Диссертация (1152468), страница 30

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 30)

Prechter, R. R. Ellitott wave principle key to market behavior / R. R.Prechter, A. J. Frost. – Gainesville : New Classics Library, 2005. – 258 p.159. Samuelson, P. A. Proof That Properly Anticipated Prices FluctuateRandomly / P. A. Samuelson // Industrial Management Review. – 1965. – Vol. 6.

–No. 2 – P. 41-49.160. Schannep J. Dow theory for the 21th century: Technical indicators forimproving your investment results / J. Schannep. – NY : John Wiley and Sons, 2008. –243 p.161. Schwager, J. D. Schwager on Futures: Technical Analysis / J. D. Schwager.– NJ : Wiley, 1995. – 800 p.162. SeekingAlpha[Электронныйресурс]–Режимhttps://seekingalpha.com/article/4157300-retire-rich-buy-low-sell-highдоступа:(датаобращения – 19.09.2018).163. Smirnov, N. Table for estimating the goodness of fit of empiricaldistributions / N. Smirnov // Annals of Mathematical Statistics. – 1948. – Vol. 19. –No. 3. – P.

279-281.164. Sornette, D. Fokker-Planck equation of distribution of financial returns andpower-laws / D. Sornette // Physica A: Statistical Mechanics and its Applications. –2001. – Vol. 290. – No. 1-2. – P. 211-217.165. Stevenson, S. A comparison of the forecasting ability of ARIMA models / S.Stevenson // Journal of Property Investment & Finance. – 2007. – Vol. 25. – No. 3. –P. 223-240.178166. Strutt, J. W.

On the Resultant of a Large Number of Vibrations of the SamePitch and of Arbitrary Phase / J. W. Strutt, Lord Rayleigh // Philosophical Magazine. –1880. – S. 5. – Vol. 10. – No. 60. – P. 73-78.167. Taylor, M. The Use of Technical Analysis in the Foreign Exchange Market /M. Taylor, H. Allen // Journal of International Money and Finance. – 1992. – Vol. 11.

–No. 3. – P. 304–314.168. Testing the null hypothesis of stationarity against the alternative of a unitroot / D. Kwiatkowski, P. C. B. Phillips, P. Schmidt, Y. Shin // Journal of Econometrics.– 1992. – Vol. 54. – No. 1. – P. 159-178.169. Turbulent Cascades in Foreign Exchange Markets / S. Ghashghaie, W.Breymann, J. Peinke, P. Talkner, Y. Dodge // Nature. – 1996. – Vol. 381. – P. 767-770.170. Vliet, B. Building Automated Trading Systems / B. Vliet. – Cambridge:Academic Press, 2007.

– 331 p.171. Young, A. R. Expert AdvisorProgramming: Creating Automated TradingSystemsin MQL for MetaTrader 4 / A. R. Young. – Nashville, TN : EdgehillPublishing, 2009. – 212 p.172. Zhang, C. A quantum model for the stock market / C. Zhang, L. Huang //Physica A: Statistical Mechanics and its Applications. – 2010. – Vol.

389. – No. 24. –P. 5769-5775.179Приложение А(справочное)Талица А.1 – Результирующая статистика для ряда USDX*ПоказательСреднееСтандартная ошибкаМедианаМодаСтандартное отклонениеДисперсия выборкиЭксцессАсимметричностьРазмахМинимумМаксимумКоличествоШаг30 минут96,9020,02296,2295,622,4235,8690,0630,85211,6791,97103,6411607Шаг1 час96,9160,03196,2395,622,4265,8840,0490,84611,5892,06103,645957Шаг4 часа96,8810,06196,2094,572,4155,8330,0940,86011,4492,09103,531552Шаг1 день96,8820,15096,1796,032,4185,8460,1360,87710,7492,54103,28260 Источник: Составлено авторомТаблица А.2 – Тест Дикки-Фуллера для ряда USDX*РядUSDX 30 минUSDX 1 часUSDX 4 часаUSDX 1 деньТестовая статистика ADF-0,977-0,987-1,038-0,713 Источник: Составлено авторомp-значение0.7620,7580,7390,843180Приложение Б(справочное)Рисунок Б.3 – ПлотностьраспределенияИсточник: СоставленоавторомРисунок Б.1 –Преобразование 1.1.

