Вы, наверное, заметили, что в процедуре вычисления параметров модели, описанной выше, я запоминал действительные предсказанные значения, так же как и предсказания направления приращения цены. Я хочу исследовать предсказательную способность величины приращения. Точнее, может ли фильтрация сделок, в случаях, когда величина предсказанного...
Вы, наверное, заметили, что в процедуре вычисления параметров модели, описанной выше, я запоминал действительные предсказанные значения, так же как и предсказания направления приращения цены. Я хочу исследовать предсказательную способность величины приращения. Точнее, может ли фильтрация сделок, в случаях, когда величина предсказанного...
谢谢你的链接!足够有趣。
看来，这些GARCH模型的创造者非常接近于解决方案。
使用GARCH模型的人有不好的结果吗？我们在哪里可以读到这些交易结果呢？我可以假设他们的情况很糟糕--他们不知道到底哪种货币对必须使用t分布，因为尽管所有货币对都必须使用t2分布，但对于每一种货币对都有不同的比例系数，与1不同，这增加了计算的复杂性。
真诚的。
亚历山大_K
不客气。我可以提供许多这样的表格--针对任何由经纪人提供报价的货币对。
我从世俗的角度来解释零增量--就像货币兑换商提高了买入价，而卖出价与前一天相同。
你不需要大量的表格，重要的是分析的方法。
在阅读了维基百科的"学生分布"后，我没有注意到一个例子，即频率直方图在中间有一个向零的倾斜。我注意到，你根本就没有谈论两个随机变量的任何联合分布。在第一篇文章中，你谈到了分析两个不同的系列，买入和卖出。
如果你只留下关于问率变化的有意义的数据，这些数据不是零，那么在发生频率直方图的中间有一个凹陷。你的数据的差距宽度是两个五位数，而在4位数的DC中，将有20个五位数的点。这对2个自由度的学生的t分布才是最合适的这一事实有什么影响吗？这是一个没有意义的推论，它意味着增量没有差异......我不会根据对频率直方图的 "平凡 "补充而得出如此严肃的结论。你如何证明你关于分配类型的结论？
你不需要很多表格，重要的是分析方法。
在阅读了维基百科的 "学生分布 "后，我没有注意到有任何例子表明频率直方图在中间有一个向零的倾斜。请注意，你说的根本不是两个随机变量的任何联合分布。在第一篇文章中，你谈到了分析两个不同的系列，买入和卖出。
如果我们只留下有意义的询问率变化的数据，这些数据不是零，我们将在频率直方图的中间有一个凹陷。你的数据的差距宽度是两个五位数，而在4位数的DC中，将有20个五位数的点。这对2个自由度的学生的t分布才是最合适的这一事实有什么影响吗？这是一个没有意义的推论，它意味着增量没有差异......我不会根据对频率直方图的 "平凡 "补充而得出如此严重的结论。你如何证明你关于分配类型的结论？
是的，这是一个肯定要回答的问题--所以我回来了一段时间 :)
1.我没有看到Ask增量直方图中的任何凹陷 - 看看直方图左边的 "口袋 "值。一切都相当不错，也很严谨。在零点是最大值，然后按降序排列。竞标也将如此。如果你使用Ask和Bid的任何组合，直方图将失去其形状。
2.最重要的是。以下是这些公式。
分布函数：F（x）=（1+（x/sqrt（s^2+x^2））/2
概率密度。P(x) = 1/sqrt((s^2+x^2)^3)
量子函数：Q（p）=2*s*（p-1/2）*sqrt（2/a），其中a=4*p*（1-p）。
以下说明适用。
X - 价格增量
S - 比例系数（一般不等于标准偏差）。
自己检查一下欧元兑美元对，其s=1.647。
3.这些公式是非标准化t分布的一个特例，可以在关于2自由度的学生分布的文献中找到。
4.我使用随机数生成器获得了许多不同的分布，但这是最准确描述价格增量的分布。再一次，它对所有货币对都是一样的，只是每个货币对的系数s不同。
5.而现在我想知道该如何处理它。他们建议研究GARCH模型，我将在最近的将来做这件事。
真诚的。
亚历山大_K
谢谢你的链接!足够有趣。
看来，这些GARCH模型的创造者非常接近于解决方案。
使用GARCH模型的人有不好的结果吗？我们在哪里可以读到这些交易结果呢？我可以假设他们的情况很糟糕--他们不知道到底对哪种货币对必须使用t分布，因为尽管对所有货币对必须使用t2分布，但每一种货币对都有自己的比例系数，与1不同，这增加了计算的复杂性。
真诚的。
亚历山大_K
好吧，一般来说，这种模式甚至在大学里也被研究过，它是一种常见的模式，没有什么问题。我从个人交易员的角度来看。可能一些具有丰富经验和基础的组织正在从中受益，至少他们可以估计投资组合等的风险。但是在外汇投机方面，我还没有看到有效使用的例子，同样，正如你所指出的，也许是因为统计分析和模型本身的复杂性。也就是说，没有例子，也许有人有，并会抛出一些链接。SanSanych提出了一些建议，我将不得不研究一下。
好吧，一般来说，这种模式甚至在大学里被教授，它有点被普遍接受，没有什么问题。我是从个人交易员的角度来看的。可能一些具有丰富经验和基础的组织正在从中受益，至少他们可以为投资组合等评估风险。但是在外汇投机方面，我还没有遇到有效使用的例子，同样，正如你所指出的，也许是由于统计分析和模型本身的困难。
日安，马克西姆!
