Избранное трейдера MrD
Введение во фрактальность рынка и Теорию Хаоса. Изотропность.
— О чем вы думаете, глядя на эти графики?
— О женщинах.
— Но, почему?
— А, я о них все время думаю.
Как и предыдущие мои посты, этот в первую очередь адресован новичкам и тем, кто исследует рынок с помощью математики или физики и сам программирует, или может точно поставить задачу программистам и проконтролировать исполнение. Как и предыдущие посты, этот тоже является фильтром, его поймут и примут далеко не все, и только некоторые сумеют им воспользоваться. Не хочу детализировать свои выводы из постулатов рынка, ограничивая вашу фантазию. Частные примеры могут ее невольно сузить, попробуйте понять постулаты максимально широко, не сводя их к частностям – это вы всегда успеете. Понимание того, о чем я говорю, по моим наблюдениям, как и раньше, не зависит от наличия высшего образования, но форму изложения, в целях доступности, я выбрал популярную.
import numpy as np
# создаем массив чисел, равномерно распределенных от -1 до 1
x = np.random.uniform(-1, 1, 10000000)
# каждое число возводим в квадрат (можно еще вычесть 1/3, если хотим нулевое матожидание)
y = x**2
# y полностью определяется x, значит x и y коррелированы в широком смысле
# но вычисление ЛИНЕЙНОГО коэффициента корреляции дает 0 (+- с учетом случайного разброса)
print(np.corrcoef(x,y))
Продолжение. Начало в моем блоге и на сайте.
В прошлой статье про модель Хестона мы отметили, что она обладет недостатком, который проявляется в неточности определения цен опционов на малых сроках экспирации. Здесь мы рассмотрим модель Бейтса, в которой этот недостаток устранен, и она является одной из лучших аппроксимаций, описывающих поведение цен опционов для разных страйков и периодов до экспирации.
Модель Бейтса относится к моделям стохастической волатильности и определятся следующими уравнениями: