eine Handelsstrategie auf der Grundlage der Elliott-Wellen-Theorie - Seite 212
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
PS: Was ich meine ist, dass dieses Kriterium hin und wieder funktioniert... oder, in einem Tick....o darüber...
Nun ja, wir wissen bereits, wie wir mit einer hohen Transaktionsfrequenz umgehen können :-) - Fügen Sie einfach ein weiteres "unabhängiges" Kriterium hinzu (z.B. durch die Verbindung: vorheriger Sprung - erwarteter Sprung), und die Häufigkeit der Abschlüsse wird um ein Vielfaches sinken, während die Zuverlässigkeit der Vorhersage nur zunehmen wird!
Die Auslenkung des Marktes bei kleinen Störungen wird durch die Verteilungsfunktion der Amplitude der Marktreaktion als Reaktion auf eine Störung von +2 Punkten (z.B. EURCHF 2004) deutlich gemacht 1 min:
Zum Vergleich sehen Sie hier die ungestörte Verteilungsfunktion desselben Instruments:
"
Sergej:
Die Interpretation ist wie folgt: Wenn wir eine Störung von +10 Pips gesehen haben, ist es wahrscheinlicher, dass wir einen Pullback von -10 Pips auf dem nächsten Balken erwarten (siehe Abbildung). Natürlich kann der Rückzug beliebig sein, sogar "auf die falsche Seite", aber statistisch gesehen ist die Amplitude des Rückzugs gleich der Störungsamplitude. Fehler sind nicht senil, sie sind gleich wahrscheinlich und werden sich mit zunehmender Anzahl von Trades gegenseitig absorbieren, aber der statistische Vorteil wird auf unserer Seite bleiben!"
Aber so etwas gibt es nicht!!! Wenn man sich die Minutencharts ansieht, springt der Preis überall hin! Ich habe nirgendwo eine Bestätigung dafür gefunden (mit meinen Augen sehr sichtbar!). Der gleiche Sprung wird einen Tag, einen Monat oder ein Jahr später stattfinden.... Wir werden NUR mit diesem Super-Stat-Vorteil durchsickern!!!!!
Nach den Statistiken (höchstwahrscheinlich), sollte der Preis die ganze Zeit an Ort und Stelle bleiben (wenn es +10 jetzt ist es wahrscheinlich -10), aber das ist nicht geschehen!!!! Genau, denn wir schauen nicht auf den Preis, wir schauen auf die Abweichungen...
Oder vielleicht verstehe ich auch nichts von statistischen Leistungen... gut möglich.
PS: Nicht, dass ich ablenken will, aber ich möchte Sie daran erinnern, dass Sie versprochen haben, sich zur Trenddefinition zu äußern ...
Sie irren sich.
Wenn wir abfließen, dann nur aus einem Grund - das FAC-Modul arbeitet mit der Volatilität, weniger mit dem Spread!
Wir brauchen also nicht mit den Augen nachzuschauen, sondern setzen uns an den Computer und lassen eine Reihe von Instrumenten auf verschiedenen TFs laufen, um diesen Parameter zu bewerten.
PS: Nicht, dass ich ablenken will, aber ich möchte Sie daran erinnern, dass Sie versprochen haben, sich zur Trenddefinition zu äußern ...
Aha...
Warum brauchen wir dann Abweichungen? Ah-ah-ah-ah ich verstehe, für sie halten wir FAC (ich mag diese Abkürzung immer noch nicht...).
Nehmen wir EURUSD:
Spanne - 3 oder 0,0003?
Dafür sollte die FAC [0:1] sein.
Volatilität im Durchschnitt, in welchem Bereich?
Was folgt nun daraus? Nach jedem Tick nach oben öffnen Sie nach unten und umgekehrt ? :-)))
...
ein wenig zu diesem Thema
http://forum.fxclub.org/showpost.php?p=618349&postcount=297
http://forum.fxclub.org/showpost.php?p=624720&postcount=326
http://forum.fxclub.org/showpost.php?p=622143&postcount=310
http://forum.fxclub.org/showpost.php?p=626115&postcount=334
PS: Nennen Sie mir die Grenzen der Volatilitätswerte für eurosd. Ich berechne die Volatilität überhaupt nicht. Und im Moment kann ich solche Berechnungen nicht anstellen.
...ein wenig zu diesem Thema
http://forum.fxclub.org/showpost.php?p=618349&postcount=297
http://forum.fxclub.org/showpost.php?p=624720&postcount=326
http://forum.fxclub.org/showpost.php?p=622143&postcount=310
http://forum.fxclub.org/showpost.php?p=626115&postcount=334
Respekt!
