Auf digitalen Filtern basierende Handelsstrategien - Seite 29
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
Hallo!
Es ist schön zu sehen, dass die Diskussion weitergeht :-)
Ich war 3 Wochen im Urlaub und werde mir alles anschauen, was ich verpasst habe, um die Diskussion mit euch allen zu verfolgen.
Vielen Dank an alle!!
Ich möchte einen Zyklus von Artikeln über die Zeitreihenanalyse beginnen. Wenn jemand daran interessiert ist, werde ich das Material fortführen und vervollständigen.
Meiner Meinung nach ist die Verwendung der Spektralanalyse für Devisennotierungen ohne vorherige Vorbereitung der Auszüge falsch. In Anbetracht der Tatsache, dass die Untersuchung einiger Notierungen zeigt, dass wir es mit nicht-stationären Zeitreihen zu tun haben, und die Methoden der Spektralanalyse nur für stationäre Zeitreihen geeignet sind, werden wir eine Spektralanalyse der Tagesnotierungen gbpjpy, aller Auszüge und der Hälfte der Auszüge durchführen, wie wir aus den Bildern Spektrum der Notierungen "variieren" sehen.
Abb.1 GBP/JPY D1 volle Zeitreihe
Abb.2 GBP/JPY D1-Halbzeitreihe
In der mathematischen Statistik werden für den Übergang von einem nicht-stationären Prozess zu einem stationären verschiedene Transformationen verwendet. Deren Wesen besteht in Folgendem. Nehmen wir an, es gibt eine Reihe R0 = {R0.1, R0.2, ..., R0.n}, dann ist die Differentialtransformation 1. Ordnung von R0 die Zahl R1 = {R1.1, R1.2, ..., R1.n-1}, wobei R1.i = R0.(i+1)-R0.i . In der Tat ist die auf diese Weise erhaltene Sequenz eine Anzahl von Inkrementen des Anfangsprozesses.
Machen wir eine Spektralanalyse für die empfangene Sequenz. Ebenso wie im Beispiel für die regulären Extrakte werden wir die Hälfte der künstlichen Extrakte und alle künstlichen Extrakte nehmen.
Abb.3 Künstliche Zeitreihe GBP/JPY D1
Die Abbildung zeigt die folgenden Peaks: 106, 63, 48, 38, 33, 27 .....
Sie können diese Peaks für die EA-Entwicklung verwenden. Wir können gute Ergebnisse erzielen, wenn wir Filter auf die empfangenen Frequenzen anwenden. Mein Ergebnis:
Zeitraum Täglich (D1) 2000.06.29 - 2008.02.27
Ersteinlage 10000.00
Gesamtnettogewinn 106100.66
Maximaler Verlust 16.44%
Ich wollte diesen Thread ein wenig beleben....also hier ist ein Handel, den ich heute Abend aufgesetzt habe....wir werden sehen, wie es läuft....der 4-Stunden-Trend ist aufwärts....der Short könnte ein Retracement sein, das weitere 6 Stunden oder so dauert.....SATL unter RSTL und beide abwärts geneigt....STLM negativ.....3 Zyklen, die nach unten zeigen...
Ich hoffe, es geht euch gut...
clSieht gut aus, Kumpel. Halten Sie uns auf dem Laufenden, wie Ihre Tests verlaufen.
Hinweis = Seien Sie vorsichtig bei der Verwendung von MTF-Indikatoren. Ich bin sicher, Sie wissen, warum ich das sage, also möchte ich Sie nicht bevormunden. Die folgende Erklärung ist für diejenigen, die es vielleicht nicht wissen:
MTF-Indikatoren können und werden geschlossene Balken auf dem aktuellen Zeitrahmen aktualisieren, wenn sich das Signal auf dem höheren Zeitrahmen vor dem Schließen dieses Balkens ändert.
Beispiel:
Nehmen wir an, Sie verwenden einen MTF MACD auf M15, dessen Parameter auf H1 eingestellt sind. Um 00:45 Uhr sind die vorherigen 3 Balken blau und signalisieren eine mögliche Erholung. Sie geben einen Long-Auftrag ein und gehen weg. Um 01:00 Uhr kehren Sie zurück, und die letzten 4 Balken sind jetzt rot und signalisieren einen möglichen Rückgang. Sie denken, dass Sie entweder verrückt sind oder dass diese Balken ihre Farbe geändert haben, NACHDEM sie "geschlossen" wurden.