РядUSDX. Шаг 30 минутИсточник: СоставленоавторомРисунок Б.2 –АвтокорреляционнаяфункцияИсточник: СоставленоавторомРисунок Б.4 –Преобразование 1.2. РядUSDX. Шаг 30 минутИсточник: СоставленоавторомРисунок Б.5 –АвтокорреляционнаяфункцияИсточник: СоставленоавторомРисунок Б.6 – ПлотностьраспределенияИсточник: СоставленоавторомРисунок Б.7 –Преобразование 1.3.

РядUSDX. Шаг 30 минутИсточник: СоставленоавторомРисунок Б.8 –АвтокорреляционнаяфункцияИсточник: СоставленоавторомРисунок Б.9 – ПлотностьраспределенияИсточник: Составленоавтором181Рисунок Б.10 –Преобразование 1.5. РядUSDX. Шаг 30 минутИсточник: СоставленоавторомРисунок Б.11 –АвтокорреляционнаяфункцияИсточник: СоставленоавторомРисунок Б.12 – ПлотностьраспределенияИсточник: СоставленоавторомРисунок Б.13 –Преобразование 1.6. РядUSDX.

Шаг 30 минутИсточник: СоставленоавторомРисунок Б.14 –АвтокорреляционнаяфункцияИсточник: СоставленоавторомРисунок Б.15 – ПлотностьраспределенияИсточник: СоставленоавторомРисунок Б.16 –Преобразование 1.7. РядUSDX. Шаг 30 минутИсточник: СоставленоавторомРисунок Б.17 –АвтокорреляционнаяфункцияИсточник: СоставленоавторомРисунок Б.18 – ПлотностьраспределенииИсточник: Составленоавтором182Приложение В(обязательное)Таблица В.1 – Результаты тестов Колмогорова-Смирнова, критерия асимметрии иэксцесса для всех значений tres и данные для проведения графического анализапредлагаемого метода. Исходный ряд – USDJPY*tres0,000000,000010,000020,000030,000040,000050,000060,000070,000080,000090,000100,000110,000120,000130,000140,000150,000160,000170,000180,000190,00020Числонаблюдений317 691279 760255 978232 385206 619180 753154 201129 022104 72883 44664 85348 96535 88724 98116 48610 0006 7565 1803 9252 9082 100Kf0,08980,08690,08480,08230,07860,07490,07090,06910,07000,07140,07670,08620,10350,12240,13970,12160,07950,09640,10790,11540,1725pзначение0,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,00KKf / K0,00240,00260,00270,00280,00300,00320,00350,00380,00420,00470,00530,00610,00720,00860,01060,01360,01650,01890,02170,02520,029737,2233,8031,5529,1726,2723,4120,4718,2516,6615,1714,3614,0314,4214,2213,198,944,805,104,974,585,81 2 (критерийасимметрии иэксцесса)140 122,77120 508,88108 745,8396 419,9482 234,7569 269,7556 418,4742 189,1032 694,2523 769,4020 156,9317 396,6013 551,3911 971,2815 015,6613 557,461 580,542 476,863 459,572 743,952 243,19pзначение0,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,00MAX/AVG1,0018,1821,5824,3139,5149,1852,6256,3148,6425,5327,7720,3318,3611,945,664,592,372,372,272,262,26 Источник: Составлено авторомТаблица В.2 – Исходный ряд – USDRUB*tresЧислонаблюдений0,000000,000020,00004300 284235 530210 729KfpзначениеK0,20180,18250,18070,000,000,000,00250,00280,0030Kf / K81,3165,1260,992(критерийасимметриии эксцесса)103 927,5489 650,7779 135,22pзначениеMAX/AVG0,000,000,001,0027,9544,43183Продолжение таблицы В.22tresЧислонаблюденийKfpзначениеKKf / K0,000060,000080,000100,000120,000140,000160,000180,000200,000220,000240,000260,000280,000300,000320,000340,000360,000380,00040189 911171 163153 278136 329119 867104 90991 19078 73167 72558 