eine Handelsstrategie auf der Grundlage der Elliott-Wellen-Theorie - Seite 224
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
durch den Wert H, positiv oder negativ, je nach dem Vorzeichen von
der Preisdifferenz am Ende und zu Beginn des Intervalls. Sie wird wie folgt berechnet
=(Preiswert am Ende des Intervalls - Preiswert am Anfang des Intervalls)/H, daher
kann daher nur die Werte 1 oder -1 annehmen.
Wenn wir Tick-Charts mit niedrigen Werten von H untersuchen, können wir sehen, dass sich der Preis um 2H, 3H oder mehr pro Tick ändert. Wie hoch ist der Wert der Preisänderung in diesem Fall?
durch den Wert H, positiv oder negativ, je nach Vorzeichen
der Preisdifferenz am Ende und zu Beginn des Intervalls. Sie wird wie folgt berechnet
=(Preiswert am Ende des Intervalls - Preiswert am Anfang des Intervalls)/H, daher
kann daher nur die Werte 1 oder -1 annehmen.
Wenn Sie ein Tick-Chart mit kleinen Werten von H untersuchen, ist es möglich, dass
der Preis pro Tick ändert sich um 2H, 3H oder mehr. Was ist der Wert in diesem Fall
Preisänderung?
Ja, hier gibt es eine Ungenauigkeit. Dieses Phänomen wird bei der Deltamodulation als "Steilheitsübersteuerung" bezeichnet.
Sie wird negativ bewertet. Die Formel selbst ist im Prinzip richtig. Dann geht es so:
Die Preisänderung ist das Intervall, in dem sich der Wert des Preises ändert
durch den Wert H, positiv oder negativ, je nach Vorzeichen
der Preisdifferenz am Ende und zu Beginn des Intervalls. Sie wird wie folgt berechnet
=(Preiswert am Ende des Intervalls - Preiswert am Anfang des Intervalls)/H
kann daher nur positive oder negative ganzzahlige Werte annehmen
als auch negative Werte.
Im Falle von 2H, 3H usw. sind es dementsprechend 2, 3 usw.
Dank des Tipps von solandr habe ich das Teak-Archiv von der Website heruntergeladen.
Sie müssen kein zweites Mal ein Paket versenden.
Ich danke Ihnen.
gegenläufigen Preisspitzen?
Betrachten Sie die Abbildung.
Ich betrachte den Abschnitt von Oren[i-1] nach Oren[i], aus dem Bereich der Funktionswerte, als einen gegenläufigen Preissprung im Vergleich zum Abschnitt von Oren[i-2] nach Oren[i-1]. Das Kriterium für den gegenläufigen Sprung ist die Erfüllung der Ungleichung:
(Orep[k]-Orep[k-1])*(Orep[k+1]-Orep[k])<0.
Der Abschnitt von Orep[i] nach Orep[i+1] ist in Bezug auf den Abschnitt von Orep[i-1] nach Orep[i] kodirektional. Das Kriterium für die Ko-Direktionalität des Sprungs ist die Erfüllung der Ungleichung:
(Open[k]-Open[k-1])*(Open[k+1]-Open[k])>0.
Wenden wir uns nun dem zu, was Pastuchow in seinem Aufsatz schreibt:
Vt und Ut in dem Sinne ist eine Anzahl aller Sprünge multipliziert mit H
Nt und Mt in dem Sinne ist einfach die Summe aller gegenläufigen Sprünge.
Dann ist die Aussage, die ich im obigen Beitrag gemacht habe:
FAC=1-2/H, richtig.
zu Grans
Sergei, schauen Sie sich das Kursverhalten an und sagen Sie mir: ist dies ein Trendmarkt oder ein Pullback-Markt?
Genau! - Eine eindeutige Antwort ist nicht möglich - die Frage ist nicht korrekt. Bei TF=1 handelt es sich um einen Trendmarkt. In der Tat ist die Summe der Produkte benachbarter Ausschläge in einem beliebigen Teil der Zeitreihe immer positiv, und eine Position sollte in Richtung der Preisbewegung eröffnet werden. Bei TF=50 hingegen sehen wir eine ausgeprägte Abflachung! In der Tat ist die Summe der Produkte benachbarter Spikes über ein beliebiges Segment der Zeitreihe (TF=50) immer negativ, und eine Position sollte gegen die vorherige Kursrichtung eröffnet werden.
Nun noch zwei Worte dazu, wie "lang" die Summe sein sollte. Über die statistischen Ergebnisse habe ich bereits geschrieben. Die Schlussfolgerung ist die einzige, dass die Anzahl der Summenmitglieder mindestens 100 betragen muss. In diesem Fall werden die Schwankungen der erzielten Ergebnisse 10 % nicht überschreiten. Dies ist für die Anwendung wahrscheinlich ausreichend genau.