Ich habe das Thema mit großem Interesse gelesen. Natürlich gibt es viele Überschwemmungen, aber das ist wohl der Lauf der Dinge... North Wind, haben Sie dieses Material nicht auf Ihrer Website in Form eines Artikels veröffentlicht? Ich wäre Ihnen sehr dankbar. Ich bin auch daran interessiert, was Sie jetzt tun, welche Art von Forschung halten Sie für die vielversprechendste im Handel? Ich würde mich freuen, wenn Sie sich uns als Kritiker und Ideengeber zu dem hier diskutierten Thema anschließen würden.
Nehmen wir EURUSD:
Spanne - 3 oder 0,0003?
Dafür soll die FAC [0:1] liegen.
In welchem Bereich liegt die durchschnittliche Volatilität?
Sergey, ich kann die "Natur" des FAC-Produkts der Volatilität, die dem Spread entspricht, nicht verstehen. Erklären Sie das bitte. Ist sie empirisch abgeleitet oder wissenschaftlich intuitiv?
Sergey, die Dimension der Volatilität und des Spreads sollte dieselbe sein. Wenn es in Metern ist - dann in Metern, und wenn es in Kilometern ist - dann ist alles in Kilometern :-).
Ich verwende das "ideale" TS-Modell in den Schätzungsberechnungen, das nur einen Parameter vorhersagt - die Richtung des erwarteten Preissprungs. Die Amplitude dieses Sprungs kann als gleich der Volatilität eines Instruments in einem ausgewählten Zeitrahmen oder seiner Standardabweichung angenommen werden, die fast gleich ist. Wenn man berücksichtigt, dass der FAC als relativer Wert für die Prävalenz einer Art von Kursbewegung gegenüber der anderen (entgegengesetzte und gegenläufige Sprünge) interpretiert werden kann, dann können wir ohne Genauigkeitsverlust feststellen, dass der TS, der auf dem "idealen Vorhersageindikator" basiert, KEINEN Fehler bei der Wahl der Richtung der Eröffnungsposition machen wird, und zwar mit einer Wahrscheinlichkeit, die proportional zum absoluten FAC-Wert ist, der dem "idealen Vorhersageindikator" zugrunde liegt. Gewinn oder Verlust in Pips aus jedem Handel ist angemessen, um den Wert der Standardabweichung des Instruments zu schätzen. Dann kann der Gewinn des TS für ein ausreichend langes Zeitintervall als Differenz aller erfolgreichen und erfolglosen Trades geschätzt werden, die jeweils mit der Volatilität multipliziert werden. Außerdem setzen wir die erhaltene Bruttorendite in Beziehung zur Anzahl der ausgeführten Geschäfte und erhalten die durchschnittliche Schätzung s der "idealen" TS-Rendite pro Geschäft:
s(TF)=Volatilität(TF)*{(n+)-(n-)}/N=FAC(TF)*Standardabweichung(TF), wobei (n+) die Zahl der Geschäfte mit positivem Saldo, (n-) die Zahl der "negativen" Geschäfte und N die Gesamtzahl der Geschäfte ist.
Was zu beweisen war.
Wenn Sie die Volatilität nicht schätzen können, schätzen Sie die Standardabweichung). Es wird keinen Unterschied geben.
Los geht's...
Die grundlegenden Ziele der Zeitreihenanalyse.
Das grundlegende Ziel einer statistischen Analyse einer Zeitreihe besteht darin,:
1. feststellen, welche nicht-zufälligen Funktionen in der Zerlegung vorhanden sind, d.h. die Art der Indikatoren bestimmen;
2. Konstruieren Sie "gute" Schätzungen für die nicht zufälligen Funktionen, die in der Expansion vorhanden sind;
3. ein Modell auszuwählen, das das Verhalten der nicht zufälligen Residuen angemessen beschreibt, und die Parameter des Modells statistisch zu schätzen.
Die erfolgreiche Lösung dieser Probleme, die durch den grundlegenden Zweck der statistischen Analyse von Zeitreihen bestimmt werden, ist die Grundlage für die Erreichung der endgültigen Anwendungsziele der Studie und vor allem für die Lösung kurz- und mittelfristiger Vorhersageprobleme von Zeitreihenwerten. Die wichtigsten Elemente der ökonometrischen Analyse von Zeitreihen werden im Folgenden kurz beschrieben.
