Der Markt ist ein kontrolliertes dynamisches System. - Seite 237
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
Es stimmt, dasssolche Vorhersagen keinen Nutzen haben. --- Das ist richtig ;)))
Viele Möglichkeiten, aber keine davon ist sinnvoll. Und wenn sie nutzlos sind, warum zum Teufel brauchen wir dann so viele Optionen?
An sich ist diese Art der Vorhersage nicht notwendig, nicht wegen der Nicht-Stationarität des Marktes usw., sondern weil das Ziel nicht darin besteht, den Preis vorherzusagen, sondern Gewinne zu erzielen. Aber diese Regeln können durchaus Teil der Strategie sein.
Ein Beispiel: Der Kurs liegt jetzt bei 1,3000. Die Prognose: der Preis wird das Niveau von 1,3100 vor 1,2800 mit einer Wahrscheinlichkeit von 0,75 erreichen. Wenn wir z.B. eine Take-Profit-Zahl und einen Stop-Loss von 2 festlegen, wird der Take-Profit doppelt so oft ausgelöst. Alles ist in dieser Vorhersage enthalten und sogar die Wahrscheinlichkeit scheint in unsere Richtung zu gehen. Alles außer den Gewinnen. Das Modell sollte so beschaffen sein, dass wir einen statistischen Vorteil haben, und das Ziel der Vorhersage wird dieses sein, nicht der Preis. D.h. wir sagen voraus, dass unser Modell/System einen statistischen Vorteil hat und wir bei einer Reihe von Geschäften mit hoher Wahrscheinlichkeit einen Gewinn erzielen werden.
Ein Beispiel: Wir haben ein System mit starrer tp=sl. Bei den Tests ist die Wahrscheinlichkeit tp=0,55, sl=0,45. MO=0,1. Das Prognoseziel ist, dass diese MO positiv bleibt. Obwohl wir sagen können, dass die Wahrscheinlichkeit von tp >0,5 bleibt
p.s. Ich handle nicht mit solchen Systemen))
Es besteht eine Niederschlagswahrscheinlichkeit.
Ja, denn es handelt sich um ein binäres Ereignis (entweder es gibt sie oder sie gibt sie nicht) und die einzige Information ist die Wahrscheinlichkeit. Die Prognostiker können nirgendwo hin)) Und für die Temperatur gilt die Standard-Konfidenzintervallmatrix. Der Prognostiker wählt ein Wahrscheinlichkeitsniveau für die Prognose, z. B. 0,9. Dann verwendet er sein Prognosemodell, um eine Wahrscheinlichkeitsverteilung zu erhalten, und wählt Intervallgrenzen, so dass die Gesamtwahrscheinlichkeit, in dieses Intervall zu gelangen, 0,9 beträgt. Dies ist der voraussichtliche Temperaturbereich
Versuchen.
Eine Prognose für ein gesteuertes dynamisches System ist eine Information zur Beurteilung der Situation - nicht mehr, aber auch nicht weniger.
Gleichzeitig schließt sich an die Phase der Lagebeurteilung unmittelbar die Phase der Entscheidungsfindung an, so dass die Prognose nicht in dem Sinne interessant ist, wie die Dinge enden werden, sondern nur in dem Sinne, was begonnen hat.
Daraus ergibt sich die Konsequenz: Es ist sinnlos, das Ergebnis der Prognose zu verwenden, um die Werte von TR und SL zu bestimmen, aber es ist dumm, es nicht zu verwenden, wenn man Entscheidungen über die Eröffnung oder Schließung von Positionen trifft.
Um Carl Clausewitz zu verdrehen, möchte ich versuchen, ihn zu zitieren: "...Die Militärwissenschaft soll den Feldherrn nicht direkt auf das Schlachtfeld begleiten, sie soll ihn nur auf diese Schlacht vorbereiten...". Etwas Ähnliches (:
es gibt keine gesonderten Vorhersagen an der Eingangsstelle usw. Es gibt ein System - einen Algorithmus, der einen statistischen Vorteil bieten kann. Wenn man in den Markt einsteigt, macht man eine Vorhersage/Wette, dass dieser Algorithmus weiterhin einen Gewinn macht (einen statistischen Vorteil hat). In anderen Punkten sind keine gesonderten Vorhersagen erforderlich. Sie sind lediglich eine Folge der oben genannten Vorhersage.
