eine Handelsstrategie auf der Grundlage der Elliott-Wellen-Theorie - Seite 206
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
2. Angenommen, es gibt eine normalverteilte Zufallsvariable mit Nullerwartung und positivem Korrelogramm.
Wenn die Serie lang genug ist, können wir längere Abschnitte mit direktionalen Kursbewegungen markieren. Nennen wir einen solchen Trend einen deterministischen Trend. Deterministische Trends können mit Hilfe von digitalen Tiefpassfiltern oder deren Ableitungen ermittelt werden. So ist beispielsweise die Kreuzung zweier gleitender Durchschnitte mit unterschiedlichen Perioden nichts anderes als die Annäherung einer geglätteten Zeitreihenableitung. Es ist klar, dass dies so funktioniert, wie es die Mathematik verlangt: Eine Ableitung größer als Null bedeutet, dass die Funktion zunimmt, eine Ableitung kleiner als Null bedeutet, dass die Funktion abnimmt. Aber nur wenige Menschen wissen, dass es nur für Serien mit einem positiven FAC funktioniert, und ALLE Währungsserien in allen TFs haben einen negativen FAC! Und das hat zur Folge, dass die Methode auf dem Markt nicht funktioniert oder nur zufällig funktioniert...
Das Thema wird fortgesetzt.
Hauptprobleme der Zeitreihenanalyse
Die Hauptunterschiede zwischen einer Zeitreihe und einer Folge von Beobachtungen, die eine Zufallsstichprobe bilden, sind die folgenden:
- Erstens sind die Mitglieder einer Zeitreihe im Gegensatz zu den Elementen einer Zufallsstichprobe nicht unabhängig;
- zweitens sind die Mitglieder einer Zeitreihe nicht unbedingt gleich verteilt.
Dies bedeutet, dass die Eigenschaften und Regeln der statistischen Analyse von Zufallsstichproben nicht auf Zeitreihen ausgedehnt werden können. Andererseits schafft die Interdependenz der Zeitreihenterme eine eigene Grundlage für die Konstruktion von Vorhersagewerten des analysierten Indikators auf der Grundlage der beobachteten Werte.
Klassifizierung der wichtigsten Faktoren, unter deren Einfluss sich Zeitreihenwerte bilden.
Im Allgemeinen werden 4 Arten solcher Faktoren unterschieden.
1. Langfristige Faktoren, die eine allgemeine (langfristige) Tendenz in den Veränderungen eines analysierten Indikators bilden. Normalerweise wird dieser Trend durch eine nicht zufällige Funktion (deren Argument die Zeit ist) beschrieben, die in der Regel monoton ist. Diese Funktion wird als Trendfunktion oder einfach als Trend bezeichnet.
2. Saisonal, d. h. zu bestimmten Zeiten des Jahres kommt es zu periodischen Schwankungen des analysierten Attributs. Da diese Funktion periodisch sein soll (mit Perioden, die ein Vielfaches der "Jahreszeiten" betragen), umfasst ihr analytischer Ausdruck Harmonische (trigonometrische Funktionen), deren Periodizität in der Regel durch das Wesen des Problems bestimmt wird.
3. Zyklische (konjunkturelle) Veränderungen des analysierten Merkmals, die durch langfristige wirtschaftliche oder demografische Zyklen verursacht werden (Kondratieff-Wellen, demografische "Löcher" usw.).
4. Zufällig (unregelmäßig), unberechenbar und unauffindbar. Ihr Einfluss auf die Bildung von Zeitreihenwerten führt lediglich dazu, dass die Reihenelemente stochastisch sind und daher als Beobachtungen von Zufallsvariablen interpretiert werden müssen. Bezeichnen wir das Ergebnis der Wirkung von Zufallsfaktoren mit Zufallsvariablen ("Residuen", "Fehler").