- Die meisten mathematisch-statistischen Methoden befassen sich mit Modellen, bei denen davon ausgegangen wird, dass die Beobachtungen unabhängig und gleich verteilt sind. Die Abhängigkeit zwischen den Beobachtungen wird meist als Hindernis für eine wirksame Anwendung dieser Methoden angesehen. Eine Vielzahl von Daten in den Bereichen Wirtschaft, Soziologie, Finanzen, Handel und anderen Bereichen menschlicher Aktivitäten liegen jedoch in Form von Zeitreihen vor, bei denen die Beobachtungen voneinander abhängig sind, und gerade die Art dieser Abhängigkeit ist das Hauptinteresse des Forschers. Die Gesamtheit der Methoden und Modelle zur Untersuchung solcher abhängigen Beobachtungsreihen wird als Zeitreihenanalyse bezeichnet. Das Hauptziel der ökonometrischen Analyse von Zeitreihen besteht darin, möglichst einfache und ökonometrisch parametrisierte Modelle zu konstruieren, die die verfügbaren Beobachtungsreihen adäquat beschreiben und die Grundlage für die Lösung in erster Linie der folgenden Probleme bilden:
(a) Entdeckung des Entstehungsmechanismus der Beobachtungen, aus denen die analysierten Zeitreihen bestehen;
(b) Konstruktion der optimalen Prognose für die zukünftigen Werte der Zeitreihe;
(c) Ausarbeitung der Management- und Optimierungsstrategie für die analysierten Prozesse.
- Bei der Erörterung der Entstehung der Beobachtungen, die eine Zeitreihe bilden, sollte man sich die vier Arten von Faktoren vor Augen halten (und, wenn möglich, modellieren), unter deren Einfluss diese Beobachtungen entstehen können: langfristig, saisonal, zyklisch (oder opportunistisch) und zufällig. Es ist nicht unbedingt so, dass alle vier Arten von Faktoren gleichzeitig an der Entstehung der Werte einer bestimmten Zeitreihe beteiligt sein müssen. Eine erfolgreiche Lösung der Probleme bei der Identifizierung und Modellierung dieser Faktoren ist die Grundlage, der grundlegende Ausgangspunkt für die Erreichung der endgültigen Ziele der Studie, von denen die wichtigsten im vorhergehenden Absatz genannt wurden.
- Zu Beginn der Analyse einer diskreten Reihe von Beobachtungen, die in chronologischer Reihenfolge angeordnet sind, sollte zunächst geprüft werden, ob bei der Bildung der Werte dieser Reihe tatsächlich andere Faktoren als reine Zufallsfaktoren eine Rolle gespielt haben. Der Begriff "rein zufällig" bezieht sich nur auf solche Zufallsfaktoren, die Folgen von untereinander unkorrelierten und gleichverteilten Zufallsvariablen mit konstanten (zeitunabhängigen) Mittelwerten und Varianzen erzeugen. Die Antwort auf die gestellte Frage erhält man, indem man einen statistischen Test der entsprechenden Hypothese durchführt, zum Beispiel mit Hilfe eines der "Reihentests", des Abbe-Kriteriums, des Box-Pierce-Tests und des Ljung-Box-Tests.
Ergibt ein solcher statistischer Hypothesentest, dass die verfügbaren Beobachtungen voneinander abhängig (und möglicherweise ungleich verteilt) sind, wird ein geeignetes Modell für die Reihe angepasst. Der Modellsatz, innerhalb dessen diese Auswahl getroffen wird, ist in der Regel auf die folgenden Modellklassen beschränkt:
(a) die Klasse der stationären Zeitreihen (die hauptsächlich zur Beschreibung des Verhaltens von "zufälligen Residuen" verwendet werden),
(b) die Klasse der nicht-stationären Zeitreihen, die eine Summe aus deterministischen Trend- und stationären Zeitreihen ist,
(c) die Klasse der nicht-stationären Zeitreihen, die einen stochastischen Trend aufweisen, der durch sukzessive Differenzierung der Reihen (d. h. durch Übergang von einer Niveaureihe zu einer Differenzreihe erster Ordnung oder höherer Ordnung) beseitigt werden kann.
Im Rahmen der ökonometrischen Analyse von Zeitreihen fassen wir die Reihen der Klassen (a) und (b) zu einer Klasse zusammen, die wir in Anlehnung an die jüngste Praxis [siehe z. B. Maddala, Kim (1998)] als Klasse der TS-Reihen (trendstationäre Reihen, stationär in Bezug auf den deterministischen Trend) bezeichnen. Eine geeignete Methode zur Residualisierung von Zeitreihen der Klasse (b) ist die Subtraktion vom deterministischen Trend. Im Gegensatz dazu ist bei Reihen, die zur Klasse (c) gehören, eine geeignete Methode zur Residualisierung einer Reihe ein Übergang von einer Reihe von Niveaus zu einer Reihe von Differenzen (erster oder höherer Ordnung).
