Добрый вечер, коллеги!
Прочитал я тут общеобразовательный пост про теорию вероятностей на рынке и хочу поделиться с вами парой простых, но предметных, полученных мной в долгих поисках, расчетах и исследованиях наблюдений.
1. Можно получить хороший линейный прогноз знака будущего приращения цены. Угадывать знак он будет не сильно больше, чем в 50% случаев, зато маркетная эквити (без учета комиссий) будет
стоять расти
как член у солдата-срочника практически по восходящей прямой
2. Можно получить хороший квадратичный прогноз квадрата будущего приращения цены (некая положительно определенная квадратичная форма от предыдущих приращений цены), гораздо более хороший, чем в п. 1 (используется для разнообразных прогнозов и оценок волатильности)
Эти факты позволяют надеяться на то, что процесс приращений цен является условно-гауссовским (на языке уважаемого
А. Г. — это просто нормальное распределение с изменяющимися МО и дисперсией). Более того, уважаемый
А. Г. умеет объяснять, почему это должно быть так на примере ЦПТ — когда мы складываем большое количество слабозависимых случайных величин с определенными условиями, то ничего, кроме нормального распределения получить не можем…
Видимо только мне не кажется очевидным, что эти многочисленные слагаемые слабозависимы...
НО
3. Если мы попытаемся построить хороший прогноз будущего приращения цены (не только знак, но и абсолютная величина, неважно, линейный это прогноз, полиномиальный или существенно нелинейный — нейросети, Deep Learning и все дела), то потерпим фиаско
Не вполне очевидно, но легко проверяется, что путем перемножения прогноза 1 на квадратный корень из прогноза 2 ничего путного получить нельзя (нельзя косячить в знаках для крупных отклонений цен, поэтому оба прогноза должны иметь некий общий знаменатель)
Любой линейный прогноз совсем плох, что подрывает веру в нашу гипотезу о нормальности приращений. Конечно, условно-гауссовские процессы не предполагают линейности оптимального прогноза, но...
Лично я планирую до конца 2025 всячески протестировать гипотезу об условной гауссовости, в случае фиаско буду думать о замене униформизующего распределения на Леви.
Что вы думаете по этому поводу, коллеги?
С уважением
smart-lab.ru/blog/699507.php
А этот частный случай обобщенного гиперболического распределения и получается при определенных распределениях среднего и дисперсии нормального распределения, как это доказано в видео-лекции, на которую я даю ссылку в том топике.
smart-lab.ru/blog/452099.php
Получается, что они ищут под фонарем, потому что там светло, забывая, что на рынках направлений всего два.
В автомобиле тоже 2 педали — газ и тормоз, а вот гонщиков Формулы-1 не бывает сильно больше двадцати...
С уважением
Или еще проще — у температуры всего 2 направления (вверх и вниз)
Почему все болезни не лечат жаропонижающим?)
С уважением
С уважением
Кстати, когда -то я много времени потратил на всякие критерии свободные от распределения и критерии для малых выборок. На практике они иногда не хуже, а иногда и лучше того, чем обычно грузят мозги при преподавании статистики.
P.S. Давно отошел от расчета всяческих статистик на сделках. Если вход и выход осуществлять порциями (что позволяет увеличивать емкость систем), тема сделок сама умирает. Поэтому мой инструмент - эквити систем.
Более того, на малых таймфреймах соседние приращения цен относительно сильно коррелированы, а выборочная АКФ практически не затухает (что невозможно для физически реализуемого стационарного процесса).
Я просто доделал все, что можно было доделать феноменологически, теперь планирую перейти к использованию стохастических соображений на основании накопленного материала.
С уважением
Коэффициенты оптимального линейного прогноза суть функции от компонент АКФ. Так что этот инструмент скорее всего полезен.
С уважением
Спектральные методы — это про Колмогорова-Винера и стационарные процессы
Рынки не стационарны (проверяется легко, к примеру у AR-модели часть корней ассоциированного характеристического полинома всегда вылетает за пределы единичного круга)
С уважением
Удивительно, но он помнит даже события годичной давности. Меня это всегда поражало!
Рынок постоянно меняется, и никто не даст вам миллионы долларов просто так. Там действуют настоящие акулы — жестокие и беспощадные.
Вы можете предсказать погоду или сделать ставку на красное, но предсказать будущее цены на рынке… Совсем другая история. Можно лишь попытаться угадать тренд, и для этого вполне достаточно простейшего индикатора, например RSI
Я просто констатирую возможность или невозможность прогнозов того или иного рода
Иногда невозможность дает много информации о вероятной структуре процесса
С уважением
а нашенский общий знакомый говорит вот так
очень просто… но в отношении погоды очень надежно…
так что Мальчишка Купи и Продай… звиняйте…
На ней построена вся современная финансовая математика
К сожалению, она неверна от слова совсем...
С уважением
Я на FX и на крипте на 1m делал нормировку приращений на волатильность, в т.ч. с подсматриванием в будущее на полинтервала, гауссовостью не пахло...
С уважением
Похоже на гаусса — ну и довольно.
Ну т.е. под вопросом не только гауссовость, а условно-гауссовские процессы
С уважением
Все знают среднее арифметическое, медиану и полусумму максимума и минимума (середина размаха).
Все три оценки являются оптимальными оценками среднего, очевидно, для разных распределений. Если же данные искажены пропусками и выбросами, только медиана из этих трех окажется робастной оценкой, пусть и неоптимальной для исходного, неискаженного распределения.
Единственное, где это применимо — скальпинг, но, как правильно заметил мальчик бой, комиссии уменьшат вашу прибыль.
Но она у меня тяжеловато идет
И многие тезисы вызывают больше вопросов, чем ответов
С уважением
Мальчик buybuy, Талеб умеет думать, поэтому — отличный критик, но не умеет обыгрывать спокойный рынок, см историю его фонда. Идеи лучше искать у тех, кто умеет. Отсюда уже народ разбежался, но хотя бы о принципах первых систем HFT почитайте, что-ли. Они простые, но могут помочь набрести на более глубокое понимание.
Тогда можно будет покупать и продавать волатильность. Это же грааль!
Чтоб сделать нестационарный процесс с распределение с хвостами нормальным, нужно со 100% точностью предсказать масштаб хвостовой компоненты, чтоб она исчезла. А это невозможно.