So what? Why do we care about stationarity? A stationary time series (TS) is simple to predict as we can assume that future statistical properties are the same or proportional to current statistical properties.Most of the models we use in TSA assume covariance-stationarity (#3 above). This means the descriptive statistics these models predict...
你是不是程序员，取决于一个人。
MQL4-5是编程的一个分支。
算法-程序的熟练程度不同。
例如，如果你只会用MQL4-5，你将是新手和非程序员中的编程之神。
如果你擅长MQL4-5，在有经验的程序员中，你将是一个失败的菜鸟。
，这完全取决于你所处的环境。
，世界上所有的东西都是相对的。
，一杯水比一滴水大，一桶水总是比一杯水大，以此类推。
而如果你在只知道如何使用MQL4-5的专业人士面前证明一些东西。
他们会用***把你踩在沟里，用狂笑和怒吼。
P.s. 每个人都必须在他的利基中，只在他的水平范围内争论。
而如果你在只知道如何使用MQL4-5的专业人士面前证明一些东西
他们会用***把你踩在沟里，并发出狂笑和怒吼。
他们甚至不会被践踏。你甚至不会被践踏。没有任何意义。
甚至不会有践踏行为。也不会有任何笑声或嘶叫声。没有任何意义。
总会有一些人喜欢这样做......
像这样 )
如果你这样做，你可以认为自己不是一个超级程序员，而是一个超级白痴。而不是应用已经创造过多次的东西，自己动手，在上面浪费时间。这种 "全靠自己 "的方法并不符合现代编程的概念）。
请告诉我在哪里可以找到，嗯，至少可以找到GARGH 的C++工作代码。
在R-Project中，有源代码。Python模块中似乎也有一些。而且都是用C++语言。如果不是在C++中，谁-谁能阻止从任何其他应用程序连接到这些模块？你身后只有界面。为什么你需要C++代码？- 你不需要代码来应用它。
PS 这里是搜索到的第一个东西--Python的garch--Python中的时间序列分析（TSA）--线性模型到GARCH 从搜索结果来看，garch C++也是足够的。
如果你这样做，你可以认为自己不是一个超级程序员，而是一个超级白痴。而不是应用已经创造过多次的东西，自己动手，在上面浪费时间。现代编程的概念并不适合这种 "全靠自己 "的方式）。
这就是为什么我提到生产力 低下和需要 "临时 "学习技术的原因。如果我有这些问题，那么我是一个什么样的坦克手？我是说，一个程序员。
请告诉我，我在哪里可以找到至少是GARCH 的C++工作代码。
问题是，纯粹的GARCH(1,1)是一个几乎不可行的模型。
你必须采取适当的包装，最有趣的是rugarch。你必须模拟平均值，ARCH适当，有很多这样的模型，你可以用EGARCH得到很好的结果，此外，你必须模拟分布。有许多出版物强调了在包括外汇在内的金融市场上使用该软件包的结果。你可以在这里找到现成的代码和例子，很有指导意义。
如果你看了Rugarch并得到一个好的结果，它可以在Srp上找到，代码是开源的。
但你与Srp相差甚远，因为用GARCH不一定能得到一个体面的结果。总之，在R中进行实验比在μl中进行实验要方便得多，因为R是一个解释器。
无论如何，在R中进行实验比在μl中进行实验要方便得多，因为R是一个解释器。
它更方便不是因为解释器是次要的，而是因为R是一个建模环境，包括（或首先是）统计。
顺便说一下，尽管R是解释型的，但该语言本身是一种脚本语言，主要作用是连接句子中的单词，即功能和各种包之间的连接。而语言本身所占的程序执行时间 是可以忽略不计的。
因此，所有关于R的速度的抱怨都是完全没有根据的。这是关于在TC中直接使用R，以及在MQL中重写代码的无意义）。
问题是...
实用信息 :
http://keldysh.ru/papers/2013/prep2013_19.pdf
M.A. Ananiev, N.A. Mitin
以RTS指数收益率为例，比较条件异方差的线性和非线性自回归模型
附注
本文以RTS指数收益率的GARCH模型为例，比较线性和非线性条件波动率模型的预测能力。根据RTS指数10年的每日收盘价，估计了一套参数模型，并建立了一套不同长度范围的波动率预测。 根据选定的标准，比较了模型的预测能力。非线性模型已经被开发出来，以说明时间序列的检测特征，但在其帮助下获得的预测质量有时受到质疑。本研究的结果补充了其他作品的结果：非线性条件波动率模型显示出更好的结果。对这一成功的可能解释是，非线性模型在相对较短的时间内给出更好的预测，而在较长的时间内，它们可能给出更大的误差。
问题是，纯粹的GARCH(1,1)是一个几乎不可行的模型。
你必须采取适当的包装，最有趣的是rugarch。你必须模拟平均值，ARCH适当，有很多这样的模型，你可以用EGARCH得到很好的结果，此外，你需要模拟分布。有许多出版物强调了在包括外汇在内的金融市场上使用该软件包的结果。你可以在这里找到现成的代码和例子，很有指导意义。
如果你看了Rugarch并得到一个好的结果，它可以在Srp上找到，代码是开源的。
但你与Srp相差甚远，因为用GARCH不一定能得到一个体面的结果。总之，在R中进行实验比在μl中进行实验要方便得多，因为R是一个解释器。
San Sanych，让我告诉你一个可怕的秘密：MQL也是如此。它也是一个解释器。