Tatsache ist, dass sie in der Tat auf M15 geschlossen haben, aber es war immer noch ein offener Balken auf H1. Technisch gesehen gab es keine "Umfärbung", zumindest nicht im herkömmlichen Sinne. Dies ist ein extremerer Fall, aber je größer der Abstand zwischen dem aktuellen Zeitrahmen und dem Zeitrahmen ist, der mit dem MTF-Indikator überwacht wird, desto größer ist die Wahrscheinlichkeit eines solchen Ereignisses. Dies ist der Nachteil von MTF-Indikatoren.
Ich betrachte gerne M30 auf M15, H1 auf M30 und manchmal H4 auf H1 (allerdings nicht oft). Es ist einfacher, sich aus Schwierigkeiten herauszuhalten.
Meine Idee war, so etwas wie Vladimir Kravchuk, hier erklärt zu tun. Könnte eine schnellere Zeitrahmen gedacht und nur FTLM, FTLM_KG alias MTLM, und STLM und RBCI alle optimiert, um das Paar und Zeitrahmen.
Sieht gut aus, Kumpel. Halten Sie uns auf dem Laufenden, wie Ihre Tests verlaufen.
Hinweis = Seien Sie vorsichtig bei der Verwendung von MTF-Indikatoren. Ich bin sicher, Sie wissen, warum ich das sage, also möchte ich Sie nicht bevormunden. Die folgende Erklärung ist für diejenigen, die es vielleicht nicht wissen:
MTF-Indikatoren können und werden geschlossene Balken auf dem aktuellen Zeitrahmen aktualisieren, wenn sich das Signal auf dem höheren Zeitrahmen vor dem Schließen dieses Balkens ändert.
Beispiel:
Nehmen wir an, Sie verwenden einen MTF MACD auf M15, dessen Parameter auf H1 eingestellt sind. Um 00:45 Uhr sind die vorherigen 3 Balken blau und signalisieren eine mögliche Erholung. Sie geben einen Long-Auftrag ein und gehen weg. Um 01:00 Uhr kehren Sie zurück, und die letzten 4 Balken sind jetzt rot und signalisieren einen möglichen Rückgang. Sie denken, dass Sie entweder verrückt sind oder dass diese Balken ihre Farbe geändert haben, NACHDEM sie "geschlossen" wurden.
Tatsache ist, dass sie in der Tat auf M15 geschlossen haben, aber es war immer noch ein offener Balken auf H1. Technisch gesehen gab es keine "Umfärbung", zumindest nicht im herkömmlichen Sinne. Dies ist ein extremerer Fall, aber je größer der Abstand zwischen dem aktuellen Zeitrahmen und dem Zeitrahmen ist, der mit dem MTF-Indikator überwacht wird, desto größer ist die Wahrscheinlichkeit eines solchen Ereignisses. Dies ist der Nachteil von MTF-Indikatoren.
Ich betrachte gerne M30 auf M15, H1 auf M30 und manchmal H4 auf H1 (allerdings nicht oft). Es ist einfacher, sich aus Schwierigkeiten herauszuhalten.
Meine Idee war, so etwas wie Vladimir Kravchuk zu tun, hier erklärt. Könnte eine schnellere Zeitrahmen gedacht und nur FTLM, FTLM_KG alias MTLM, und STLM und RBCI alle optimiert, um das Paar und Zeitrahmen verwenden.ja, die mtf-Sache hat definitiv einige "Probleme" in Bezug auf die strenge Interpretation....
ich schließe mich den kommentaren von ffl im thread von robertinno an...könntest du das näher erläutern...
cl
Robertinno,
Natürlich sind wir daran interessiert. Je mehr, desto besser. Danke fürs Mitmachen.
Fragen":
Was sind stationäre Zeitreihen und was sind nichtstationäre Zeitreihen?
Können Sie die Bedeutung von "vorläufige Auszugsvorbereitung" genauer erläutern? Ich kann den Unterschied zwischen den beiden mit den von Ihnen geposteten Screenshots sehen, in denen Sie Ihre Spektrumergebnisse mit denen des Spektrumanalysators der DFG-Software vergleichen.
Wenn Sie eine "Halbreihe" verwenden, beziehen Sie dann einige der Theorien von Hurst über die Verwendung von "Halbzyklen" mit ein, oder liege ich da falsch?
Verstehe ich Sie also richtig, wenn Sie sagen, dass wir bessere digitale Filter erzeugen würden, wenn wir diese "richtige" Methode der Spektralanalyse verwenden würden?