Ein Angler weiß zum Beispiel, dass er mit einem bestimmten Köder, einer bestimmten Angelmethode usw. genügend Fische fangen kann, um die Kosten für den Overhead meist zu decken. Und er muss nicht bei jedem einzelnen Wurf des Wagens etwas vorhersagen.)) Er fischt dummerweise und ändert seine Methoden, wenn sie nicht mehr funktionieren. Was sagt er voraus? Nichts. Allerdings reagiert er dynamisch, nicht nach dem Algorithmus - werfen, 2 Minuten warten, rausziehen).
Nicht unbedingt für Sie. Mehr für den Prognostiker im Allgemeinen. Genauer gesagt, der Prognostiker, der sehr oft, an Ort und Stelle, wie ein Mantra "Wahrscheinlichkeit-Wahrscheinlichkeit-Wahrscheinlichkeit-Wahrscheinlichkeit-Wahrscheinlichkeit..." wiederholt.
Sie geben die funktionale Beziehung von F() nicht preis. Glauben Sie nicht, dass ich versuche, es herauszukitzeln - nein. Aber ich vermute (und etwas sagt mir ;)) dass es sich um eine Regression handelt... und das...
Das ist ein wohlbekanntes Muster. Das ist schon seit langem bekannt. Seit den 1960er Jahren ist viel darüber gesprochen worden, auf und ab betrachtet. Sie funktioniert in den Abschnitten mit konstanter Bewegung. Probleme entstehen, wenn sich der Trend ändert. Insbesondere im Schaltmodus. Diesem Problem sind zahlreiche Arbeiten gewidmet. Aber bis jetzt gibt es keine zufriedenstellende Lösung. Somit sind die Grenzen seiner zufriedenstellenden Arbeit bekannt.
Aber es gibt eine Nuance. Wenn Ihr Modell nicht mit Wahrscheinlichkeiten arbeitet, dann gibt es keinen Grund, auf der Grundlage Ihres Modells von Wahrscheinlichkeiten zu sprechen. Es sei denn, Sie berechnen postfaktisch die Häufigkeit des Modellergebnisses in einer kompakten Region. Aber das sind im Allgemeinen nur Krücken.
Ich sehe kein Problem mit der Regression. Er ist praktisch und universell einsetzbar - er eignet sich für jede Funktion. Das Problem ist nicht die Regression, sondern die Eingangs- und Ausgangsdaten. Wenn der Input und der Output der Preis ist (autoregressiv), wird nichts funktionieren. Der Preis hängt nicht von sich selbst ab. Aus diesem Grund gibt es so viele erfolglose Versuche, Marktmodelle mit einem einzigen Input zu erstellen: dem Preis und seinen Indikatoren. Sie müssen Inputs auswählen, die den Preis beeinflussen, d.h. über die Kurse und ihre Indikatoren hinausgehen. Zum Beispiel fiel der Aktienkurs aufgrund von Nachrichten über die Verluste eines Unternehmens, d.h. die Verluste wirkten sich auf den Aktienkurs aus und nicht auf das, was der Kurs vorher tat. Die Rentabilität eines Unternehmens hängt von seiner wirtschaftlichen Leistungsfähigkeit ab. Obwohl die einzelnen Unternehmen ihre eigenen Annahmen über ihre Rentabilität haben (Verlust von Aufträgen usw.), lassen sich die Wirtschaftssektoren oder die gesamte Wirtschaft durch Regressionsmodelle recht gut vorhersagen.
