Попался тут аналогичный продукт от "arb-maker". Насколько понял, посмотрев по диагонали, там придается большое значение Z оценке и учету толстых хвостов.
https://arb-maker.com/
Смотрите там, в разделе "документация" (инструкция).
Справочная статья "Как вычислить Z оценку"
http://ru.wikihow.com/%D0%B2%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B8%D1%82%D1%8C-Z-%D0%BE%D1%86%D0%B5%D0%BD%D0%BA%D1%83
Что об Z оценке скажете? Если вы привинтили R, будут ли лекции от Вас по R? Как то видел бесплатный пакет по мат статистика на R на сайте биологов. Да Вы наверное его и используете, если нужны какие то еще ссылки пишите. С уважением, и надеждой на прорывы! Ну а то жить то скучно... Арбитраж..., жена.... (дополните или удалите не нужное) Шутка, конечно.
Z оценка по сути аналог статистического Z-теста. Применительно к цене актива он позволяют вычислить вероятность того, что то или иное значение цены будет выше среднего значения на исторической выборке. Если текущее значение цены равно среднему значению, то Z-тест возвращает вероятность 50%. Чем больше текущее значение цены отличается от среднего, тем более высокую вероятность возвращает тест.
По сути результаты Z-теста выражают вероятность возврата текущей цены к среднему. Если цена находится вблизи среднего, то равновероятно она может расти или падать. Если цена находится далеко от среднего, то Z-тест возвращает вероятность ее возврата к среднему. Очень простой и удобный инструмент численной оценки этой вероятности.
Недостаток таких оценок в том, что они строятся на гипотезе о подчинении цены закону нормального распределения случайных величин. Как следствие при отклонении цены на 2 стандартных отклонения от среднего Z-тест показывает вероятность возврата равной единице. Понятно, что это не так и для преодоления этого недостатка разработчики продукта вводят поправки на «толстые хвосты».
Как вывод: в принципе это вариант, а почему нет! Но есть и другие способы решения этой же задачи. Что касаемо R, то работа идет по плану.
Сплошь и рядом попытки натянуть нормальное распределение. А оно не хочет натягиваться :-) .
Когда-то давно такую книжку читал: "Нестационарные временные ряды: Методы прогнозирования с примерами анализа финансовых и сырьевых рынков". Там авторы пытаются использовать реальное распределение, которое есть в данный момент. ИМХО баловство всё это.
Другое дело - коинтеграция. Не зря же Нобелевскую премию дали.
А я думаю, как раз, наоборот. Статистика и анализ исторических и текущих "искажений", от нормального распределения, как раз, что то, что и значимо! Особенно, если понимать сезонность и человеческий фактор, хотя бы - праздники и недели (может дни и часы ... ). Мне еще нравится анализ, который исходит, из определения, на сколько рынок находится в случайном блуждании, что описывает соотношение Херста. Ну, а для целей анализа рядов существует модернизированный показатель R S . Можно тут посмотреть https://habrahabr.ru/post/256381/ Надеюсь все увидеть в программе... в этой жизни.
А коинтеграция случайное (или нет?) соотношение, которое быстро ломается. Корреляция, как ни странно, длится "дольше", только вот расходится "глубше". Но, торговать корреляцию доходнее, и Николай об этом писал, когда спорили об эффективности этих подходов. И об этом было в посте, который я тут перепостил, разбив на главы.
И, если интересно, смотрите мой перепост, о развитии парного трейдинга. Там, проанализировав все, в конце, автор то же об этом пишет. Смотрите лучше в оригинале, ссылки все есть, тут пришлось с ограничениями влить, из за технических возможностей движка.
Вот пример успешного "натягивания" нормального распределения. Андрей Агапов: - "Идейный каркас моего нынешнего опционного алго-трейдинга.
https://lowrisk.ru/chetvergi/andrej-agapov_allderivatives-weekend-21-maja-2016/
Надеюсь понятно, что биржевая кривая берется из прямого расчета по модели Блека-Шоулса, которая использует нормальное распределение и как то пытается учесть реальную IV, которая основывается на представлении участников рынка о влияние толстых хвостов (часто избыточно).
В приложенной ссылке, там где то А. Агапов подробно рассказывает почему "Леви" лучше "Гаусса". Хотя может и не очень подробно, давно смотрел сам. Но, поделился с Вами информацией, может пригодится.
P.S. Вообще-то, насколько припоминаю, у Б. Мандельброта говорилось, что распределение приращений цены лежит где то, между "Коши" и "Гауссом". На этом и построен Р/S анализ, если не ошибаюсь.
ФУНКЦИОНАЛЬНЫЕ БЛУЖДАНИЯ ЛЕВИ
http://www.gpi.ru/trudiof/Vol_65/Romanovsky.pdf
Antoniogqc
2
Michailmzx
2
lightroomKaw
2
Igordwm
2
Crystaraker
2
Robortvob
2
Sarahmi
2
pauldm3
2
