2 votos

Puede wavelets ser efectivamente utilizados para aproximar el valor de mercado de un ilíquidos instrumento?

Considerando el menos líquido de los instrumentos puede tener un mayor grado de volatilidad, especialmente en la parte inferior de los marcos de tiempo (1-tick o 1-segundo), es posible de manera efectiva el uso de wavelets para reducir la emisión de ruido y mejor que la aproximación de que el verdadero valor de mercado actual es?

Tomando el concepto anterior un paso más podría datos de la mayor marcos de tiempo(1 min y 5 min) también deben tenerse en cuenta para añadir más contexto a la wavelet de cálculo teniendo lugar en el menor periodo de tiempo?

Me disculpo si mi descripción es un poco vago. Todavía estoy desarrollando mi comprensión de wavelets y quería asegurarse de que yo no comenzar por un camino que obviamente era inútil para los más informados. De todo lo que he reunido hasta ahora ondas no son necesariamente considerados útiles para el pronóstico, pero puede tener el valor de que los datos históricos se refiere.

Cualquier información adicional sería muy apreciada.

2voto

shyam Puntos 4133

Las Wavelets son los filtros de la descomposición de un número específico de frecuencias de una señal a través del tiempo, ellos son los únicos que pueden analyzenon estacionaria señales (la mayoría de las series de tiempo son). Descomponer la señal en la escala y el detalle coeficients (de alta frecuencia y baja frecuencia de partes). Usted puede tratar de encontrar el verdadero precio, es decir, la señal de haber extraído todos los tipos de ruido, sin embargo es muy difícil. En instrumentos volátiles conocer la componente de ruido es importante, ya que la mayoría de los precios en cualquier momento dado es proporcionada por el ruido de los componentes. Sin embargo, mi conjetura es que para valores ilíquidos el precio será el de la señal sin ruido. También el más ilíquidos de seguridad es el más datos que usted necesita para ser capaz de ejecutar resultados estadísticamente significativos.

Habiendo dicho que es muy difícil de encontrar y correcly identificar la verdadera señal cuando hay un gran componente de ruido incrustadas en la señal y las frecuencias de ruido no son conocidos. Así estadística métodos probabilísticos para determinar la ubicación de la señal reside en la frecuencia de la estructura son importantes cuando la componente de ruido no se sabe de ante mano. Habiendo determinado estadísticamente, donde la señal/s residir, a continuación, usted puede extraer y clasify los diferentes componentes de ruido que ir junto con la señal y el modelo utilizando stockastic métodos de ruido blanco. (Ruido blanco es completamente impredecible, pero lo que es previsible es la volatilidad de ruido blanco), por lo que el modelo de la volatilidad de ruido blanco. Para los diferentes tipos de ruido que tienen diferentes funciones de describirlas. Subiendo, bajando, logarítmicas y de potencia pistas de todo el espectro de frecuencias.

El uso de discretos y continuos wavelets las siguientes consideraciones son importantes:

  1. Una señal de que tal vez se extendió a través de diferentes frecuencias.
  2. A veces hay muchas señales a la vez que actúan en las diferentes frecuencias con diferentes niveles de energía.
  3. Las señales de subir y decaimiento de la energía a través del tiempo (equivalente de la volatilidad de una señal dada el aumento o la caída).

Espero que esto ayude

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X