18549 44641 84535 04229 57124 71520 69717 98515 9730,17830,17520,17310,17020,16740,16540,16370,16300,16380,16540,16740,17130,17760,18570,19420,20260,21230,21660,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,00310,00330,00350,00370,00390,00420,00450,00480,00520,00560,00610,00660,00730,00790,00870,00950,01010,010857,1353,3049,8346,2142,6239,3936,3533,6331,3429,3427,3725,7724,4523,4822,4521,4320,9320,13(критерийасимметриии эксцесса)70 961,5262 864,7355 052,9047 950,8340 857,6934 643,7029 119,8224 290,1720 089,5516 584,4713 584,2710 949,999 227,247 661,936 140,955 104,318 958,734 358,98pзначениеMAX/AVG0,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,0040,6650,8940,7140,4136,0028,1625,3227,0218,8825,7335,3227,9623,6816,9111,1710,116,566,30 Источник: Составлено авторомТаблица В.3 – Исходный ряд – EURUSD*tresЧислонаблюдений0,0000000,0000050,0000100,0000150,0000200,0000250,0000300,0000350,0000400,0000450,0000500,0000550,000060317 489298 105268 765263 802240 344233 323210 655196 938179 793164 643149 995135 299120 0682KfpзначениеKKf / K0,09330,09080,08940,08870,08670,08520,08170,07950,07690,07480,07230,07130,07000,000,000,000,000,000,000,000,000,000,000,000,000,000,00240,00250,00260,00260,00280,00280,00300,00310,00320,00340,00350,00370,003938,6636,4534,0833,5031,2530,2627,5725,9423,9822,3220,5919,2817,83(критерийасимметриии эксцесса)308 443,26285 911,63252 097,77245 257,79223 964,13215 823,41190 641,76175 382,96156 685,14140 136,88127 026,49111 738,0096 093,48pзначениеMAX/AVG0,000,000,000,000,000,000,000,000,000,000,000,000,001,0049,5844,0850,3649,9245,0642,9740,0942,4237,1143,8148,9841,11184Продолжение таблицы В.32tresЧислонаблюденийKfpзначениеKKf / K0,0000650,0000700,0000750,0000800,0000850,0000900,0000950,000100107 91794 05782 26470 44759 43650 17040 83833 4860,07010,07110,07340,07760,08260,08680,09650,10890,000,000,000,000,000,000,000,000,00410,00440,00470,00510,00560,00610,00670,007416,9316,0315,4815,1414,8114,3014,3414,65 Источник: Составлено автором(критерийасимметриии эксцесса)83 159,3671 944,5559 964,1450 187,0940 527,0035 492,4033 028,4829 792,27pзначениеMAX/AVG0,000,000,000,000,000,000,000,0030,0219,7816,2512,0214,1720,4617,5415,27185Приложение Г(обязательное)Рисунок Г.1 – Иллюстрация применения метода к ряду USDJPY с заменойспособа агрегации (2.5) на (2.3)Источник: Составлено авторомРисунок Г.2 – Иллюстрация применения метода к ряду USDJPY с заменойспособа агрегации (2.5) на (2.4)Источник: Составлено автором186Приложение Д(обязательное)Таблица Д.1 – Оценка моделей с помощью фильтра Калмана для USDJPY*Астрономическое времяМодельМодель1КоэффициентМодель2Модель322ЗначениеСтандартнаяошибкаpзначениеРыночное времяЗначениеСтандартнаяошибка0,0790,0340,0000,0000,0230,0210,4440,254Кол-во наблюдений 2 статистикаp-значение0,9840,0210,0200,7290,2660,08025 920210,0000,0000,0530,0090,0000,0000,0020,0070,2780,053Кол-во наблюдений 2 статистикаp-значение0,9270,006-0,0040,0000,0000,0000,0000,00025 92013 3370,0000,0000,0000,0000,0000,00025 92031 7610,0000,0240,004-0,8140,0360,0010,000Кол-во наблюдений 2 