機器學習
實時平穩性檢驗
我有一個基於機器學習的交易系統，日內交易 8 個符號。從結果中我發現，一些交易品種在幾週的交易中是成功的，然後對於之前成功的交易品種，通常會在下週切換為不成功。同時，前一周不成功的另一個符號本週開始成功。
作為對這種現象的解釋，我想到基礎符號系列從靜止切換到非靜止，反之亦然。
所以我的問題是：有人嘗試過外匯或標準普爾的日內（1 分鐘數據）平穩性測試嗎？我相信這樣的測試應該是“基於數據視窗”的滑動視窗，而不是這樣的視窗的大小？？？
哪種方法最適合此類測試（DF、ADF、KPSS）或其他？
問候， 克日什托夫
我們假設弱平穩性定義。價格水平是不穩定的。趨勢平穩性就像跟隨趨勢，而不是在這個時間尺度上工作。所以需要使用return。間隔 <15 分鐘的回報以買賣反彈為主。沒用的，陷阱。所以測試應該在視窗間隔 W <（保持時間 / N），N = 2-4 上使用 >15 分鐘返回。然後單位根檢驗 p 值可以給出一定程度的平穩性，以便在特定交易系統的背景下進一步推測。