Не было гвоздя -
Подкова пропала,
Не было подковы -
Лошадь захромала,
Лошадь захромала -
Командир убит,
Конница разбита,
Армия бежит!
Враг вступает в город,
Пленных не щадя,
Оттого, что в кузнице
Не было гвоздя!
Перевод с англ., Самуил Маршак
Хороший стишок. О том, что маленькие причины влекут большие последствия, взмах крыла бабочки порождает бурю и пр. Это происходит постоянно, каждый день, м.б. каждую минуту — цепь случайных событий порождает большие последствия. Все логично, причинно-следственные связи и выявленные закономерности налицо. Такая цепочка событий всегда строится постприори.
Вам ничего это не напоминает? Правильно — это типичный образец Технического Анализа (ТА). Теперь мы можем прогнозировать события, и если в следующий раз не будет гвоздя и упадет подкова, то дальнейший ход событий очевиден — шортить надо, акции неизбежно будут падать. Некоторые, более осторожные, прежде чем шортить, подождут когда захромает лошадь, или даже убьют командира. Ну, теперь-то точно упадут.
Однако, рассмотрим ситуацию детально.
Прошло три дня – приведу данные по прогнозам движения цены, максимальной и минимальной цен для каждого дня. А также поясню, как можно пользоваться этой информацией с пользой для своей торговли.
В таблицах показаны:
— для каждой даты: фактические значения High и Low (колонка «Факт»), их прогнозные значения (колонка «Прогноз на день»), отклонение прогнозного значения от фактического в шагах цены (колонка «Факт "-" прогноз»), прогнозное и фактическое направление движения цены (колонка «Направление цены») и торговый диапазон дня, т.е. разница между High и Low (самая правая колонка);
— в целом для недели (т.е. для интервала «неделя»)): прогнозное и текущее фактическое направление движения цены (первая строка в колонке «Направление цены»), текущие фактические значения High и Low (первая строка в колонке «Факт за неделю»), их прогнозные значения (первая строка в колонке «Прогноз на неделю»), отклонение прогнозного значения от фактического в шагах цены (колонка «Прогноз на неделю» — ниже прогнозных цен).
Встретил в одной из книг подобное заявление. Интересно
243 151 406 290 194
Это случайный ряд чисел? или есть закономерность?
Знаете есть такой класс алгоритмов — генераторы псевдослучайных чисел. Самый известный -линейно конгруэнтный метод. Описан во втором томе Искусства программирование Кнута
формула очередного члена ряда x[n+1]=(a*x[n]+c) mod m
a,c,m константы. mod- операция вычисления остатка отделения. начальное значение x[0] можно взять, допустим как текущее количество микросекунд из часов в компьютерах.
Формула то простая. и результаты предсказуемы, если понимать что происходят. Но много ли людей смогут по ряду таких числе воспоизвести алгоритм и значение константант, что позволит предсказывать все новые члены ряда?
Впрочем на рынке не всегда нужно прям всё предсказывать. Вот угадали мы что будет развиваться информационная безопасность. Вложились в лабораторию касперского, тренд микро и ещё несколько компаний ведущих разработчиков антивирусов. Или в несколько ведущих производителей файрволов. И нам уже без разницы чем там закончится борьба между ними. Мы получем прибыль не с компании а с рынка, а он изменяется уже более предсказуемо чем рыночная доля одного из игроков.
Саммари книги: Взгляд за горизонт времени. История и современное состояние науки прогнозирования
Дэвид Оррелл.
Саммари книги https://teletype.in/@kudaidem/HkpFCREUr
Общий рейтинг 9 Применимость 8 Новизна 9 Стиль 8
Рецензия ТГ-канал kudaidem
Эта книга рассказывает о современном состоянии искусства предсказывать будущее. Вначале автор совершает экскурс в историю того, как человек удовлетворял свою естественную потребность заглядывать в завтрашний день. Рассказывая о современных возможностях предсказания будущего, автор приводит множество интересных деталей о том, как строятся прогнозы в метеорологии, медицине и экологии, попутно указывая на факторы, снижающие или сводящие на нет точность прогнозов в этих областях. Наконец, в книге заходит речь
В продолжение этого поста smart-lab.ru/blog/547833.php. Готового решения не нашлось, так что пришлось изобретать свой велосипед. На мысль натолкнул комментарий Кирилла Браулова smart-lab.ru/blog/547833.php#comment9870122. Действительно, почему бы нам вместо ошибки не считать модельную вероятность фактической реализации. Вероятность конкретной цены – около нуля. Ок, можем взять не точку, а некоторую окрестность слева и справа. Тогда распределения можно будет сравнить по сумме/среднему вероятностей фактических реализаций за большое количество экспериментов. Вроде задача решена. Но почему бы не пойти дальше…
Мы можем разделить прогноз на n равновероятных интервалов, например, 10 или 100. Для этого рассчитаем квантили с шагом 0,1 или 0,01. И проверим в какой интервал попала фактическая реализация. И так для всех экспериментов. Пример на картинке
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:
* Исаак Ньютон, вынужден был констатировать после потери 20 000 фунтов стерлингов на акциях лопнувшей компании «Южное море» в 1720 году:
"Я могу предсказать, где будет находиться каждая из планет через миллионы лет с точностью до секунды, но я не могу предсказать, куда в следующую минуту погонит цены эта безумная толпа".
Данный подход предполагает, что экономическое и прочее развитие происходит гладко и непрерывно, поэтому прогноз может быть простой проекцией (экстраполяцией) прошлого в будущее. Для составления такого прогноза необходимо вначале оценить прошлые показатели деятельности предприятия и тенденции их развития (тренды), затем перенести эти тенденции в будущее.
В заголовке статьи приведено высказывание И. Ньютона, который полагался на данный метод прогнозирования (и планирования) не только в сфере небесной механики, но и в финансовой жизни. Впрочем, экстраполятивный подход широко применяется и сейчас. Он, так или иначе, отражается в большинстве методов современного прогнозирования.