Избранное трейдера _sg_
Допустим у нас есть несколько моделей, описывающих движение цены актива. Нам нужно выбрать модель, которая лучше предсказывает будущую цену. Т.е. нам нужна метрика, по которой мы будем сравнивать модели.
Хороший обзор коэффициентов для оценки качества моделей есть на сайте Ивана Светунькова forecasting.svetunkov.ru/forecasting_toolbox/models_quality/
Проблема в том, что все коэффициенты оценки качества прогноза основываются на сравнении ошибок (разница между мат.ожиданием модели и реальным значением прогнозируемой переменной). Если нас интересует только мат.ожидание, например, мы торгуем линейно активом, то проблем никаких. Но если для нас важна плотность вероятности, например, при оценке стоимости опционов, то имеющиеся метрики сравнения моделей не подходят.
Приведу пример. Есть три модели, прогнозное мат.ожидание которых совпадает, а плотность вероятности различается:
Если на протяжении достаточно долгого времени на рынке систематически происходят недели micro-RTQ (см. предыдущий пост серии), акции общего рынка настолько ухудшаются по сравнению с акциями индекса, что композиция и баланс категорий широты, построенных на основе 50МА/200МА начинают меняться — количество micro-RTQ перешло в новое качество macro-RTQ.
Пост полностью посвящён выражению концепции macro-RTQ через категории широты из таблицы. Я постарался описать всё как можно подробнее, возможно будет казаться, что «много и непонятно», но наберитесь терпения -эта концепция является краеугольным камнем обнаружения вершины и хотя без этих длинных объяснений не обойтись, всё в пределах простой арифметики.
В таблице с категориями широты определим, какие категории можно отнести к аптренду, какие к даунтренду, и прочие (подробнее про категории, профили типичных акций-представителей см. в первом посте серии «Прикладная широта рынка»):