Natürlich ist es nicht notwendig, dass alle vier Arten von Faktoren gleichzeitig an der Bildung der Werte einer Zeitreihe beteiligt sind. Schlussfolgerungen darüber, ob die Faktoren eines bestimmten Typs an der Bildung der Werte einer bestimmten Zeitreihe beteiligt sind oder nicht, können sowohl auf der Analyse des wesentlichen Teils des Problems als auch auf einer speziellen statistischen Analyse der untersuchten Zeitreihen beruhen. In allen Fällen wird jedoch von der Beteiligung von Zufallsfaktoren ausgegangen. So sieht das Datenbildungsmodell (mit einem additiven Strukturschema des Einflusses der Faktoren) im Allgemeinen wie eine Summe aller oder einiger der Faktoren aus.
OK, machen wir weiter:
Neutron, habe ich es richtig verstanden, dass nur die Reihe, die einen Erwartungswert von Null und ein positives Korrelogramm hat, als deterministisch angesehen werden kann?
2. Angenommen, es gibt eine normalverteilte Zufallsvariable mit Nullerwartung und positivem Korrelogramm.
Wenn die Serie lang genug ist, können wir längere Abschnitte mit direktionalen Kursbewegungen markieren. Nennen wir einen solchen Trend einen deterministischen Trend. Deterministische Trends können mit Hilfe von digitalen Tiefpassfiltern oder deren Ableitungen erkannt werden. So ist beispielsweise die Kreuzung zweier gleitender Durchschnitte mit unterschiedlichen Perioden nichts anderes als die Annäherung einer geglätteten Zeitreihenableitung. Es ist klar, dass dies so funktioniert, wie es die Mathematik verlangt: Eine Ableitung größer als Null bedeutet, dass die Funktion zunimmt, eine Ableitung kleiner als Null bedeutet, dass die Funktion abnimmt. Aber nur wenige Menschen wissen, dass es nur für Serien mit einem positiven FAC funktioniert, und ALLE Währungsserien in allen TFs haben einen negativen FAC! Und das hat zur Folge, dass die Methode auf dem Markt nicht funktioniert oder nur zufällig funktioniert...
Lassen Sie uns mit dem Thema fortfahren.
Hauptaufgaben der Analyse von Zeitreihen
Die wichtigsten Unterschiede zwischen einer Zeitreihe und einer Folge von Beobachtungen, die eine Zufallsstichprobe bilden, sind die folgenden:
- Erstens sind die Mitglieder einer Zeitreihe, anders als die Elemente einer Zufallsstichprobe, nicht unabhängig;
- Zweitens sind die Mitglieder einer Zeitreihe nicht unbedingt gleich verteilt.
Dies bedeutet, dass die Eigenschaften und Regeln der statistischen Analyse von Zufallsstichproben nicht auf Zeitreihen ausgedehnt werden können. Andererseits schafft die Interdependenz der Zeitreihenmitglieder eine eigene Grundlage für die Konstruktion von Prognosewerten des analysierten Indikators auf der Grundlage der beobachteten Werte.
Klassifizierung der wichtigsten Faktoren, unter deren Einfluss sich Zeitreihenwerte bilden.
Im Allgemeinen werden 4 Arten solcher Faktoren unterschieden.
1. Langfristige Faktoren, die eine allgemeine (langfristige) Tendenz in den Veränderungen eines analysierten Indikators bilden. Normalerweise wird dieser Trend durch eine nicht zufällige Funktion (deren Argument die Zeit ist) beschrieben, die normalerweise monoton ist. Diese Funktion wird als Trendfunktion oder einfach als Trend bezeichnet.
2. Saisonal, d. h. zu bestimmten Zeiten des Jahres kommt es zu periodischen Schwankungen des analysierten Attributs. Da diese Funktion periodisch sein soll (mit Perioden, die ein Vielfaches der "Jahreszeiten" betragen), umfasst ihr analytischer Ausdruck Harmonische (trigonometrische Funktionen), deren Periodizität in der Regel durch das Wesen des Problems bestimmt wird.
