,这也是,顺便说一下。

我将对我在评论中写的内容进行补充:一个重要的地质学结论:如果我们在过去的每日甚至每小时的汇率上建立交易方法(如果小时内有很多点),那么 "深入挖掘 "价格增量或价格对数的二度非线性的函数是没有意义的(文中的价格可以很容易地改为价格的对数而不失其本质)。

第二个结论不是很清楚。 很明显,对数回归型增量是可行的,但第一个结论是垃圾,IMHO。

也许在理论上没有什么可以证实时间框架的相似性,但我几乎相信它的存在,而且它甚至发生在其中一种货币的重合工具中。

我也不知道如何用数学来解释,也许这是一个心理因素,因为大多数人都使用标准时间段的相同图表来分析一个工具并做出决定。

 
Vizard_

我们去约会吧。独自前来。
没有铁匠,我们就不需要铁匠)))。
radikal.ru/video/uz7qxNNhyO8

很好的动画,可惜只降到了一个西格玛,你可以走得更远。没有铁匠怎么办?马车不走))。
 
伊万-内格雷什尼

第二个结论不是很清楚,很明显,像回归者这样的对数增量已经很好了,但第一个结论是无稽之谈,IMHO。

也许在理论上没有什么可以证实时间框架的相似性,但我几乎相信它的存在,而且它甚至出现在其中一种货币的重合工具中。

我也不知道如何用数学来解释,也许这是一个心理因素,因为大多数人使用一套标准的时间框架的相同图表来分析一个工具并做出决定。

第一个结论和统计学特征从较低的时间框架浮动到较高的时间框架一样好。
 
Novaja:
第一个结论和从较小的TFs到较大的TFs的统计特征浮动的事实一样好。

事实证明,对统计有好处的东西对交易来说就是死亡:)

 
马克西姆-德米特里耶夫斯基

你认识Gorchakov吗? 他又在smradlab上写作了。

https://smart-lab.ru/blog/499678.php

即使我们在这里假设TPT的适用性(例如,由于差距,对人口中xi的 有限方差存在疑问),那么,由于增量的非平稳性,我们不知道它们在未来的期望值,相应地,它们之和的期望值也将不为我们所知。因此,价格将按照正态法分布,但参数未知。目前还不清楚可能会有什么用途。

PS。这篇文章的作者在评论中写到
 
Novaja:
从较小的TFs到较大的TFs,浮动的状态特征。

他们一般都是浮动的,在所有的维度上,在线性时间和它的规模上,从仪器到仪器,等等。主要的问题是如何去做,统计数字的变化功能是什么,特别是变化功能的规律性如何,如果统计数字不是连续变化(至少是片状不断),要么有规律,那么麻烦,那么只剩下内部人在摇晃市场了。

但BP统计特征在时间上的变化的规律性是存在的,分散的规律性是有目共睹的,它甚至被线性地抓住了,较高的时刻也是相对可预测的,尽管它们对我们的目的不太有用,但花絮是未来增加的迹象,有了它一切都不好,处于噪音的边缘,它是悲伤的,游艇和岛屿被推迟了。