Симуляция Цены, SV

18 февраля 2026, 18:32
|
Alex Craft

Наконец то, начало получаться похоже на реальные цены, SV модель откалиброванная на Кока Коле, симуляция цены.

Осталось добавить еще пару небольших моментов, и будет почти готово...

Разные пути цены

Это тот же график что выше, но в сравнении с реальной прибыли кока колы (первый реальный, второй симуляция).

Данная публикация является личным мнением автора. Мнение владельца сайта может не совпадать с мнением автора.

спецраздел:
торговые роботы

Ключевые слова:
торговые роботы

434

8 комментариев

еще — есть эффект, про который не принято писать — на участках с высокой волатильностью — автокорреляция заметно отрицательна, хотя я и сам не особо понимаю как это можно попроще воспроизвести…

anon

20 февраля 2026, 06:14
Ответить

anon, сначала можно попробовать увидеть этот факт, какой эксперимент покажет это, например на исторических дневных ценах.

Alex Craft

22 февраля 2026, 06:05
Ответить

Alex Craft,

да элементарно

взять данные, где выборочная дисперсия по окну N периодов — входит в верхние top 33% и на [ровно] этом же окне посчитать выборочную корреляцию

повторить для данных где выборочная дисперсия на таком же окне входит в нижние top 33%

сравнить выборочные корреляции для того и другого

можно для средних 33% тоже посчитать

ну т.е. поскольку это довольно просто, там даже можно с умным видом сказать «гипотеза о равенстве отвергнута с каким-то пи-вэлью»

anon

22 февраля 2026, 11:38
Ответить

anon, по поводу эксперимента, если он он повторяется на 30% верхних/нижних данных, то по идее повторить можно.

Плохо когда повторяется на редких режимах например верхние/нижние 1% или еще меньше, где очень мало данных чтобы сделать заключение.

За идею спасибо, гляну…

Alex Craft

23 февраля 2026, 11:00
Ответить

Alex Craft,

ну как сказать… на топ 10% вы увидите эффект прям сильно, на топ 33% увидите, на топ 50% да тоже наверное увидите только слабее

по сути разговор о том, что autocorrel(lag=1) = f(sigma), про «топ NN%» это я для простоты написал, а так — совсем по умному — правильнее взять сколько-нибудь бинов по сигме и в них смотреть распределение реализовавшихся автокорреляций

anon

23 февраля 2026, 13:06
Ответить

Alex Craft, т.е. увидеть это — довольно просто, а вот понять какой стохдифур смог бы так — уже не очень просто, это должно быть в \mu какое-то слагаемое типа \sigma^2(n-1) * r(n-1) ...

вобщем это еще один повод фиттить «на батчах» модели для \mu \sigma как функции ограниченной глубины только от r(n-i), но чтоб поймать такой эффект это мю должна быть аж полиномом третей степени, а это уже просто не прилично

anon

22 февраля 2026, 18:12
Ответить

anon, я пока решил остановиться на простой модели.

Пробовал добавлять разные режимы (например 2 режима с гладким переключением), или параметры как зависимости, но, особо эффекта не заметил.

На garch можно все это посчитать очень быстро, но сильного улучшения правдоподобия не получается. А небольшие улучшения правдоподобия — непонятно то ли реально улучшения то ли оверфиттинг.

На SV и MCMC — сложные модели сразу падает идентификация параметров, большие диапазоны, корреляции, мульти модальности. Скорость фиттинга падает в разы. Вобщем, на данный момент я пока ограничился простой моделью SV + Jumps + Leverage.

Alex Craft