3. Zyklische (konjunkturelle) Veränderungen des analysierten Merkmals, die durch langfristige wirtschaftliche oder demografische Zyklen verursacht werden (Kondratieff-Wellen, demografische "Löcher" usw.).
4. Zufällig (unregelmäßig), unberechenbar und unauffindbar. Ihr Einfluss auf die Bildung von Zeitreihenwerten führt lediglich zur stochastischen Natur der Reihenelemente und damit zur Notwendigkeit, die Mitglieder als Beobachtungen von Zufallsvariablen zu interpretieren. Bezeichnen wir das Ergebnis der Wirkung von Zufallsfaktoren mit Zufallsvariablen ("Residuen", "Fehler").
Natürlich ist es nicht notwendig, dass alle vier Arten von Faktoren gleichzeitig an der Bildung der Werte einer Zeitreihe beteiligt sind. Schlussfolgerungen darüber, ob die Faktoren eines bestimmten Typs an der Bildung der Werte einer bestimmten Zeitreihe beteiligt sind oder nicht, können sowohl auf der Analyse des wesentlichen Teils des Problems als auch auf einer speziellen statistischen Analyse der untersuchten Zeitreihen beruhen. In allen Fällen wird jedoch von der Beteiligung von Zufallsfaktoren ausgegangen. So sieht das Datenbildungsmodell (mit einem additiven Strukturschema des Einflusses der Faktoren) im Allgemeinen wie eine Summe aller oder einiger der Faktoren aus.
Neutron , du redest nur Scheiße!!! :))))))))))))
Glauben Sie mir, es ist viel einfacher, als Sie denken...
Mein Freund, wie kommst du darauf, dass die Verteilung normalverteilt ist? Jede Ecke schreit nach schweren Schwänzen...
(in der Tat ist es lognormal.)
und alles wird durch so etwas wie eine logistische Gleichung beschrieben, mit allem, was sie impliziert.
und eine weitere Bestätigung dieser - Experimente grasn (ich erinnere mich nicht genau, aber mit fraktaler Dimension, oder mit Hirst...)
P.S. übrigens, es gibt ein schönes Buch von Haken "Information und Selbstorganisation. makroskopischen Ansatz für komplexe Systeme".
PS Северный Ветер, а что такое Н-волатильность ?
Hier http://forum.fxclub.org/showthread.php?t=32942&page=9, etwa auf halber Seite, finden Sie kurze Auszüge aus der Originalquelle.
Danke für den Link. Und das Thema ist interessant.
Ich verstehe nicht, warum die Leute dort so komisch sind. Der Thread über die Münzen ist in der Flut ertrunken. Und warum?
Es scheint, dass das Thema niemanden interessiert und man sich nur an der Zunge kratzen will.
Über H-Volatilität ist zu knapp, um alles zu verstehen, aber genug, um eine Vorstellung zu bekommen.
Ich frage mich, ob der Zugang zur Dissertation selbst offen ist? Ist sie über das Internet zugänglich?
Neutron, habe ich es richtig verstanden, dass nur die Reihe, die einen Nullerwartungswert und ein positives Korrelogramm hat, als deterministisch angesehen werden kann?
Nein, ein deterministischer Trend ist ein Trend, der durch Integration einer normalverteilten Zufallsvariablen mit einem Erwartungswert von Null und einem positiven Korrelogramm erzeugt wird.
...Kumpel, wie kommst du darauf, dass die Verteilung normal ist? Du weißt schon, sie schreien an jeder Ecke von schweren Schwänzen...
(in der Tat ist sie lognormal.)
Nur um das klarzustellen. Die Verteilung muss nicht normal sein. In der Realität wird sie durch eine Zwei-Parameter-Exponentialverteilung gut angenähert. Es gibt diese sehr dicken Schwänze.
Neutron Was für ein Blödsinn!!! :))))))))))))
Glauben Sie mir, es ist viel einfacher, als Sie denken...
Das stimmt nicht! Sie machen sich Illusionen über Forex. Einfacher geht's nicht.