Jetzt aufgepasst! Schauen wir uns Ihre Zeichnung aus dem vorherigen Beitrag an. Was Sie mit Ihren Augen als Trend hervorheben, sollte etwa hundert Intervalle haben, um zuverlässig hervorgehoben zu werden. Wenn dieser Abschnitt in 100 Intervalle unterteilt ist, ist die TF 100 Mal kleiner als diejenige, in der Sie den Trend mit den Augen "hervorgehoben" haben. Und es ist keine Tatsache, dass es bei einer TF, die 100 Mal kleiner ist, keine Wohnung geben wird! Erinnern Sie sich an das Beispiel mit dem Kosinus. Aber es wird eine glaubwürdige Wohnung sein, mit der Sie Geld verdienen können. Denken Sie über dieses imaginäre Paradoxon nach.
Unterteilen wir nun Ihren "Trend" nicht in 100, sondern in, sagen wir, 10 Intervalle. Tatsächlich ist die Summe der Produkte der benachbarten Preissprünge positiv - TREND! Ja, allerdings liegt der Indizierungsfehler bei 30 %. Dies ist ein so genannter "stochastischer Trend".
Das war's, anders kann ich es nicht erklären.
Ist die FAC positiv, handelt es sich um einen deterministischen Trend; ist die FAC negativ, handelt es sich um einen deterministischen Flat, d. h. um einen Pullback im Kursverhalten.
Sergey, ich danke Ihnen für Ihre geduldige Erklärung. Sie mögen mit Ihrer Argumentation Recht haben. Ich denke, es wird einige Zeit dauern, bis einige von uns ihre Ansichten zu diesem Problem ändern. Ich möchte aus meiner Sicht nur Folgendes anmerken:.
Ich kann kein Paradoxon erkennen. Ich unterteile die Serie nicht in Intervalle. Ich denke, dass diese Aktion nicht begründet ist und einen großen Fehler darstellt. Ich analysiere eine Serie als Ganzes, ohne ein Fenster zu verwenden.
Ich brauche keinen Trend. Ich bin zufrieden mit der Stärke der Beziehung zwischen den Proben. Dies ist im Allgemeinen ausreichend für Prognosen (ich habe bereits Beispiele genannt).
Ich unterstreiche den Trend nicht mit meinen Augen. Wenn ich zuverlässig wissen muss, ob es sich um einen Trend handelt oder nicht, verwende ich ein zusätzliches Kriterium. Die auf der Grundlage dieses Kriteriums gezogenen Schlussfolgerungen werden durch meine Augen bestätigt. Das ist es, genauer gesagt.
Die Funktion sin() hat statistische Werte von 2,127. Für sie liegt das Kriterium "kein Trend" im Bereich (0: 1,9) und liegt fast unmittelbar in diesem Bereich. Dies kann in meinem Ansatz als ein Zustand nahe einer "flachen"
Pastukhov-Transformationen in gewissem Sinne "aufrauen" die Serie und sind auf eine ganz andere Verwendung ausgerichtet. Ich sehe keine überzeugenden Argumente für die Verwendung dieser Transformationen zur Trenderkennung, egal mit welcher Methode, einschließlich Autokorrelation.
Eine Methode zur Trenderkennung sollte keine Eingabeparameter haben. Sie haben zwei davon: die erste ist die Fenstergröße, die zweite sind die Parameter für die Konstruktionen kagi, rengo .... Nur die erste Serie! Da ist alles drin!
...Dann ist die Aussage, die ich im obigen Beitrag gemacht habe:
FAC=1-2/H, richtig...
Ich gestehe, ich habe sogar ein wenig gezögert, ob ich Recht habe. Aber schnell
kam ich zur Vernunft. Ich schlage vor, dass Sie dasselbe tun.
OK, zum Teufel damit, H-Hurst, nicht jeder
versteht seine Berechnungsalgorithmen sowieso, schauen wir uns FAC an. Soweit ich weiß, ist dies eine Funktion der
Autokorrelation. Die Formeln sind wahrscheinlich hier oder in Lehrbüchern zu finden.
Ich habe mir das Lernprogramm und die FAC-Implementierung in Statistica angesehen.
Es wurden drei Datenzeilen erstellt, wobei die erste Zeile wie folgt aussieht: 1,-1,1,-1 usw.
Die zweite Reihe lautet: 2,-2,2,-2 usw.; und die dritte Reihe lautet 2,-1,2,-1 usw. Die H-Volatilitäten für sie,
, betragen 1, 2 bzw. 1,5. Der in Statistica berechnete FAC-Wert für
lag = 1 beträgt für alle drei Reihen -0,995, was im Allgemeinen natürlich ist,
basierend auf dem Verständnis der Autokorrelation. Für Lag =2 wäre es 0,993 usw...
Man beachte, dass sich die drei Reihen in der
H-Volatilität völlig unterscheiden und in der FAC (für dieselbe Verzögerung) gleich sind.
Entweder ist Ihre FAC nicht dieselbe wie die herkömmliche, oder Sie haben einen Fehler in Ihrer Argumentation
.
.
North Wind, ich beeinflusse das FAC bei einer Reihe von ersten Unterschieden und Sie bei der Originalserie. Darin liegt der Unterschied.
Wenn zwei Reihen X und Y definiert sind, wird der Korrelationskoeffizient natürlich mit Hilfe der Formel berechnet:
r=SUMME(X*Y)/SUMME(X^2).