Der statistische Vorteil wird nur durch eine Reihe von Geschäften erreicht. Dazu müssen klare Ausgangsbedingungen für die rechtzeitige Eröffnung und Schließung einer Position gegeben sein, unabhängig davon, ob sie profitabel oder unprofitabel ist. Jeder, der schon einmal an einem Pokerturnier teilgenommen hat, wird mich verstehen. Im Fernstudium spielt die Mathematik eine große Rolle. Selbst eine Reihe von kleinen Verlusten wird durch große Gewinne mit erheblicher Gewinnakkumulation aufgewogen. Das ist auf dem Markt nicht anders. Es ist nur wichtig, die richtige Preisspanne zu wählen, in der Sie sich bewegen können. Die TF ist nicht wichtig. Die Preisspanne und die Preisanalyse für den Ein- und Ausstieg sind wichtig. Und natürlich die Disziplin. Am Anfang war es nicht so einfach, Verlustgeschäfte zu schließen. Verlustgeschäfte sind in jedem TS unvermeidlich, und sie sollten als Bestandteil dieses TS behandelt werden.
Sie geben die funktionale Beziehung von F() nicht preis. Glauben Sie nicht, dass ich versuche, es herauszukitzeln - nein. Aber ich vermute (und etwas sagt mir ;)) dass es sich um eine Regression handelt... und das...
Warum sollte es eine Regression sein? Wieder Kurvenanpassung...
Ja, denn es handelt sich um ein binäres Ereignis (entweder ja oder nein) und die einzige Information ist die Wahrscheinlichkeit.
Warum diese Regression? Wieder Kurvenanpassung...
Was hindert uns daran, einen TS zu bauen, der nur mit Wahrscheinlichkeit arbeitet? Ich weiß, dass es etwas umständlich ist, aber das heißt nicht, dass es nicht funktioniert.Es ist okay, wenn es funktioniert.
Avals:
Vielleicht kann man nur bei festen Stop-and-Take-Systemen über Frequenzen und Vorhersagen sprechen. Die meisten Systeme wissen nicht im Voraus, wo der Ausstieg sein wird und setzen daher jedes Mal auf ein anderes Marktereignis.
Ich probiere es aus.
Eine Vorhersage für jedes kontrollierte dynamische System ist eine Information zur Lagebeurteilung - nicht mehr, aber auch nicht weniger.
Gleichzeitig schließt sich an die Phase der Lagebeurteilung unmittelbar die Phase der Entscheidungsfindung an, so dass die Prognose nicht in dem Sinne interessant ist, wie die Dinge enden werden, sondern nur in dem Sinne, was begonnen hat.
Daraus ergibt sich die Konsequenz: Es ist sinnlos, das Ergebnis der Prognose zu verwenden, um die Werte von TR und SL zu bestimmen, aber es ist dumm, es nicht zu verwenden, wenn man Entscheidungen über die Eröffnung oder Schließung von Positionen trifft.
Um Carl Clausewitz zu verdrehen, möchte ich versuchen, ihn zu zitieren: "...Die Militärwissenschaft soll den Feldherrn nicht direkt auf das Schlachtfeld begleiten, sie soll ihn nur auf diese Schlacht vorbereiten...". Etwas Ähnliches (:
Nun, im Allgemeinen habe ich bei der Formulierung meiner Frage erwartet, eine Antwort nicht für UDF, sondern für UDF-Gegner zu hören, oder besser gesagt, nicht einmal für UDF-Gegner, sondern nur für Befürworter der allgemeinen Ansicht, dass der Markt ein Zufallsphänomen ist, das dem probabilistischen Konzept unterliegt.
.
In meinem Ansatz [Markt - UDS] ist ein Tracking-System das optimale Werkzeug, um die Struktur einer Bewegung zu erkennen. So wird bereits bei der Identifizierung der Struktur ein Vektor des UDS-Zustands gebildet. TS ist in Bezug auf UDF ein Überbau, und hier ist es ganz natürlich und legitim, den Vektor des UDF-Zustands zu verwenden, um den TS-Ausgang zu bilden.
