随机流理论和外汇 - 页 23

[Candid]

Prival:

关于任何时间序列的充分性，可以建立ACF，最常见的是它是分析的基础，所以在这个主题的早期，我给了一张在模型上获得的ACF和真实报价的ACF的图片，看看外观，他们没有区别。

这张图是指静止性问题。这些是第一次ACF符号变化的时间图，从+到-。这一特点被选为特殊点之一。ACF是针对Y-mu 计算的，对于较低的曲线，线性回归 是按周间隔计算的，对于上面的曲线，大约是按月间隔计算。

[Prival]

lna01:

图片为静止性问题。这些是第一次ACF符号变化的时间图，从+到-。这一特点被选为特殊点之一。ACF是针对Y-mu 计算的，对于较低的曲线，线性回归是按周计算的，对于上面的曲线，是按月计算的。

请在ACF图上显示这一点，似乎第一个拐点是从-到+的变化（即先是曲线下降（-）然后上升（+）这一点正好定义了振荡频率）。这些数字是以小时为单位的吗？还是ACF在X轴上被采样深度预先规范化了。如果它不难你的结论。我认为一个明显的结论是，震荡总是存在的，因为有一个拐点，这些震荡的频率变化，样本量越小，震荡频率变化的速度越快。然而，如果我对这些图表的理解正确的话

[Candid]

Prival:
请在ACF图上显示这一点，似乎第一个拐点是从-到+的变化（即先是曲线下降（-）然后上升（+）这一点是如何振荡的频率）。这些数字是以小时为单位的吗？还是ACF在X轴上被采样深度预先规范化了。如果它不难你的结论。我认为一个明显的结论是，震荡总是存在的，因为有一个拐点，这些震荡的频率变化，样本量越小，震荡频率变化的速度越快。然而，如果我对这些图表的理解正确的话

我给你一张图片。

也就是说，这是一个 "错误的 "单点，但它更接近:)，而且，据说它的坐标与 "正确的 "坐标呈单调关系。而且，它位于ACF的一个较陡的部分，即可能对噪声的依赖性较小--也就是说，更适合作为静止性的第一个粗略（即快速）标准，我认为。

这些数字是以小时为单位的时间。归一化并不困难，但有趣的是我们到底能把一个固定的模型 "拉 "到市场上多少时间。

到目前为止，唯一的结论是，在给卡尔曼滤波器 编码之前，我们应该学习如何获得具有足够频繁和足够长的静止期的初始数据。这里有更多的想法。静止性情况取决于样本长度，这可能只是意味着它的选择是一个原则问题，成功与否取决于它。或者用一个更一般的表述--关于数据的准备方式。

如果为了确定选择一个线性微分方程（LDEs）系统作为模型，那么通过ACF的结构，我们似乎能够判断或多或少需要描述的LDEs数量。选择系数（并试图描述其漂移）是一个技术问题。然而，在对ACF随时间变化的行为（在可视化软件中）思考了一段时间后，我们开始明白，模型中DT的数量必须是可变的。或者，同样地，这些模型将不得不临时改变。

顺便说一下，选择这幅图片的特定片段是因为它同时包含了一个定义明确的静止图（这相当罕见）和（显然）一个灾难（列）。

P.S. 两次灾难更确切地说--有两次跳楼。

[Prival]

谢谢，我明白了一切，所有的想法（观念）似乎都在趋同。

根据我的分析和你对ACF的描述，它可以用以下表达式来近似表示（第184-185页，Tikhonov V.I.文件附件）。

我已经设法解决了一个问题，让ACF从它那里拉出参数（Ω、α和N）。

我附上文件，只是在matcad中，我不记得你是否有这个文件。如果没有，我会把公式贴在这里，并作出必要的解释。

我对这项研究的想法。

在小时条上寻找静止性似乎是错误的，因为它是从输入流（我认为tick流是输入）的非线性转换。如果我们采用条形图（以减少分析的信息量），那么输入流应该不是按时间而是按条形图中的点数划分（体积=const）IMHO。 到目前为止，我已经确定为两害相权取其轻。我不考虑更高的时间框架，因为时间框架越大，引入的非线性就越大。如果我需要一个星期，我只需调节分析采样的长度，选择7200。

一定要遵循同样的方案，当Y是（Close[i]-Close[i+1]）/（time[i]-time[i+1]）的速度时，在分钟上可以省略除法。Mathemat'ik称其为，但我更愿意称其为速度。

自然也是如此，但对于加速度（二阶导数）。

这时，正如你正确地说，我们就可以决定DU的数量了。关于 "模型将不得不改变"，确切地说，将不得不改变。 只是这些模型也有参数，如果要保持在线性范围内（卡尔曼滤波），那么对于每个参数值（例如欧米茄）都需要一个不同的过滤器。我之前写过，为了正面解决这个问题（搜索 "所有情况 "的最佳解决方案），我们需要10-20个--在极限情况下是无限多的过滤器。为了摆脱这种情况，我认为在未来使未知的参数（欧米茄，阿尔法）在控制系统中，即切换到非线性滤波（乍一看，看到你的底图有一个区域，这些参数服从线性规律是不错的）。斯特拉托诺维奇建议这样做，这种方法往往有助于以可接受的精度解决这类问题，用于实践。