Es wurde getestet.
Grasn
Neutron, habe ich richtig verstanden, dass nur eine Reihe mit einem Erwartungswert von Null und einem positiven Korrelogramm als deterministisch angesehen werden kann?
Nein, ein Trend, der durch die Integration einer normalverteilten Zufallsvariablen mit einem Erwartungswert von Null und einem positiven Korrelogramm erzeugt wird, wäre deterministisch.
Ich verstehe das nicht wirklich. Es stellt sich heraus, dass es das Konzept einer deterministischen Reihe nicht gibt? Lassen Sie uns konsequent sein. Ihren Worten habe ich Folgendes entnommen. Wir haben einige Serien, deren Merkmale wir, sagen wir mal, nicht kennen.
Als erstes überprüfen wir die Einhaltung der zuvor aufgeführten Parameter (Erwartung und positives Korrelationsdiagramm), und wenn die Bedingungen erfüllt sind, gehen wir zur Integration über.
Oder integrieren wir eine Serie auf einmal und schauen uns ihre Merkmale an?
Oder integrieren wir die Reihe durch eine Zufallsvariable, die diese Parameter besitzt? Aber wie?
...
Über H-Volatilität zu kurz, um alles zu verstehen, aber genug, um eine Vorstellung zu bekommen.
Ich frage mich, ob die Dissertation selbst frei zugänglich ist? Ist es möglich, sie über das Internet zu beziehen?
Startpunkt http://forex.kbpauk.ru/showflat.php?Cat=0&Board=mts&Number=139469&page=0&fpart=all
Die Dissertation selbst ist auf der Spinne in der Rubrik "Bücher" verfügbar, allerdings ist dort eine Registrierung erforderlich. Ich habe dieselbe.
Ich verstehe es nicht wirklich. Es stellt sich heraus, dass es das Konzept der deterministischen Reihe nicht gibt? Lassen Sie uns konsequent sein. Nach dem, was Sie gesagt haben, habe ich das Folgende verstanden. Wir haben einige Serien, deren Merkmale wir, sagen wir mal, nicht kennen.
Als erstes überprüfen wir die Einhaltung der zuvor aufgeführten Parameter (Erwartung und positives Korrelationsdiagramm), und wenn die Bedingungen erfüllt sind, gehen wir zur Integration über.
Oder integrieren wir eine Serie auf einmal und schauen uns ihre Merkmale an?
Oder integrieren wir die Reihe durch eine Zufallsvariable, die diese Parameter besitzt? Aber wie?
Sergej, die Zeitreihen, mit denen wir arbeiten (Preisreihen), sind bereits integrierte Reihen erster Ordnung (in der Regel). Durch die Bildung aufeinanderfolgender Differenzen erhalten wir eine stationäre Reihe von Residuen, deren Eigenschaften wir untersuchen werden. Das ist der richtige Schritt. Wenn wir eine Position eröffnen, arbeiten wir nicht mit dem absoluten Wert der Symbolrate, sondern mit ihrem erwarteten Anstieg während der Zeit, in der die Position gehalten wird, d.h. wir arbeiten mit einer Reihe von Differenzen. Wie ich bereits sagte, läuft die gesamte Vielfalt der Handelsstrategien auf eine einzige Handlung hinaus - die Vorhersage der Richtung der Kursbewegung nach Eröffnung einer Position...
Es ist noch zu früh, um ein Kriterium für die Feststellung eines deterministischen Trends abzuleiten. Wir müssen uns ein vollständiges und möglichst in sich konsistentes Bild von der Preisbildung machen, und erst dann wird klar, wie wir ein optimales Prognosemodell erstellen können. Meine Hoffnung.
Die Dissertation selbst ist auf der Spinne in der Rubrik Bücher verfügbar, aber Sie müssen sich dort registrieren.
Danke, die Anmeldung ist, obwohl ich dort nur "Bedarf" gehe. IMHO ist es sehr dunkel.
Das habe ich bereits getan.