我还有一个老的苏联教育，当时这是没听说过的。我的女儿只是要求我分析这些增量，所以我做了。
目前，我根本不知道--如何在实践中应用这些美丽的公式和图表。现在我打算研究GARCH--如果有一个真正扎实的理论被实际结果证明，我将为我女儿提供这个游戏的钱:))
注意到。
亚历山大_K
下午好，马克西姆!
我仍然有那种旧的苏联教育，当时这是没听说过的。我的女儿只是要求我分析这些增量，所以我就这么做了。
目前，我根本不知道--如何在实践中应用这些美丽的公式和图表。现在我打算研究GARCH--如果有一个真正坚实的理论被实际结果证明，我会为我的女儿拨钱买这个游戏:))
注意到。
亚历山大_K
这里有一个执业交易员的更多笔记http://www.quantalgos.ru/?s=garch，他对数学仪器和模型有认真的掌握。
他的博客总体上很有意思。我自己不知道，也没有掌握很多东西。
是的，这个问题肯定要回答--所以要回来一段时间 :)
1.我在 "询问增量 "直方图中没有看到任何凹陷 - 看看直方图左边的 "口袋 "值。一切都相当不错，也很严谨。在零点是最大值，然后按降序排列。竞标也将如此。但如果你使用Ask和Bid的任何组合，直方图将失去其形状。
我不只是让你对第二张照片发表评论，https://www.mql5.com/ru/forum/218475/page2#comment_5989670。 它显示出，竞价系列的价格递增频率远远低于询价系列。这是在现实中。而你，在另一行变化的情况下，将价格增量的非法值插入为零时，两个不同行的价格增量总数总是相同的。这是数据造假的一个标志。分析的对象被替换了，发生在其他系列的事件被插入到Ask系列的增量中。
如果没有Bid系列，用你的方法对Ask系列进行分析是不可能的。它作为一种行分析技术是没有意义的，它需要同时进行两行分析。
很好。
简单地说，一定的价格增量值对应于这种增量发生的概率的一定值（见我上面的文章中的概率密度 公式），要知道增量分布是系数为s的t2分布。因此，对于实际价格Bid或Ask，在一定的样本量下，我们 可以得到数学期望Bid或Ask的条件估计，即加权平均数，以及价格方差的条件估计，即加权di
此外，将该样本量视为一个动态的先进先出型系列，并对加权方差进行平均化，我们为我们的数学期望值的移动平均数获得了一定的条件平均方差。
如果超过了这个条件差异，就可以执行交易。
但这种推理仍有一些薄弱环节--必要的样本量的不确定性（事实上--时间框架的选择）和历史tick数据量的不确定性（平均化应该对1000000tick历史数据或更多进行？）
我将进一步阅读。如果任何人有任何想法--写下来。
我让你对https://www.mql5.com/ru/forum/218475/page2#comment_5989670 中的第二个数字进行评论是有原因的。它显示出，竞价系列的价格递增频率远远低于询价系列。这是在现实中。而你，在另一行变化的情况下，将价格增量的非法值插入为零时，两个不同行的价格增量总数总是相同的。这是数据造假的一个标志。分析的对象被替换了，在其他系列中发生的事件被插入到Ask增量的系列中。
如果没有出价系列，用你的方法分析出价系列是不可能的。作为一种行分析方法，它没有意义，它需要同时进行两行分析。
再一次，我从一个随机选择的经纪商（我甚至不会说是哪家，因为不做广告）的模拟NDD账户中收集数据。
也许，演示服务器给出了部分错误的数据，或者反之亦然--我不会争论。但是，从实际的角度来看，我仍然不能要求经纪商提供更多的准确性（可能这是一个徒劳的方式），并与我所拥有的工作。
很好。
简单地说，价格增量的特定值对应于该增量发生的概率的特定值（见我上面帖子中的概率密度 公式）（所谓的权重），......。
如果任何人有任何想法--写下来。
我想，采取赤裸裸的增量并与之合作是不太有效的。梯度应该与一些背景（过滤器、事件、条件）相联系。最好是将时间序列区分（划分）为不同的组成部分，并分别处理它们。这种特征可以是。