статистикаp-значение1,5680,0050,0000,000-0,1120,003-1,7770,0340,0020,000Кол-во наблюдений 2 статистикаp-значение0,000-0,2000,011-4,3390,1290,0050,000Кол-во наблюдений 2 статистикаp-значение1,2790,018-0,0060,000-0,2380,010-5,6990,1110,0090,000Кол-во наблюдений 2 статистикаp-значениеpзначение0,0000,8850,7440,000119 49795,860,0000,0000,0000,3320,0000,0000,000119 497108 6000,0000,0000,0000,0000,0000,000119 497300 3140,000 Источник: Составлено авторомТаблица Д.2 – Оценка моделей с помощью фильтра Калмана для USDRUB*Астрономическое времяРыночное времяМодельКоэффициентЗначениеСтандартнаяошибкаpзначениеЗначениеСтандартнаяошибкаpзначениеМодель10,7020,0490,0000,3660,0130,000187Продолжение таблицы Д.2Астрономическое времяМодельМодель1КоэффициентМодель22Модель32ЗначениеСтандартнаяошибка-0,0140,016-0,0080,000Кол-во наблюдений 2 статистикаp-значение0,9750,023-0,0050,0000,1670,009-0,0070,0030,0110,000Кол-во наблюдений 2 статистикаp-значение1,0190,018-0,0080,0000,2290,010-0,7890,1110,0280,000Кол-во наблюдений 2 статистикаp-значениеpзначение0,3920,000875519000,0000,0000,0000,0000,0420,000875548170,0000,0000,0000,0000,0000,000875577800,000Рыночное времяЗначениеСтандартнаяошибкаpзначение0,1090,0120,0050,002Кол-во наблюдений 2 статистикаp-значение1,5300,0070,0010,000-0,2220,004-0,0020,0020,0030,000Кол-во наблюдений 2 статистикаp-значение2,0030,0070,0010,000-0,3280,004-1,8570,0420,0060,000Кол-во наблюдений 2 статистикаp-значение0,0000,0387329818370,0000,0000,0000,0000,0000,000732981275420,0000,0000,0000,0000,0000,000732982722330,000 Источник: Составлено авторомТаблица Д.3 – Оценка моделей с помощью фильтра Калмана для EURUSD*Астрономическое времяМодельМодель1КоэффициентЗначениеСтандартнаяошибка0,0520,0560,0000,000-0,0050,037-0,0030,000Кол-во наблюдений 2 статистикаp-значениеpзначение0,3530,0870,8950,00017815149720,000Рыночное времяЗначениеСтандартнаяошибка0,0070,004450,0000,000000,0360,00749-0,0030,00004Кол-во наблюдений 2 статистикаp-значениеpзначение0,0960,0850,0000,00011019982320,000188Продолжение таблицы Д.3Астрономическое времяМодельМодель2Модель3Рыночное времяКоэффициентЗначениеСтандартнаяошибкаpзначениеЗначениеСтандартнаяошибкаpзначение-0,1420,0230,0000,7170,0070,0000,8100,0100,0000,2410,0040,0000,0000,1010,00017815130570,0000,0000,0000,0000,0000,00017815250450,0000,030,004-0,0000,0010,0000,000Кол-во наблюдений 2 статистикаp-значение1,3340,0070,2130,004-0,0740,003-1,8100,0360,0000,000Кол-во наблюдений 2 статистикаp-значение220,1950,013-0,0020,0010,0000,000Кол-во наблюдений 2 статистикаp-значение-0,3800,0241,0780,0120,2530,012-2,0460,1300,0000,000Кол-во наблюдений 2 статистикаp-значение Источник: Составлено автором0,0000,7950,000110199978060,0000,0000,0000,0000,0000,0001101992673960,000189Приложение Е(обязательное)Таблица Е.1 – Оценка моделей с помощью фильтра Калмана c ИНС для USDJPY*Астрономическое времяМодельМодель 1КоэффициентМодель 2Модель 322ЗначениеСтандартнаяошибкаpзначениеРыночное времяЗначениеСтандартнаяошибка0,0890,0030,0000,0000,0260,0020,5100,030Кол-во наблюдений 2 статистикаp-значение0,0880,0010,0000,0000,0000,0002592044410,0000,0000,0490,0020,0000,0000,0080,0010,2570,009Кол-во