Von der Theorie zur Praxis - Seite 73
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
inwiefern ist sko besser als sao (durchschnittliche absolute Abweichung). vielleichtsind die Extreme nicht richtig... irgendetwas ist da.
Ich habe die Abweichungen von irgendeiner Skala gezählt. sko kam auf 12 Punkte. soo kam auf 6 Punkte.
Ich frage mich, was der große Unterschied zwischen sko und co bedeuten könnte.
Warum darauf herumhacken, die Formel ist doch da. RMS ist in der Tat sehr viel häufiger, ich würde sagen, unvergleichlich viel häufiger. Erstens, weil die Methode der kleinsten Quadrate (LSM) so einfach und recheneffizient ist. Hier ist ein einfaches Beispiel. Im Moment gehe ich davon aus, dass Ihr Durchschnitt derselbe ist wie in MNC, nämlich arithmetisch.
Es gibt viele, viele Zeilen. Die Große Sowjetische Enzyklopädie elektronisch. Brauchen Sie, um die durchschnittliche Fraktion der Anzahl der Leerzeichen in der Zeile zu berechnen, und einer der Indikatoren für die Streuung dieser Fraktion, RMS oder Ihre modulo durchschnittliche Abweichung von diesem Durchschnitt (kurz werde ich es Cheb nennen, dann sagen Sie Ihnen, warum.) Jeder Durchgang auf allen Leitungen ist teuer, die Bücher sind auf verschiedenen Internet-Ressourcen, Modem-Verbindung über Kupfer-Paar.Also, um RMS zu berechnen wird ein Durchgang genug sein (kopieren Sie einfach die Anzahl der Zeilen, die Summe der Raum Fraktionen und die Summe der Quadrate der Raum Fraktionen, aus diesen Beträgen zählen sofort RMS), und für Cheb brauchen zwei (die erste Kopie die Anzahl der Zeilen und die Summe der Fraktionen, auf sie betrachten den Durchschnitt, die zweite Kopie die Summe der absoluten Abweichungen vom Durchschnitt, es zählt die Abweichung Cheb). Der Unterschied in der Arbeitsintensität beträgt das Zweifache.
Und so gibt es überall, wo man hinkommt, einen Keil, wenn etwas mit Egerer Methoden gemacht werden soll. Das Problem der Annäherung an eine tabellarisch definierte Funktion verursacht ganz andere Lösungskosten. Der einfachste Fall ist, die Funktion durch eine Konstante zu ersetzen. Nach der MNA ist dies das arithmetische Mittel, das von allen in einem Durchgang über die Wertetabelle gefunden wird. Die Annäherung mit Minimierung der absoluten Abweichung wird als gleichmäßige Annäherung oder Tschebyscheff-Annäherung bezeichnet. Er wird verwendet, um den Median zu finden, der das Minimum der Summe der absoluten Abweichungen von einer beliebigen Konstante gewährleistet. Überlegen Sie, wie Sie den Median berechnen können. MQL hat eine fertige Funktion dafür. Dabei werden zunächst alle Elemente in aufsteigender Reihenfolge angeordnet. Dies ist nicht dasselbe wie die Ermittlung des arithmetischen Mittels.
Und so weiter. Gleichzeitig muss man sich darüber im Klaren sein, dass LOC die normalen Vorstellungen über ein Phänomen verzerrt. Zum Beispiel die durchschnittliche Höhe der Löhne. Die statistischen Ämter machen sich dies zunutze, indem sie Durchschnittslöhne ausweisen. Wenn ein Unternehmen 25 Mitarbeiter hat, von denen die ersten 5 eine Million und die anderen 20 50.000 verdienen, beträgt der arithmetische Durchschnittslohn 6/25=240.000 und der Median 50.000.
Oh, richtig. Vielleicht sollten wir im Handel den Median der Abweichung verwenden...
denn ich sehe keinen Sinn in der Heftklammer.
Ich kann den Sinn der Verwendung von sko nicht erkennen. alle Abweichungswerte quadriert. dann den Medianwert der Abweichung quadriert berechnen. dann wieder die Wurzel daraus ziehen.
wie csr besser ist als sao (durchschnittliche absolute abweichung). vielleichtsind die extremwerte falsch... etwas ist da.
Ich habe die Abweichungen von der Mach berechnet. sko kommt auf 12 Punkte. soo kommt auf 6 Punkte.