- Stationäre (im weitesten Sinne) Zeitreihen sind dadurch gekennzeichnet, dass ihr Mittelwert, ihre Varianz und ihre Kovarianz nicht von der Zeit abhängen, für die sie berechnet werden. Interdependenzen zwischen den Gliedern einer stationären Zeitreihe können in der Regel durch autoregressive Modelle der Ordnung p (AR(p)-Modelle), Modelle mit gleitendem Durchschnitt der Ordnung q (MA(q)-Modelle) oder autoregressive Modelle mit gleitendem Durchschnitt der Residuen der Ordnung p und q (ARMA(p, q)-Modelle) angemessen beschrieben werden.
- Eine Zeitreihe wird als integriert (reintegriert) der Ordnung k bezeichnet, wenn aufeinanderfolgende Differenzen dieser Reihe der Ordnung k (aber nicht einer niedrigeren Ordnung!) eine stationäre Zeitreihe bilden. Das Verhalten solcher Reihen, einschließlich derjenigen, die eine saisonale Komponente enthalten, wird in angewandten ökonometrischen Problemen recht erfolgreich mit Hilfe von autoregressiven Modellen integrierten gleitenden Mittelwerten der Ordnung p, k und q (ARIMA(p, k, q)-Modelle) und einigen Modifikationen davon beschrieben. Zu dieser Klasse gehört auch das einfachste stochastische Trendmodell - der Random-Walk-Prozess (ARIMA(0, 1, 0)). Die Random-Walk-Inkremente bilden eine Folge unabhängiger, gleichverteilter Zufallsvariablen ("weißes Rauschen"). Daher wird der Random-Walk-Prozess auch als "integriertes weißes Rauschen" bezeichnet.
- Die Anpassung eines Modells an eine bestimmte Zeitreihe bedeutet, eine geeignete parametrische Modellfamilie als zulässige Lösungsmenge zu identifizieren und dann die Modellparameter anhand der verfügbaren Beobachtungen statistisch zu schätzen. Dieser gesamte Prozess wird gemeinhin als Modellidentifikation oder einfach als Identifikation bezeichnet. Zur korrekten Identifizierung eines Zeitreihenmodells muss entschieden werden, ob die untersuchte Zeitreihe stationär ist, stationär in Bezug auf den deterministischen Trend (d. h. die Summe der deterministischen Komponenten und der stationären Reihe), oder ob sie einen stochastischen Trend enthält.
Manchmal sterbe ich vor Lachen, wenn ich mit den Äußerungen von militanten Fluthelden konfrontiert werde! Das ist wie im Zirkus, sie sollten im Kindergarten Mathe lernen, aber nein, sie sind im falschen Alter! Generäle, Mann.
Interessant ist, dass die Situation in den meisten Foren (unseres ist vielleicht eine seltene Ausnahme) eindeutig darauf hinweist, dass das Hauptkontingent der "Händler", die an den Foren teilnehmen, ungebildete und in der Regel fehlerhafte Menschen sind. Die vielleicht nur aus Verzweiflung und selektiver Demenz auf den Markt gekommen sind.
Tut mir leid, ich konnte nicht widerstehen.
...North Wind, haben Sie dieses Material nicht auf der Website in Form eines Artikels veröffentlicht? Ich wäre Ihnen sehr dankbar. Ich bin auch daran interessiert, was Sie jetzt tun, welche Forschungsrichtung Sie als die vielversprechendste im Handel ansehen? Ich würde mich freuen, wenn Sie sich uns als Kritiker und Ideengeber zu dem hier diskutierten Thema anschließen würden...
Nein, ich habe kein Material in Form eines Artikels und werde es wahrscheinlich auch nicht tun. Ich habe alles nach und nach gemacht.
Ich befasse mich mit allem nach und nach, aber hauptsächlich natürlich aus der Sicht der stochastischen Methoden. Dasselbe Problem der Zersetzung, aber offenbar nicht in der reinen Form, wie es die Klassiker formulieren.
Ich habe dieses Thema ausführlich und mit Interesse gelesen, zumindest weil ich selbst diesen Weg gegangen bin. Ich persönlich mochte die "Raupe" aus den Methoden der Zeitanalyse. Aber auch hier konnte ich die reine Methode von An.Vremena nicht anwenden.
... Manchmal sterbe ich vor Lachen, wenn ich mit den Äußerungen der militanten Fluter konfrontiert werde! Das ist doch nur ein Zirkus, die gehören in den Kindergarten - um Mathe zu lernen, aber nein, nicht in diesem Alter! Generäle, Mann...
:) Achten Sie nicht darauf, dies ist eine Prüfung, die uns von oben herab gesandt wurde, die Gnade unseres Vaters und seines Sohnes und seines Geistes, als Prüfung der Stärke unseres Glaubens :::)))