Блог им. Buybuy

И в очередной раз про применимость методов ТВиМС к рыночным ценам

Доброй ночи, коллеги!

Хочу задать простой вопрос (в уточнение предыдущих дискуссий)

Я правильно понимаю, что для применения методов теории вероятностей и математической статистики к анализу рыночных цен изначально надо быть уверенным в том, что:

1. Приращения цен стараются не сильно отклоняться от своего среднего значения
2. Квадраты отклонений приращений цен от их среднего значения также должны вести себя достойно

В противном случае любая вероятностная модель может столкнуться с распределением приращений цен типа распределения Коши. Которая не только странна сама по себе, но и делает плохоприменимыми стандартные экономометрические плюшки (МНК etc.).

ВОПРОС:

Почему, коллеги, Вы считаете, что методы ТВиМС успешно применимы к рынку?
К примеру, в вопросе предсказания погоды методы ТВиМС факапят с 1960 г., наверное… Хотя погода тоже случайна… Не?

С уважением и в ожидании конструктивных ответов

И как обычно — убедительная просьба не срать в блоге. Для политики я создал отдельный блог.

С уважением
★3
28 комментариев
Мальчик Buybuy, ну, наконец-то пост, который просил 3Qu и который на трейдерском ресурсе никому не интересен )))
avatar
Иван Портной, ну Ок

Раз Вы не спите )))

Я (в очередной раз) утверждаю, что ценовые ряды (и ряды приращений цен) в целях получения прибыли (а не прогноза, базовая задач — извлечение прибыли из приращений цен) можно исследовать вполне себе аналитическими методами.

И валидность результатов зависит исключительно от феноменов автокорреляции и стабильности чего-то вроде выборочной АКФ.

Т.к. сама форма распределения приращений цен вторична при условии зависимости соседних приращений цен. А эта зависимость очень и очень глубока.

Готов к дискуссии.

С уважением
avatar
Мальчик Buybuy, честно говоря, сейчас не готов к дискуссии, да и тема какая-то неконкретная. Но вы мне обещали ответить на 3 вопроса. Раз уж случай выдался, вот скажите в вашей рыночной формуле как определяются коэффициенты в линейном индикаторе?
avatar
Иван Портной, ок

Вопрос 1.

Ответ. У меня до сих пор (мой косяк) нет явной аналитической формулы. Оптимальные коэффициенты находятся итеративной вычислительной процедурой. Формально — это система из совместных кубических уравнений. Возможно, за какое-то время я доведу результат до явного решения.

Вопрос 2?

С уважением

P.S. Ну и дискуссию всегда можно отложить. Я тоже спать хочу…
avatar
Мальчик Buybuy, не-не, к вопросу №2 пока не переходим. Вы же говорили, что у вас аналитическая формула для рыночной эквити. И вы балуетесь линейными индикаторами, причем длинными (512-1024 члена). Вот про что был вопрос, т.е. как вы определяете эти 1024 коэффициента?
avatar
Иван Портной, Ок

Это вопрос 1.1

Постепенно
1. Да, я балуюсь реверсивными системами, основанными на линейных индикаторах. Длина этих индикаторов базируется в широком диапазоне — формально от 1 до нескольких тысяч. Проблема в том, что при работе лимитными ордерами (работа с лимитной эквити) индикаторы длиной (примерно) менее 300 баров не дают плюса на долгосроке. В боевых режимах пока использую длину индикатора 512 или 1024 (можно 500 и 1000, конечно, но это артефакты со старых времен)
2. Рыночная эквити считается аналитически. Задача оптимизации рыночной эквити формулируется аналитически. Решение этой задачи получается аналитически (хотя я пару лет был уверен, что это невозможно — в базовой формулировке — это задача про 100500 неравенств). Проблема в том, что для оптимального решения у меня пока нет рационального (с математической точки зрения — выраженного в разумных функциях) ответа. В моменте — это вполне себе аналитическая система уравнений 3-й степени, которая считается итеративным методом.

С уважением
avatar
Мальчик Buybuy, звучит похоже на кубический сплайн. 
avatar
SergeyJu, ну...

Кубический сплайн точно не при чем.
Ценовые ряды — это явно какое-то приближение к нигде не дифференцируемой функции. Так что приближать ее полиномами очень надуманно.

С уважением
avatar
Мальчик Buybuy, 
Ну и дискуссию всегда можно отложить. Я тоже спать хочу…
Ну, ОК. А то вам с утра еще предыдущую тему разгребать )))
avatar
Иван Портной, я просил? Не помню такого.
avatar
3Qu, 
я просил? Не помню такого.
Вы опять правы. Я не учел, что коммент (улику) можно просто удалить. )
avatar
Иван Портной, следов лучше не оставлять.))
avatar
Я правильно понимаю, что...
Неправильно.
avatar
А почему бы и нет? Методы ТВиМС хорошо подходят для этой задачи. Да, они немного сглаживают и, соответственно, плохо учитывают редкие экстраординарные события, но если они дают хороший результат для остальных 99% наблюдений, то это вполне себе рабочий инструмент.
avatar
bstone, почитайте, почему не подходят: onfin.github.io/literacy/erratic_returns/
avatar
sn1, Ваша статья про то, что методы, привычные по институтскому курсу, не работают. Ну так кто обещал, что будет легко?  
avatar
SergeyJu, именно

С уважением

P.S. Но и 3-й курс ТВиМС тоже не в кассу. Вопрос про применимость модели и подхода.
avatar
sn1, видимо вы не очень внимательно читали, перечитайте )) Например раздел «Неэргодичность» там напрямую следует из применения ТВиМС. Кто применил хотя бы так, тот уже не наступит на одну из граблей.
avatar
bstone, ну Ок

И в чем они дают хороший результат?

С уважением

P.S. Опционы не предлагать, пока модель МБШ является доминирующей, а все торгуют приближения 1-го порядка (к ней)
avatar
Мальчик Buybuy, исходный вопрос был о применимости методов ТВиМС к рыночным ценам. Теперь вопрос «в чем они дают хороший результат?» Значит ли это, что по первому вопросу достигнут консенсус?
avatar
Пень Пнём, насчет эргодичности ясен пень, но мне же надо было как-то сослаться на соответствующую часть статьи. Даже в кавычки взял. А в остальном, вы считаете, что там нет мат. статистики и вероятностей?
avatar
Пень Пнём, ммм… ну так мы можем сказать, что и уравнение БШ никакого отношения к рынку не имеет, т.к. это же просто уравнение термодинамики )) Не конечная форма тут имеет значение, а направление мысли. Если я мыслил категориями ТВиМС, чтобы получить матожидание, и получил алгебраическое выражение, то дело тут не только лишь в алгебре. Так и алгебру легко обидеть — скажем, что результат-то число, а значит дело-то вовсе не в алгебре ))
avatar
Есть много методов помимо оптимизации линейной регрессии методами МНК, для которых это характерно. Если использовать методы из ML типа деревьев или бустинга, то им вообще пофиг что там за распределение, особенно если брать лосс не квадратичный а что-то в духе MAE, чтобы хвосты так сильно не влияли. Линейную регрессию можно учить с таким же лоссом и регуляризацией, и все будет нормально.
avatar

теги блога Мальчик buybuy

....все тэги



UPDONW
Новый дизайн