Ich frage mich, was der große Unterschied zwischen sko und co uns sagen könnte.
Über die Empfindlichkeit des RMS gegenüber Emissionen. Schließlich wirken sich Abweichungen bei den Emissionen quadratisch aus, was einer starken Zunahme ihres Gewichts entspricht, wenn es sich um eine gewichtete Mittelwertbildung handelt.
im gegenteil, sie werden nicht verworfen, sondern erhalten mehr gewicht! in dieser hinsicht ist sko schlechter als sao.
Warum wird sie dann von allen als Maßstab genommen?
wir sahen)
Eine große Abweichung des sco vom sao kann darauf hinweisen, dass es viele Emissionen gibt oder dass die Werte der Abweichungen sehr unterschiedlich sind und nicht alle fast gleich sind.
Im Gegenteil, sie nehmen nicht ab, sondern zu!
Ganz grob gesagt, stammen alle Statistiken aus der Energie- oder Arbeitsrechnung (Gastheorie). Das ist nicht ganz richtig, aber es reicht).
Die durchschnittliche Energie der Körper wäre Wcp=(M*V1^2/2 + M*V2^2/2+...)/n. D.h. die Körper müssen, um die Arbeit zu verrichten, eine Durchschnittsgeschwindigkeit Vcp=sqrt(Wcp)/M haben. Die Formeln sind gleichwertig.
Die Durchschnittsgeschwindigkeit ist für diese Berechnungen völlig uninteressant.
Irgendwo am Anfang des Threads schrieb Alexander, dass der Markt selbstähnlich ist. Das heißt, sie hat dieselben Eigenschaften in verschiedenen Zeiträumen.
Um das herauszufinden, habe ich mehrere MAs mit deutlich unterschiedlichen Perioden genommen, sie auf TF 1m aufgetragen und Verteilungen in Bezug auf sie berechnet. Es kann schnell genug in der gleichen R getan werden.
Wenn der Markt selbstähnlich ist, sollten sich die Verteilungen bei einer Vergrößerung überschneiden. Es stellte sich heraus, dass dies nicht der Fall ist, die Verteilungen unterscheiden sich erheblich, d. h. der Markt ist nicht selbstähnlich.
Daraus folgt, dass Strategien, die auf unterschiedlichen Zeitskalen operieren, nicht durch Skalierung auf eine andere Zeitskala verschoben werden können, und in einigen Fällen können sie wahrscheinlich überhaupt nicht verschoben werden.
Die Nichtähnlichkeit bestätigt auch, dass Strategien, die auf verschiedenen Zeitskalen operieren, sich in ihrer Technik stark unterscheiden. Scalping, Intraday, kurz- und mittelfristige Strategien und langfristige Strategien sind allesamt sehr unterschiedliche Handelstechniken.
Vielleicht ist das alles trivial, aber ich hatte vorher nicht darüber nachgedacht.
Laut dem Thread ist Alexanders Strategie "seltene Trades, die stundenlang andauern", obwohl wir das nicht mit Sicherheit wissen, da wir nur eine Demo vor uns hatten.
Meine Tätigkeit findet auf einer anderen Zeitskala des Handels statt, und da der Markt keine Selbstähnlichkeit aufweist, ist es eine ganz andere Technik. Kurz gesagt, nicht mein Sektor des Marktes).
Mit anderen Worten: Es ist lächerlich, Rolls Royce-Händlern Ratschläge zu erteilen, wenn man selbst mit Sauerkraut handelt. Das Gegenteil ist übrigens auch der Fall.
Ich interessiere mich für die von Ihnen aufgeworfene Frage. Die Tatsache, dass es keine Überschneidungen gibt. Ich habe die Minuten von EURUSD für zwei Jahre genommen und beschlossen, die Abhängigkeit der Anzahl der Abweichungen N eines schnellen Durchschnitts mit der Periode T1 Minuten von einem langsamen mit der Periode T2 Minuten für die Gesamtzeit Tall in Minuten auf die Größe der Abweichungen d in 4-stelligen Punkten 0,0001 zu sehen. Für die Mittelwerte T1 und T2 berechnen wir die Häufigkeit ihrer Differenz im halboffenen Bereich [d-0,5, d+0,5] und setzen diese Häufigkeit in Beziehung zu d, wobei wir sie als N(d,T1,T2) bezeichnen.
