una estrategia de negociación basada en la teoría de las ondas de Elliott - página 206
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
2. Supongamos que existe una variable aleatoria normalmente distribuida con expectativa cero y correlograma positivo.
Si la serie es lo suficientemente larga, podemos marcar cualquier tramo largo de movimiento direccional del precio. Llamemos a esta tendencia determinista. La tendencia determinista puede detectarse mediante filtros digitales de paso bajo o sus derivados. Por ejemplo, el cruce de dos medias móviles con periodos diferentes no es más que la aproximación de una derivada de la serie temporal suavizada. Está claro que esto funciona como las matemáticas exigen: la derivada es mayor que cero, lo que significa que la función es creciente, menos que eso, es decreciente. Pero sólo unos pocos saben que sólo funciona para las series con un FAC positivo, ¡y TODAS las series de divisas en todos los TFs tienen un FAC negativo! Y, como consecuencia, el método no funciona en el mercado, o funciona, pero accidentalmente...
Siguiendo con el tema.
Principales problemas del análisis de series temporales
Las principales diferencias entre una serie temporal y una secuencia de observaciones que forman una muestra aleatoria son las siguientes:
- en primer lugar, a diferencia de los elementos de una muestra aleatoria, los miembros de una serie temporal no son independientes;
- en segundo lugar, los miembros de una serie temporal no están necesariamente distribuidos por igual.
Esto significa que las propiedades y reglas del análisis estadístico del muestreo aleatorio no pueden extenderse a las series temporales. Por otra parte, la interdependencia de los términos de las series temporales crea su propia base específica para la construcción de los valores previstos del indicador analizado a partir de los valores observados.
Clasificación de los principales factores bajo cuya influencia se forman los valores de las series temporales.
En general, se distinguen 4 tipos de factores de este tipo.
1. Factores a largo plazo que forman una tendencia general (a largo plazo) en los cambios de un indicador analizado. Normalmente esta tendencia se describe mediante una función no aleatoria (cuyo argumento es el tiempo), generalmente monótona. Esta función se denomina función de tendencia o simplemente tendencia.
2. Estacional, que forma fluctuaciones periódicas en el atributo analizado en determinadas épocas del año. Dado que esta función debe ser periódica (con periodos múltiples de "estaciones"), su expresión analítica implica armónicos (funciones trigonométricas) cuya periodicidad suele estar determinada por la esencia del problema.
3. Cambios cíclicos (coyunturales) en la formación del atributo analizado causados por ciclos a largo plazo de naturaleza económica o demográfica (ondas de Kondratieff, "pozos" demográficos, etc.).
4. Aleatorio (irregular), no contabilizable y no registrable. Su impacto en la formación de los valores de las series temporales sólo provoca la naturaleza estocástica de los elementos de las series, y de ahí la necesidad de interpretar los miembros como observaciones realizadas sobre variables aleatorias. Denotamos el resultado del impacto de los factores aleatorios mediante variables aleatorias ("residuos", "errores").
Por supuesto, no es necesario que los cuatro tipos de factores intervengan simultáneamente en el proceso de formación de los valores de cualquier serie temporal. Las conclusiones sobre si los factores de un tipo determinado participan o no en la formación de los valores de una serie temporal concreta pueden basarse tanto en el análisis de la parte sustancial del problema como en un análisis estadístico especial de la serie temporal investigada. Sin embargo, en todos los casos se supone la participación de factores aleatorios. Así, en términos generales, el modelo de formación de datos (con un esquema estructural aditivo de la influencia de los factores) parece una suma de todos o algunos de los factores.
Bien, continuemos:
Neutrón, ¿he entendido bien que sólo la serie que tiene expectativa cero y correlograma positivo puede considerarse determinista?
2. Supongamos que existe una variable aleatoria normalmente distribuida con expectativa cero y correlograma positivo.
Si la serie es lo suficientemente larga, podemos marcar cualquier tramo largo de movimiento direccional del precio. Llamemos a esta tendencia determinista. La tendencia determinista puede detectarse mediante filtros digitales de paso bajo o sus derivados. Por ejemplo, el cruce de dos medias móviles con periodos diferentes no es más que la aproximación de una derivada de la serie temporal suavizada. Está claro que esto funciona como las matemáticas exigen: una derivada mayor que cero significa que la función es creciente, menor que cero significa que la función es decreciente. Pero sólo unos pocos saben que sólo funciona para las series con un FAC positivo, ¡y TODAS las series de divisas en todos los TFs tienen un FAC negativo! Y, como consecuencia, el método no funciona en el mercado, o funciona, pero accidentalmente...
Sigamos con el tema.
Principales tareas del análisis de series temporales
Las principales diferencias entre una serie temporal y una secuencia de observaciones que forman una muestra aleatoria son las siguientes:
- En primer lugar, a diferencia de los elementos de una muestra aleatoria, los miembros de una serie temporal no son independientes;
- En segundo lugar, los miembros de una serie temporal no están necesariamente distribuidos por igual.
Esto significa que las propiedades y reglas del análisis estadístico del muestreo aleatorio no pueden extenderse a las series temporales. Por otra parte, la interdependencia de los miembros de la serie temporal crea su propia base específica para la construcción de los valores previstos del indicador analizado a partir de los valores observados.
Clasificación de los principales factores bajo cuya influencia se forman los valores de las series temporales.
En general, se distinguen 4 tipos de factores de este tipo.
1. Factores a largo plazo que forman una tendencia general (a largo plazo) en los cambios de un indicador analizado. Normalmente esta tendencia se describe mediante una función no aleatoria (cuyo argumento es el tiempo), generalmente monótona. Esta función se denomina función de tendencia o simplemente tendencia.