наблюдений 2 статистикаp-значение0,0490,0000,0000,0000,0000,0000,0000,00025920583660,0000,0000,0000,0000,0000,00025920599900,0000,0080,0000,2570,0010,0000,000Кол-во наблюдений 2 статистикаp-значение0,0500,0000,0000,0000,0080,0000,2590,0010,0000,000Кол-во наблюдений 2 статистикаp-значение0,0000,0270,0010,5120,0060,0000,000Кол-во наблюдений 2 статистикаp-значение0,0890,0010,0000,0000,0260,0010,5110,0060,0000,000Кол-во наблюдений 2 статистикаp-значениеpзначение0,0000,0290,0000,00011949749780,0000,0000,0000,0000,0000,0000,0001194976733530,0000,0000,0000,0000,0000,0001194976391520,000 Источник: Составлено авторомТаблица Е.2 – Оценка моделей с помощью фильтра Калмана с ИНС для USDRUBАстрономическое времяРыночное времяМодельКоэффициентЗначениеСтандартнаяошибкаpзначениеЗначениеСтандартнаяошибкаpзначениеМодель 10,6370,0230,0000,3160,0040,000190Продолжение таблицы Е.2Астрономическое времяМодельМодель1КоэффициентМодель 2Модель 322ЗначениеСтандартнаяошибкаpзначениеРыночное времяЗначениеСтандартнаяошибкаpзначение0,0000,0000,0100,004-0,0090,000Кол-во наблюдений 2 статистикаp-значение0,6300,0040,0150,0170,0008755269030,0000,0000,0000,0000,0620,003-0,0030,000Кол-во наблюдений 2 статистикаp-значение0,3190,0010,0000,0000,0007329870420,0000,000-0,0010,0000,0000,0000,0000,0000,0008755431810,0000,0000,0000,0000,0000,0008755441000,0000,0640,001-0,0030,0000,0000,000Кол-во наблюдений 2 статистикаp-значение0,3220,0020,0000,0000,0640,001-0,0630,0100,0000,000Кол-во наблюдений 2 статистикаp-значение0,0000,0230,002-0,0110,0010,0000,000Кол-во наблюдений 2 статистикаp-значение0,6280,004-0,0010,0000,0330,002-0,0130,0010,0010,000Кол-во наблюдений 2 статистикаp-значение0,0000,0000,0000,000732983998910,0000,0000,0000,0000,0000,000732984054520,000 Источник: Составлено авторомТаблица Е.3 – Оценка моделей с помощью фильтра Калмана с ИНС для EURUSDАстрономическое времяМодельМодель 1КоэффициентЗначениеСтандартнаяошибка-0,0130.0180,0000.0000,0400.011-0.0000.000Кол-во наблюдений 2 статистикаp-значениеpзначение0.4690,0000,0000,0441781523780,000Рыночное времяЗначениеСтандартнаяошибка0.0010,0000.0000,0000,0010,0000,0000,000Кол-во наблюдений 2 статистикаp-значениеpзначение0,0000,0000,0000,7841101995414510,000191Продолжение таблицы Е.3Астрономическое времяМодельМодель2Модель 3Коэффициент22ЗначениеСтандартнаяошибка-0.0010,0030.0040,0010.0330,002-0.0000,0000,0000,000Кол-во наблюдений 2 статистикаp-значение-0.0110,0030,0020,0020.0290,002-0,2120,0170,0000,000Кол-во наблюдений 2 статистикаp-значение Источник: Составлено авторомpзначение0,8430,0000,0000,8900,0001781513580,0000,0000,1480,0000,0000,0001781516690,000Рыночное времяЗначениеСтандартнаяошибка0.0010,0000.0000,0000.0010,0000,0000,0000,0000,000Кол-во наблюдений 2 статистикаp-значение0,0010,0000,0000,0000,0010,000-0,0000,0000,0000,000Кол-во наблюдений 2 статистикаp-значениеpзначение0,0000,0000,0000,0000,00011019950984450,0000,0000,0000,0000,0000,00011019951314570,000192Приложение Ж(справочное)Рисунок Ж.1 – Остатки модели 1 дляUSDJPY.

Характеристики

Список файлов диссертации