ничего не понятно, но очень интересно
стастически у таких моделей
— нулевая доходность для бумаг в рейндеже
— положительная при корреляции с периодом с даты начала сбора данных
— и отрицательная при раскорреляции с тем периодом
и всех свои игрушки за свои деньги
ШоLo, Основания? У тебя есть своя система сбора ни исторических данных с положительным результатом?
1.основания — вероятностные. мы же говорим об ожидаемом доходе. все так делают. с разной точностью
2.в выигрыше лишь:
— кто берет либо высокий риск. но долго так не получится
— инвесторы со своим уникальным подходом
— кто умеет следовать жестким правилам
3. не, я только учусь
у меня сейчас 2Б и 2В
2А дал рост портфеля в 2.5 раза. Но я уже пару лет как отказался от высокого риска
ШоLo, Скажем, если есть точка входа со статистическим сдвигом на истории, как например была, судя по моим расчетам 14.07.2020 в 16:00. То делая входы в таких точках ты будешь систематически в прибыли или в убытке?
Ramak, а вы уверены в оценках точности и репрезентативности? Я к тому что вы берете кусок графика вырезанный из контекста и сравнивает с кусками так же вырезанными из контекста. + имхо ищите в достаточно мелком диапазоне + можно выйти за рамки этого конкретного тикера. Я к тому что делая столько допущений мне непонятно как можно ориентироваться на результат а-ля 70/30.
goozyman, так в этом и смысл, он не окончательную истину ищет, а то, что может сработать завтра, потому что работает последний «месяц».
any_to_real, представьте, что мы открываем книгу в середине, и хотим определить вероятность след символа зная все предыдущие. Совсем примитивная оценка какая, ну определить частоту вхождения букв которую имели до этого. Далее можно отследить много различных паттернов, таких как например после двух согласных чаще идёт гласная — это как раз про скальпинг и тут надо результат сразу фиксировать. А теперь мы например хотим определить вхождение определённого слова, которое ранее встречалось в книге. Ну например имя какого нибудь героя, мы знаем что оно встречается вот с такой-то частотой, мы даже знаем что это имя почти всегда идёт после какого-нибудь слова, например «дядя», но также мы знаем что после этого слова равночастотно встречаются 2 других имени — это среднесрочный патерн. Так вот мы видим слово «дядя» и делаем прогноз о 30% вероятности, на основе статистики. Но в данном случае мы не учитываем контекст — например по ходу истории из книги 1 дядя умер и зная это, вероятность встретить упоминание о нем из 30% превращается в 0%.
Это примитивный пример. Это про нормальность распределения и репрезентативную выборку…
goozyman, если дядя, на которого была ставка, умер, сработает стоп-лосс, а потом его можно будет шортить со 100% вероятностью профита.