Wenn wir nun zur Definition des Autokorrelationskoeffizienten übergehen, ergibt sich:
r=SUM(X[i]*X[i-1])/SUM(X[i]^2),
. Wenn wir davon zu den ersten Differenzen übergehen, erhalten wir
r=SUM{(X[i]-X[i-1])*(X[i+1]-X[i])}/SUM(X[i]-X[i-1])^2),
oder, in erster Näherung:
r=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]))}/N, wobei N das Summierungsfenster ist.
Das wurde ja auch behauptet.
...North Wind, ich beeinflusse FAC bei einer Reihe von ersten Unterschieden und Sie bei der Originalserie. Darin liegt der Unterschied.
Wenn zwei Reihen X und Y definiert sind, wird der Korrelationskoeffizient natürlich nach folgender Formel berechnet:.
Bitte beachten Sie, dass das von mir angeführte Beispiel "1,-1,1,-1,1,1,-1..."
wird in "-2,2,-2,2..." in Form von ersten Differenzen umgewandelt. FAC(lag=1) für diese Reihen
sind wertmäßig identisch und entsprechen vollständig den theoretischen Vorstellungen,
die besagt, dass bei solchen Reihen die Korrelation mit dem vorherigen Wert
nahe bei 1 liegt. Gleichzeitig ist die H-Volatilität für diese betrachteten Reihen unterschiedlich,
d.h. es stellt sich heraus, dass Ihre Formel nicht ganz korrekt ist.
Hier wurden keine zwei Serien X und Y verwendet. Es ist nur so, dass für die Überprüfung der
Die drei Datenreihen wurden unabhängig voneinander berechnet.
Sie berechnen die FAC für die Zeilen "3,-3,3,-3..." und "1,-1,1,-1...",
Sie zeigen mir das Ergebnis, ich berechne die H-Volatilität. Dann vergleichen wir.
du zeigst das Ergebnis, ich berechne die H-Volatilitäten. Dann vergleichen wir.
Für die erste Zeile:
FAC=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={sign((-3-3)*(3-(-3))+sign((3+3)*(-3-3)+...+}/N=
={-1+(-1)+...+(-1)}/N=-1,
H-Volatilität (bezeichnen wir mit H),
H=(Summe der absoluten Werte aller Kursbewegungen)/(Summe der Bewegungsumkehrungen)=h*N/N=1*h, wobei h=3.
FAC ist in seiner Bedeutung dimensionslos. Die H-Volatilität ist amplitudenabhängig, so dass wir sie zum Vergleich mit h normieren.
Ich habe argumentiert, FAC=1-2/H, wir haben -1=1-2/1=-1, d.h. die Identität.
Für die zweite Reihe:
FAC=-1,
H=h*N/N=1*h, wobei h=1.
Wir haben -1=1-2/1=-1, d.h. die Identität.
Was zu beweisen war.
Sie zeigen mir das Ergebnis, ich berechne die H-Volatilität. Dann vergleichen wir.
Für die erste Reihe:
ФАК=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={sign((-3-3)*(3-(-3))+sign((3+3)*(-3-3)+...+}/N=
={-1+(-1)+...+(-1)}/N=-1,
Ja, ich stimme zu. Nur habe ich es anders gemacht, aber das Ergebnis ist das gleiche.
H-Volatilität (bezeichnen wir mit H),
H=(Summe der absoluten Werte aller Kursbewegungen)/(Summe der Bewegungsumkehrungen)=h*N/N=1*h, wobei h=3.
FAC ist in seiner Bedeutung dimensionslos.
Ja, das ist auch meine Meinung.
Die H-Volatilität ist amplitudenabhängig, so dass wir sie zum Vergleich mit h normieren.
Aber genau da liegt der Fehler. Es ist bereits alles vorbereitet. Es gibt also keinen Grund, sie zu normalisieren.
Ich habe argumentiert, dass FAC=1-2/H, -1=1-2/1=-1 d.h. die Identität haben.
Sie reduzieren auf Kosten der "Normalisierung" alle Fälle auf einen Fall mit =1.
Außerdem scheinen Sie anstelle der "direkten" Formel zur Berechnung der H-Volatilität
Sie verwenden Ihre eigene Formel, die fehlerhaft ist, und daher ist Ihr Ergebnis fehlerhaft.
Für die zweite Reihe:
FAC=-1,
H=h*N/N=1*h, wobei h=1.
Wir haben -1=1-2/1=-1, d.h. eine Identität.
Was zu beweisen war.
Berechnen wir die FAC- und H-Volatilität für
eine andere Reihe, z. B. 3,-1,3,-1, usw. Ich behaupte, dass der FAC =-1 und die H-Volatilität =2 wäre.
Die H-Teilung wird bei h=1 vorgenommen. Es müssen keine Unterschiede gemacht werden, die Serie ist rein.
Übrigens, ein weiteres interessantes Beispiel für eine Reihe: 1,2,-3,1,2,-3. Was wird Ihrer Meinung nach geschehen?