Ich verstehe, dass hier ein klares erklärendes Bild, das das Wesentliche kompakt darstellt, angebracht wäre.
Ich sehe kein Problem mit Regression. Er ist praktisch und vielseitig - für jeden Zweck geeignet. Das Problem ist nicht die Regression, sondern die Eingangs- und Ausgangsdaten. Wenn der Input und der Output der Preis ist (autoregressiv), wird nichts funktionieren. Der Preis hängt nicht von sich selbst ab. Aus diesem Grund gibt es so viele erfolglose Versuche, Marktmodelle mit einem einzigen Input zu erstellen: dem Preis und seinen Indikatoren. Sie müssen Inputs auswählen, die den Preis beeinflussen, d.h. über die Kurse und ihre Indikatoren hinausgehen. Zum Beispiel fiel der Aktienkurs, als die Nachricht von den Verlusten eines Unternehmens kam, d.h. die Verluste wirkten sich auf den Aktienkurs aus und nicht das, was der Kurs vorher gemacht hat. Die Rentabilität eines Unternehmens hängt von seiner wirtschaftlichen Leistung ab. Obwohl die einzelnen Unternehmen ihre eigenen Annahmen über ihre Rentabilität haben (Vertragsverluste usw.), lassen sich die Wirtschaftssektoren oder die gesamte Wirtschaft durch Regressionsmodelle recht gut vorhersagen.
Dieses Schema ist komplizierter als das autoregressive Schema, aber es eignet sich gut für herkömmliche Tests und Optimierungen, so dass die Ergebnisse recht eindeutig sein werden.
An sich ist eine solche Vorhersage nicht notwendig, aber nicht wegen der Nicht-Stationarität des Marktes usw., sondern weil der Zweck nicht darin besteht, den Preis vorherzusagen, sondern einen Gewinn zu erzielen. Als Teil der Strategie können diese Regeln durchaus vorhanden sein.
Ein Beispiel: Der Kurs liegt jetzt bei 1,3000. Prognose: Der Kurs wird mit einer Wahrscheinlichkeit von 0,75 das Niveau von 1,3100 erreichen, bevor er 1,2800 erreicht. Wenn wir z.B. eine Take-Profit-Zahl und einen Stop-Loss von 2 festlegen, wird der Take-Profit doppelt so oft ausgelöst. Alles ist in dieser Vorhersage enthalten und sogar die Wahrscheinlichkeit scheint in unsere Richtung zu gehen. Alles außer den Gewinnen. Das Modell sollte so beschaffen sein, dass wir einen statistischen Vorteil haben, und das Ziel der Vorhersage wird dieses sein, nicht der Preis. D.h. wir sagen voraus, dass unser Modell/System einen statistischen Vorteil hat und wir bei einer Reihe von Geschäften mit hoher Wahrscheinlichkeit einen Gewinn erzielen werden.
Ein Beispiel: Wir haben ein System mit starrer tp=sl. Bei den Tests ist die Wahrscheinlichkeit tp=0,55, sl=0,45. MO=0,1. Das Prognoseziel ist, dass diese MO positiv bleibt. Obwohl wir sagen können, dass die Wahrscheinlichkeit von tp >0,5 bleibt
p.s. Ich handle nicht mit solchen Systemen))
Das hört man oft von Analysten ("...der Kurs wird das Niveau von 1,3100 vor dem Niveau von 1,2800mit einer Wahrscheinlichkeit von 0,75erreichen...").
Aber wer, wie und wann hat diese Wahrscheinlichkeiten berechnet? Niemand macht solche Wahrscheinlichkeitsberechnungen!!! In solchen Fällen ist es angebracht, nicht über Wahrscheinlichkeiten von Kursbewegungen zu sprechen, sondern über die Erwartungen des Analysten oder die angestrebte Beeinflussung des Publikums. Das heißt, hier werden Begriffe ausgetauscht - entweder aus einem Missverständnis heraus oder um die Öffentlichkeit absichtlich in die Irre zu führen.
usw.