Dann zählen wir die Summe N(d,T1,T2) über alle angetroffenen Werte von d und teilen N(d,T1,T2) durch sie. Auf diese Weise erhält man die relativen Stichprobenhäufigkeiten n(d,T1,T2), deren Summe für jedes beliebige Paar T1,T2 gleich 1 ist. Man vergleicht nicht zwei Paare (T1,T2) und (T3,T4), sondern vergleicht untereinander die Abweichungen des Mittelwerts Ti vom Verlauf, der ein Durchschnitt mit einer Periode von 0 Minuten ist, was die Anzahl der Berechnungen reduziert. Geben wir einmal 5 Zeiträume mit langsamen Durchschnittswerten an: T1 = 4 T2 = 16 T3 = 64 T4 = 256 T5 = 1024, die Zeiträume von 4 Minuten bis 17 Stunden abdecken. Der schnelle Durchschnitt für diese 5 langsamen Durchschnitte ist einer, T0 = 0, der Kurs selbst. Das heißt, wir sammeln die Frequenzen N(d,Ti,0). Außerdem ist es besser, der Abbildung zu folgen. Für die Analyse wurde eine Tabelle in Excel erstellt (750 Tausend Zeilen 94 Mb) https://yadi.sk/d/97QaopiK3QbTv9 (80 Mb), wer will - prüft sie, vielleicht habe ich einen Fehler gemacht.
Abbildung 1. Abweichungshäufigkeiten der Primärprobe im Bereich von -350 bis +350 Punkten.
Da wir eine Symmetrie erkennen können, addieren wir die Häufigkeiten für Abweichungen mit unterschiedlichen Vorzeichen und wenden die Logarithmierung auch auf die Abszissenachse an. Außerdem erhöhen wir alle Häufigkeiten um 1, um Probleme bei der Berechnung von Logarithmen auszuschließen. Wir erhalten Abb. 2. Nachdem wir die Summen der Stichprobenhäufigkeiten berechnet haben, dividieren wir durch sie und gelangen so zu den relativen Häufigkeiten. Abb. 2 zeigt bereits, dass die Kurven in der Regel äquidistant sind. Berücksichtigen wir auch die Schwingungsamplitude der einzelnen SMAs. Unter Anwendung des Quadratwurzelgesetzes (EQC https://www.mql5.com/ru/forum/193378/page16#comment_5116118 Formel (2), die Schwingungsskala eines Durchschnitts ist proportional zur Wurzel seiner Periode) dividiert man d durch Ti^0,5. Die nächste Abbildung 3 zeigt Kurven, die sich noch mehr annähern. Wenn wir ZKC direkt auf die Schwingungen selbst anwenden, stellt sich heraus, dass ihre Größe umgekehrt proportional zum Quadrat der Frequenz ist. In Abb. 4 wird der letzte Schritt der Reduktion der Verteilungen auf die Automodellform durchgeführt.
Sagen Sie mir, Yuri, nach welcher Art von Selbstähnlichkeit haben Sie gesucht? Nicht die, die ich habe?
cool, ein kleiner Schritt bleibt für Sie (mit Ihren Fähigkeiten) und ein großer Schritt für die Menschheit:
Identifizieren Sie in einem flachen Zeitzyklus die Merkmale eines größeren Zyklus, der sich zum selben Zeitpunkt bildet, mit einer leichten Verschiebung für die Vorhersage. Und extrapolieren Sie den Rest auf einen Zyklus mit einer anderen Periode. Das wäre die Prognose.
Bei mir hat es übrigens nicht funktioniert, aber ich bin ein Brocken in Mathematik und habe es durch Korrelation und affine Drehung von Zyklen geschafft (ähnliche Zyklen können unter verschiedenen Winkeln existieren), und die Abhängigkeiten sind dort vielleicht nicht so nachsichtig. :)
Oder besser gesagt, etwas hat funktioniert, aber ich bin nicht zufrieden mit den Ergebnissen... Ich kann Ihnen Code-Beispiele und Bilder geben
Ich interessiere mich für die von Ihnen aufgeworfene Frage. Die Tatsache, dass es keine Überschneidungen gibt. Ich habe die Minuten von EURUSD für zwei Jahre genommen und beschlossen, die Abhängigkeit der Anzahl der Abweichungen N eines schnellen Durchschnitts mit der Periode T1 Minuten von einem langsamen mit der Periode T2 Minuten für die Gesamtzeit Tall in Minuten auf die Größe der Abweichungen d in 4-stelligen Punkten 0,0001 zu sehen. Für die Mittelwerte T1 und T2 berechnen wir die Häufigkeit ihrer Differenz im halboffenen Bereich [d-0,5, d+0,5] und setzen diese Häufigkeit in Beziehung zu d, wobei wir sie als N(d,T1,T2) bezeichnen.
