01.11.2013 — 28.02.2014: 0.27 руб/день
01.11.2014 — 28.02.2015: 2.67 руб/день
01.11.2015 — 28.02.2016: 1.87 руб/день
01.11.2013 — 28.02.2014: 0.91 $/день
01.11.2014 — 28.02.2015: 2.43 $/день
01.11.2015 — 28.02.2016: 1.75 $/день
01.11.2013 — 28.02.2014
ТОП-10 волатильных дней по рублю
29.01.14: 0.82
30.01.14: 0.64
04.02.14: 0.58
24.01.14: 0.54
31.01.14: 0.51
13.02.14: 0.47
27.11.13: 0.47
19.02.14: 0.46
23.12.13: 0.44
05.02.14: 0.43
ТОП-10 волтальных дней по нефти
02.01.2014: 3.31
25.11.2013: 3.20
02.12.2013: 2.71
09.12.2013: 2.50
21.11.2013: 2.50
09.01.2014: 1.81
14.11.2013: 1.81
03.12.2013: 1.80
18.02.2014: 1.71
21.01.2014: 1.71
Пишу эту статью в надежде понять, где я не прав. Может быть я чего-то упускаю, не понимаю… Буду благодарен за конструктивные наводки. Если хорошо разбираетесь в торговле или в математике, напишите что-нибудь ценное, прошу вас.
Все тесты из этой статьи также были проведены на реальных биржевых данных примерно с тем же результатом и теми же выводами. В статье используется модель рынка на основе случайной величины с нормальным распределением. Я прекрасно знаю, что распределение в реальных данных отличается от нормального. Смысл в том, чтобы показать что происходит ДАЖЕ с нормальным распределением.
Также для исследования используется один из самых интересных и перспективных на сегодняшний день язык программирования R. И соответствующая среда RStudio.
plot(diffinv(rnorm(1000)), type="l")
В статье, которой я хочу с вами поделиться, рассмотрен примитивный метод поиска похожих графиков с помощью корреляции. Все происходит под Linux с помощью Python 3.5. (Windows может добавить геморроя). Основная идея: когда нравится движение цены на графике в определенный момент времени, я хочу легко находить похожие движения на рынке на сегодняшний день.