Список проголосовавших за комментарий "Манул Кот, в технике работы с Big Data или при расчете задач большой сложности, например при поиске оптимальной стратегии стохастической игры с неполной информацией (моделирование военных сценариев, игра в покер и т.д.) только стохастическим градиентным спуском и пользуются, так как в лоб, в силу большого числа данных / предполагаемых данных (возможностей) такие задачи не решаются. <br/> <br/> В данном случае, оговаривается, что модель представляется стационарной и можно пользоваться поправочными методами. Это не означает, что мои решения были получены этим методом — нет, они получены в лоб, решением СЛАУ через обратные матрицы. Но, раз уж мы находим некоторое устойчивое решение, то можно его заменить на Real-Time методы оценки. (Для массивов акций по 3000 эмитентов, то есть для обработки индекса Russel 3000 как раз самое то) <br/> <br/> <blockquote>Но модели <em>чего</em>?</blockquote><br/> Волатильности. Следующий шаг, частично уже проделанный — ковариации.<br/> Ковариация активов тоже не стационарная величина. Но пока что различными методами прогнозирования — SSA с учётом сезонности, Line Trend и т.п. её спрогнозировать не удаётся. С волатильностью, как оказывается, всё аналогично.<br/> <br/> Соответственно, это говорит о некоторой природе ковариации/волатильности и по сути, лучшем методе их оценки. В чём смысл данной работы? Да в том, что ничего лучше уже не придумаешь, чем просто фильтрация входящего сигнала.<br/> <br/> <blockquote>Где, в каком месте будет непосредственный выход на портфели/трейдинг?</blockquote><br/> Ожидаемые ковариации используются при построении портфелей. Ожидаемые волатильности при прогнозах трендов, если вы считаете, что тренды сопровождаются повышенной волатильностью и при торговле опционами