Was halten Sie von der Verwendung des "Goertzel-Algorithmus" im Vergleich zur "Maximum-Entrophy-Methode", wie sie ein paar Seiten weiter hinten erwähnt wurde, beginnend hier
Gibt es eine Lektüre, die Sie persönlich einem absoluten Neuling in diesem Bereich empfehlen würden?stationäre Zeitreihen - Zeitreihen mit konstanter zeitlicher Wahrscheinlichkeitscharakteristik: Durchschnitt der Verteilung = konstant und mittlere quadratische Abweichung = konstant
künstliche Zeitreihen
1-Robertinho..ich zitiere aus Ihren früheren Beiträgen:
"In der mathematischen Statistik werden für den Übergang von nicht-stationären zu stationären Prozessen verschiedene Transformationen verwendet. Ihre Essenz besteht in folgendem. Nehmen wir an, es gibt eine Reihe R0 = {R0.1, R0.2, ..., R0.n}, dann ist die Differentialtransformation 1. Ordnung von R0 die Zahl R1 = {R1.1, R1.2, ..., R1.n-1}, wobei R1.i = R0.(i+1)-R0.i . In der Tat ist die auf diese Weise erhaltene Sequenz eine Anzahl von Inkrementen des Anfangsprozesses.
Machen wir eine Spektralanalyse für die empfangene Sequenz. Ebenso wie im Beispiel für die regulären Extrakte werden wir die Hälfte der künstlichen Extrakte und alle künstlichen Extrakte nehmen. "
Wenn ich es richtig verstehe, schlagen Sie vor, den Spectrum Analyzer nicht auf der ursprünglichen Preisreihe, sondern auf einer künstlichen Reihe laufen zu lassen, die im Grunde eine Zeitreihe der PREISÄNDERUNGEN ist... Bitte seien Sie so nett und erklären Sie, wenn möglich, wie Sie eine Zeitreihe mit einem Beispiel sowohl der ursprünglichen als auch der künstlichen Reihe vorbereiten....selbst bei sehr einfachen Beispielen könnte es gelingen zu erklären, wie man es macht.
Vielen Dank.
2-FFL:Für den Laien ist eine stationäre Zeitreihe eine Reihe mit sich wiederholenden Zyklen, die immer gleich sind und sich im Laufe der Zeit nicht ändern... Der Trick besteht darin, die sich nicht wiederholenden Zyklen herauszufiltern und nur mit den sich wiederholenden Zyklen zu arbeiten, falls es welche gibt... Es gibt mehrere Möglichkeiten, dies zu tun (Bartels-Test usw.), und was Robertinho vorschlägt, sieht interessant aus, um dies praktisch zu tun.
1-Robertinho..ich zitiere aus deinen früheren Beiträgen:
Wenn ich es richtig verstehe, schlagen Sie vor, den Spectrum Analyzer nicht mit der ursprünglichen Preisreihe zu betreiben, sondern mit einer künstlichen, die im Grunde eine Zeitreihe der PREISÄNDERUNGEN ist... Bitte seien Sie so nett und erklären Sie, wenn möglich, wie Sie eine Zeitreihe vorbereiten, mit einem Beispiel sowohl der ursprünglichen als auch der künstlichen....selbst bei sehr einfachen Beispielen könnte es gelingen, zu erklären, wie man es macht.
Vielen Dank.
Richtig. Ich habe Zeitreiheninkrement close(i) = close(i+1)-close(i), close(i+2)= close(i+2)-close(i+1) ....... close(n)=close(n+1)-close(n) für Spektrumanalysator verwendet.
Ich habe heute Morgen damit herumgespielt.....ich denke, der "Prozess" hat etwas damit zu tun...
exportieren sie die daten nach excel....führen sie die nötigen berechnungen durch, so dass sie die änderung zwischen n's finden.....fügen sie diese werte in ein neues arbeitsblatt ein (paste special = values)....importieren sie zurück in metatrader ist der nächste schritt, denke ich.....andernfalls scheint die digital filter softare eine excel .csv datei nicht zu erkennen...sie sagt, dass dies einer der dateitypen ist, die sie erkennt...aber ich bekomme fehler, wenn ich versuche, sie direkt zu öffnen......
ich habe es geschafft, dass ein paar Vorgänge in der digitalen Filtersoftware angezeigt werden...aber dann kommen die Fehler, wie ich sagte....ich habe die Änderungsrate für alle offenen, hohen, niedrigen und geschlossenen.....sowie nur für die geschlossenen.....
Ich denke, ich bin auf dem richtigen Weg, aber ich brauche weitere Kommentare...
cl
Ich habe Excel für die Vorbereitung von Zeitreihen verwendet