Dann zählen wir die Summe N(d,T1,T2) über alle angetroffenen Werte von d und teilen N(d,T1,T2) durch sie. Auf diese Weise erhält man die relativen Stichprobenhäufigkeiten n(d,T1,T2), deren Summe für jedes beliebige Paar T1,T2 gleich 1 ist. Man vergleicht nicht zwei Paare (T1,T2) und (T3,T4), sondern vergleicht untereinander die Abweichungen des Mittelwerts Ti vom Verlauf, der ein Durchschnitt mit einer Periode von 0 Minuten ist, was die Anzahl der Berechnungen reduziert. Geben wir einmal 5 Zeiträume mit langsamen Durchschnittswerten an: T1 = 4 T2 = 16 T3 = 64 T4 = 256 T5 = 1024, die Zeiträume von 4 Minuten bis 17 Stunden abdecken. Der schnelle Durchschnitt für diese 5 langsamen Durchschnitte ist einer, T0 = 0, die Rate selbst. Das heißt
sammeln wir Frequenzen N(d,Ti,0). Außerdem ist es besser, der Abbildung zu folgen. Für die Analyse habe ich eine Tabelle in Excel erstellt (750 Tausend Zeilen, 94 Mb) https://yadi.sk/d/97QaopiK3QbTv9,(80 Mb) wer will - überprüfen, vielleicht habe ich einen Fehler gemacht.
Abbildung 1. Primäre Stichprobenhäufigkeiten von Abweichungen im Bereich von -350 bis +350 Punkten.
Da wir eine Symmetrie erkennen können, addieren wir die Häufigkeiten für Abweichungen mit unterschiedlichen Vorzeichen und wenden den Logarithmus auf die Abszissenachse an. Außerdem erhöhen wir alle Häufigkeiten um 1, um Probleme bei der Berechnung von Logarithmen auszuschließen. Wir erhalten Abb. 2. Nachdem wir die Summen der Stichprobenhäufigkeiten berechnet haben, dividieren wir durch sie und gelangen so zu den relativen Häufigkeiten. Abb. 2 zeigt bereits, dass die Kurven in der Regel äquidistant sind. Berücksichtigen wir auch die Schwingungsamplitude der einzelnen SMAs. Unter Anwendung des Quadratwurzelgesetzes (EQC https://www.mql5.com/ru/forum/193378/page16#comment_5116118 Formel (2), die Schwingungsskala eines Durchschnitts ist proportional zur Wurzel seiner Periode) dividiert man d durch Ti^0,5. Die nächste Abbildung 3 zeigt Kurven, die sich noch mehr annähern. Wenn wir ZKC zum zweiten Mal direkt auf die Schwingungen selbst anwenden, ist ihre Größe umgekehrt proportional zur Frequenz. In Abb. 4 wird der letzte Schritt der Reduktion der Verteilungen auf die Automodellform durchgeführt.
Sagen Sie mir, Yuri, nach welcher Art von Selbstähnlichkeit haben Sie gesucht? Nicht die, die ich mir ausgedacht habe?
Und was ist, wenn wir all dies auf Random-Walk-Plots mit Stäben unterschiedlicher Periode tun?
Irgendwo am Anfang des Threads schrieb Alexander, dass der Markt selbstähnlich ist. Das heißt, sie hat dieselben Eigenschaften in verschiedenen Zeiträumen.
Um das herauszufinden, habe ich mehrere MAs mit deutlich unterschiedlichen Perioden genommen, sie auf TF 1m aufgetragen und Verteilungen in Bezug auf sie berechnet. Es kann schnell genug in der gleichen R getan werden.
Wenn der Markt selbstähnlich ist, sollten sich die Verteilungen bei einer Vergrößerung überschneiden. Es stellt sich heraus, dass dies nicht der Fall ist, die Verteilungen unterscheiden sich erheblich, d. h. der Markt ist nicht selbstähnlich.
Können Sie mir ein paar Bilder zeigen, wie man die Skalierung vornimmt?