按照我对 "可接受的实践精度 "的理解，如果我设法合成2-3个非线性滤波器，每周工作2天，这对我来说就足够了。模型起作用--我就交易；如果不是，模型不起作用（我无法预测），那么我就不交易。然后我继续研究它，再介绍一个与第一个模型配合的2.5天，而不是2天，等等。

Candid，请再详细说明一下 "灾难性 "的观点。感兴趣的是，在时间上，哪个更早的灾难或触发的 "错误 "点 "灾难点:-)"。

[Candid]

Prival:

我能够解决让ACF把参数（omega、alpha和N）拉出来的问题。

谢谢你的文件，我会看看的。但我仍然没有matcad，而且你该如何对付更棘手的ACF，例如那些？

其实我很不好意思承认，但看起来我只是论坛上的一个小喽啰 :)。我有我的工作计划，唉，从大约夏天结束时开始，它几乎没有被触动过。）基本上，这个计划与定义最佳采样长度的任务有共同之处，因此在成功的情况下，它也可以成为卡尔曼滤波器。不幸的是，这个非常有趣的主题的成果还在壁橱里，在储藏室里:)

在小时柱上寻找静止性是错误的。

我也更喜欢细枝末节，只是MT的横向图表压缩能力不够。

一定要使用同样的方案，当Y是（Close[i]-Close[i+1]）/（time[i]-time[i+1]）时，在几分钟内可以省略除法。Mathemat'ik称其为，但我更愿意称其为速度。

自然也是如此，但对于加速度（二阶导数）。

这时，正如你正确地说，我们就可以决定DU的数量了。关于 "模型将不得不临时改变"，确实不得不。 只是这些模型也有参数，如果要保持在线性范围内（卡尔曼滤波），那么对于每个参数值（例如欧米茄）都需要一个不同的过滤器。我早先写过，为了正面解决这个问题（寻找 "所有情况 "的最佳解决方案），我们需要10-20个--在极限情况下是无限多的过滤器。为了摆脱这种情况，我认为在未来使未知的参数（欧米茄，阿尔法）在控制系统中，即切换到非线性滤波（乍一看，看到你的底图有一个区域，这些参数服从线性规律是不错的）。斯特拉托诺维奇建议这样做，这种方法往往有助于以可接受的精度解决此类问题的实践。

按照我对 "可接受的实践精度 "的理解，如果我设法合成2-3个非线性滤波器，每周工作2天，这对我来说就足够了。模型起作用--我就交易；如果不是，模型不起作用（我无法预测），那么我就不交易。然后我继续研究它，再介绍一个与第一个模型配合的2.5天，而不是2天，等等。

我想这个想法或多或少都能理解。

Candid，请再详细说明一下 "灾难性 "的观点。感兴趣的是，在时间上，哪个更早的灾难或触发的 "错误 "点 "灾难点:-)"。

恐怕这不是市场灾难，而是模型灾难，与回归的固定样本长度有直接关系。 跳跃滑动回归参数的影响从大平行论坛主题（GTPF）开发时就已经注意到了:）。尽管它最后当然与市场进程有关。但我还是给了一张照片。我也可以把指标发给你。

[Prival]

诚实的

再详细一点，用箭头标出所有这些灾难的位置。我只是认为这非常重要，如果参数被提前触发，这是一个预测价格灾难发生的机会。如果它确实比较早，那么长的样本就可以处理了。这是你第二次提到一个平行论坛，如果你能给我一个链接。(我可能错过了什么）。你不可能重读所有的东西。

[Candid]

Prival:

诚实的

再详细一点，用箭头标出所有这些灾难的位置。我只是认为这非常重要，如果参数被提前触发，就有可能预测价格灾难。如果是更早，那么长的采样可以处理。 这是你第二次提到一个平行论坛，如果你能给我链接。(我可能错过了什么）。你不可能重读所有的东西。

替换了之前帖子中的图片。至于WTPF（大平行论坛的主题:），重读它是相当困难的，既因为它的长度，也因为它的垃圾极多。

[Candid]

我可以补充一下关于预测的问题。我还注意到，在价格飙升之前会有双重 "灾难"，我还看了一些。这些都是相当罕见的事件，而且，可惜的是，这些事件之后的价格飙升并不总是发生。

[Prival]

lna01:

我可以补充一下关于预测的问题。我还注意到，在价格飙升之前会有双重 "灾难"，我还看了一些。这些都是相当罕见的事件，而且，可惜的是，这些事件之后的价格飙升并不总是发生。

应该在更小的时间范围内看（一般来说，更详细），这些观点非常有趣。而不一定是 "棘手的ACF点 "的双跳。出于某种原因，我认为单一的（急剧的）变化也表明过程中的变化。

[Sceptic Philozoff]

lna01:

我还是不明白，你怎么能用一个总是在图的右端显示一个的指标来工作？ 它的预测潜力是什么--即使它是根据一个完全正确的公式计算的？如果这是一个愚蠢的问题，我表示歉意......。