Diskussion zum Artikel "Ökonometrischer Ansatz zur Ermittlung von Marktmustern: Autokorrelation, Heatmaps und Streudiagramme"
Maxim, gut gemacht, großen Respekt für die Forschungsarbeit!
Die Frage ist folgende. Liege ich richtig in der Annahme, dass:
"корреляции приращений первого часа текущего дня и первого часа предыдущих дней, которая уменьшается при увеличении дельты (расстояния в днях)"
ist im Wesentlichen eine partielle Autokorrelationsfunktion (PACF)?
Maxime, gut gemacht, großen Respekt für die Forschungsarbeit!
Die Frage ist folgende. Verstehe ich das richtig, dass:
ist im Wesentlichen eine partielle Autokorrelationsfunktion (PACF)?
Danke, ja, das ist genau das, was es ist.
Der Artikel ist an sich gut und ein Beispiel dafür, wie Handelsartikel sein sollten.
Der Nachteil ist, wie im vorherigen Artikel des Autors, das Fehlen einer Bewertung der Bedeutung der positiven Rentabilität. Eine niedrige Signifikanz würde die Notwendigkeit aufzeigen, die Strategie zu verfeinern, bevor man mit ihr handelt. Im Falle des TS aus dem Artikel kann die Signifikanz auf den ersten Blick anhand der Anzahl der Trades und der Sharpe Ratio grob abgeschätzt werden.
Der Artikel ist an sich gut und ein Beispiel dafür, wie Handelsartikel sein sollten.
Der Nachteil ist, wie im vorherigen Artikel des Autors, das Fehlen einer Bewertung der Bedeutung der positiven Rentabilität. Eine niedrige Signifikanz würde die Notwendigkeit aufzeigen, die Strategie zu verfeinern, bevor man mit ihr handelt. Im Falle des TS aus dem Artikel kann die Signifikanz auf den ersten Blick anhand der Anzahl der Trades und der Sharpe Ratio grob abgeschätzt werden.
Ich danke Ihnen. Detaillierte Tests und Signifikanzabschätzungen können hinzugefügt werden, wenn das ganze Thema erschöpft ist. Das heißt, ich glaube nicht, dass es sich um einen optimalen Handelsalgorithmus handelt, sondern nur um eine zusätzliche Überprüfung einiger Regelmäßigkeiten durch den Optimierer.
Das Problem mit dem Umschalten der Modi wurde noch nicht gelöst, was eine logische Fortsetzung des Themas zu sein scheint. Andernfalls würden sich alle Schätzungen auf einen bestimmten Marktmodus beziehen (in diesem Fall auf die letzten 5 Jahre), was falsch ist.
Видно, что закономерность сохраняется на всем интервале 2015-2020гг. Можно считать, что наш эконометрический подход сработал на отлично.
Es wäre seltsam, wenn die Optimierung in demselben Bereich, in dem die "Mustersuche" durchgeführt wurde, schlechte Ergebnisse liefern würde, oder?
Es wäre seltsam, wenn die Optimierung in demselben Bereich, in dem die "Mustersuche" durchgeführt wurde, schlechte Ergebnisse liefern würde, oder?
Wenn sie eine andere Verzögerung zeigen würde, wäre die Studie falsch ausgefallen. Nur ein Test.
Wenn sie eine andere Verzögerung aufweisen würde, wäre die Studie falsch. Nur zur Kontrolle.
Hallo Maxime
bitte beantworte meine Frage unter
https://www.mql5.com/en/forum/219788/page2#comment_15129306
vielen Dank an Sie
- 2017.11.21
- www.mql5.com
Begrüßung,
vielen Dank! Der Artikel war sehr aufschlussreich und hilfreich.
Ich stehe vor einem Fehler, während ich versuche, Ihren Code in Jupyter Notebook zu üben (wirklich vielen Dank für Ihre unterstützende Datei),
---------------------------------------------------------------------------AttributeError Traceback (most recent call last) <ipython-input-32-a563182e2f90> in <module> 12 13 ---> 14 seasonal_autocorrelation('EURUSD',25, 12,13) <ipython-input-32-a563182e2f90> in seasonal_autocorrelation(symbol, lag, hour1, hour2) 3 columns=['time', 'open', 'low', 'high', 'close', 'tick_volume', 'spread', 'real_volume']) 4 rates = rates. drop(['open','low', 'high','tick_volume', 'spread','real_volume'], axis=1). set_index('time')----> 5 rates = rates. drop( rates. index[~rates. index. hour. isin([ hour1, hour2])]). diff( lag). dropna() 6 7 AttributeError: 'Int64Index' Objekt hat kein Attribut 'hour'
Grußwort,
vielen Dank! Der Artikel war sehr aufschlussreich und hilfreich.
Ich Gesicht Fehler, während ich versuchen, Praxis Ihren Code in Jupyter Notebook (wirklich vielen Dank für Ihre unterstützende Datei),
---------------------------------------------------------------------------AttributeError Traceback (most recent call last) <ipython-input-32-a563182e2f90> in <module> 12 13 ---> 14 seasonal_autocorrelation('EURUSD',25,12,13)<ipython-input-32-a563182e2f90> in seasonal_autocorrelation(symbol, lag, hour1, hour2) 3 columns=['time', 'open', 'low', 'high', 'close', 'tick_volume', 'spread', 'real_volume']) 4 rates = rates. drop(['open','low','high','tick_volume','spread','real_volume'], axis=1). set_index('time')----> 5 rates = rates. drop( rates. index[~rates. index. hour. isin([ hour1, hour2])]). diff( lag). dropna() 6 7 AttributeError: 'Int64Index' Objekt hat kein Attribut 'hour'
Hallo, MetaQuotes hat die Python-API geändert, so dass diese Funktionen jetzt nicht mehr funktionieren. Vielleicht werde ich das später beheben und ein neues Notizbuch anhängen.
Außerdem können Sie die neue Dokumentation auf dieser Seite einsehen
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Ökonometrischer Ansatz zur Ermittlung von Marktmustern: Autokorrelation, Heatmaps und Streudiagramme :
Der Artikel stellt eine erweiterte Studie über jahreszeitliche Merkmale vor: Autokorrelations-Heatmaps und Streudiagramme. Der Zweck des Artikels ist es zu zeigen, dass das "Marktgedächtnis" saisonaler Natur ist, was durch eine maximale Korrelation von Zuwächsen beliebiger Ordnung ausgedrückt wird.
Machen wir eine zusätzliche Überprüfung des Zeitrahmens von M15. Angenommen, wir suchen nach der gleichen Korrelation zwischen der aktuellen Stunde und der gleichen Stunde des Vortages. In diesem Fall muss die effektive Verzögerung um das Vierfache größer sein und etwa 24*4 = 96 betragen, da jede Stunde vier M15-Perioden enthält. Ich habe den Expert Advisor mit den gleichen Einstellungen und mit dem M15-Zeitrahmen optimiert.
In dem optimierten Intervall ist die resultierende effektive Verzögerung <60, was seltsam ist. Wahrscheinlich hat der Optimierer ein anderes Muster gefunden, oder der EA war überoptimiert.
Abb. 16. Beziehung der Variable 'Lag' zur Variable 'Order threshold' im optimierten Intervall
Was die Vorwärtstestergebnisse betrifft, so ist die effektive Verzögerung normal und entspricht 100, was das Muster bestätigt.
Abb. 17. Beziehung der Variable 'Lag' zur Variable 'Order threshold' im Vorwärtsintervall
Autor: Maxim Dmitrievsky