Итак, подходит к концу первая четверть XXI века. И мне больно смотреть на то, как наше трейдерское сообщество так или иначе пытается использовать в своей торговле индикаторы технического анализа, первоварианты которых исходят из середины века прошлого, а некоторые и того старше.
А между тем современные околонаучные и научные подходы уже вполне успешно используют куда как более затейливые методы анализа и прогнозирования числовых данных распределенных во времени (не суть равномерно распределенных или нет). Иногда – весьма успешно.
Помимо этого, сейчас практически каждому стали доступны весьма мощные стандартизированные аналитические инструменты реализованные в виде библиотек для языка программирования Python.
И не зависимо от того что и как вы торгуете, считаете ли вы себя инвестором или вы настоящий незамутненный спекулянт линейными активами, скальпер вы или арбитражер волатильности для вас будет полезно ознакомиться с современными подходами к прогнозированию.
В данной серии статей публикующихся в инфоканалах биржи деривативов на криптовалюты АЕ я постараюсь, в меру своих скромных сил, я постараюсь пролить немного света на такую увлекательную тему как - Time Series Forecasting.
Самые пытливые из вас, а особенно ребята которые занимаются в клубе Опцион LAFT извлекут из этого практическую пользу.
Давайте начнем с определений.
Временной ряд – это набор точек данных, упорядоченных во времени по тому или иному критерию.
Если мы взглянем на график изменения цены фьючерса на индекс ВТС биржи АЕ, мы увидим типичный временной ряд, состоящий из периодически повторяющихся четырех значений О, Н, L, С упорядоченных по времени начала свечи (бара).
В некоторых случаях временной ряд может быть упорядочен не по временным отрезкам, а например по объему совершенных сделок.
Здесь ранжировка значений происходит по объему сделок в одной свече/баре. Но, тем не менее, это временной ряд.
На любом масштабе интересующего нас временного ряда мы можем визуально наблюдать такие компоненты временного ряда, как тренды.
Причем тренды обьективно существуют как на микро масштабах.
Так и в макро масштабах
Сезонности, в ее обычном понимании как например в годичном графике изменения температуры или ценах на овощную продукцию на рынках криптовалют мы не увидим, но учитывая такую специфику рынка крипты как режим торговли 24/7 мы вполне можем выделять периоды низкой волатильности и периоды высокой волатильности.
Помимо этих двух компонентов мы вполне можем наблюдать периоды т.н. белого шума, где цена актива подвержена случайным колебаниям.
Причем, меняя масштаб временного ряда можно в этих случайных колебаниях выделить вполне себе тренды при уменьшении диапазонов ранжирования, как и наоборот – увеличивая диапазон ранжирования свести трендовые движения к белому шуму.
Уже сейчас мы можем интуитивно понять, как каждый компонент влияет на нашу работу при прогнозировании. Если временной ряд обнаруживает определенную тенденцию, то мы будем ожидать ее продолжения в будущем. Аналогично, если мы наблюдаем сильный эффект снижения волатильности, то, скорее всего, он сохранится какое-то время, все это нужно учитывать в моделях для прогнозирования.
Следите за продолжением серии.