2. Estacional, que forma fluctuaciones periódicas en el atributo analizado en determinadas épocas del año. Dado que esta función debe ser periódica (con periodos múltiples de "estaciones"), su expresión analítica implica armónicos (funciones trigonométricas) cuya periodicidad suele estar determinada por la esencia del problema.
3. Cambios cíclicos (coyunturales) en la formación del atributo analizado causados por ciclos a largo plazo de naturaleza económica o demográfica (ondas de Kondratieff, "pozos" demográficos, etc.).
4. Aleatorio (irregular), no contabilizable y no registrable. Su impacto en la formación de los valores de las series temporales sólo provoca la naturaleza estocástica de los elementos de las series, y de ahí la necesidad de interpretar los miembros como observaciones realizadas sobre variables aleatorias. Denotamos el resultado del impacto de los factores aleatorios mediante variables aleatorias ("residuos", "errores").
Por supuesto, no es necesario que los cuatro tipos de factores intervengan simultáneamente en el proceso de formación de los valores de cualquier serie temporal. Las conclusiones sobre si los factores de un tipo determinado participan o no en la formación de los valores de una serie temporal concreta pueden basarse tanto en el análisis de la parte sustancial del problema como en un análisis estadístico especial de la serie temporal investigada. Sin embargo, en todos los casos se supone la participación de factores aleatorios. Así, en términos generales, el modelo de formación de datos (con un esquema estructural aditivo de la influencia de los factores) parece una suma de todos o algunos de los factores.
Neutron , ¡¡¡estás lleno de mierda!!! :))))))))))))
Créeme, es mucho más sencillo de lo que crees...
amigo, ¿qué te hace pensar que la distribución es normal? Todas las esquinas gritan sobre las colas pesadas...
(de hecho, es lognormal.)
y todo es descrito por algo así como una ecuación logística, con todo lo que ello implica.
y otra confirmación de esto - experimentos grasn (no recuerdo exactamente, pero con dimensión fractal, o con Hirst...)
P.D. por cierto, hay un hermoso libro de Haken "Información y autoorganización. enfoque macroscópico de los sistemas complejos".
PS Северный Ветер, а что такое Н-волатильность ?
Aquí http://forum.fxclub.org/showthread.php?t=32942&page=9, hacia la mitad de la página, hay breves extractos de la fuente original.
Gracias por el enlace. Y es un tema interesante.
No entiendo por qué la gente es tan rara allí. El hilo sobre las monedas se ahoga en la inundación. ¿Por qué?
Parece que el tema no interesa a nadie y sólo quieren rascarse la lengua.
Lo de la volatilidad H es demasiado escueto para entenderlo todo, pero suficiente para hacerse una idea.
Me pregunto si el acceso a la tesis en sí está abierto ? ¿Se puede acceder a él a través de Internet?
Neutrón, ¿he entendido bien que sólo la serie que tiene expectativa cero y correlograma positivo puede considerarse determinista?
No, una tendencia determinista es una tendencia generada por la integración de una variable aleatoria normalmente distribuida con expectativa cero y un correlograma positivo.
...compañero, ¿qué te hace pensar que la distribución es normal? Ya sabes, gritan lo de las colas pesadas en cada esquina...
(de hecho, es lognormal.)
Para que quede claro. La distribución no tiene por qué ser normal. En la realidad, se aproxima bien con una distribución exponencial de dos parámetros. Da esas colas muy gruesas.
Neutron ¡¡¡Qué mierda!!! :))))))))))))
Créeme, es mucho más sencillo de lo que crees...
¡No es cierto! Te haces ilusiones sobre el mercado de divisas. No hay nada más sencillo que eso.
Ha sido probado.
Grasn
Neutrón, ¿he entendido bien que sólo una serie con expectativa cero y un correlograma positivo puede considerarse determinista?
No, una tendencia generada por la integración de una variable aleatoria normalmente distribuida con expectativa cero y un correlograma positivo sería determinista.
Realmente no lo entiendo. ¿Resulta que el concepto de serie determinista no existe? Vamos a ser coherentes. De sus palabras he entendido lo siguiente. Tenemos unas series cuyas características, digamos, desconocemos.
Lo primero que hacemos es comprobar el cumplimiento de los parámetros anteriormente enumerados (expectativa y correlograma positivo) y si se cumplen las condiciones, pasamos a la integración.
¿O integramos una serie de una vez y nos fijamos en sus características?
¿O integramos la serie por alguna variable aleatoria que posea estos parámetros? ¿Pero cómo?
...
Sobre la volatilidad H demasiado sucinta para entender todo, pero suficiente para hacerse una idea.
Me pregunto si la propia tesis es de libre acceso. ¿Es posible conseguirlo en Internet?
punto de partida http://forex.kbpauk.ru/showflat.php?Cat=0&Board=mts&Number=139469&page=0&fpart=all
la tesis en sí está disponible en la araña, en la sección de libros, pero es necesario registrarse allí. yo tengo la misma.
Realmente no lo entiendo. ¿Resulta que el concepto de serie determinista no existe? Vamos a ser coherentes. De lo que has dicho he entendido lo siguiente. Tenemos unas series cuyas características, digamos, desconocemos.
Lo primero que hacemos es comprobar el cumplimiento de los parámetros anteriormente enumerados (expectativa y correlograma positivo) y si se cumplen las condiciones, pasamos a la integración.
¿O integramos una serie de una vez y nos fijamos en sus características?
¿O integramos la serie por alguna variable aleatoria que posea estos parámetros? ¿Pero cómo?
Sergey, las series temporales con las que operamos (series de precios) son ya series integradas de primer orden (por regla general). Tomando diferencias sucesivas obtendremos una serie estacionaria de residuos cuyas propiedades estudiaremos. Este es el movimiento correcto. Al abrir una posición, en realidad no operamos con el valor absoluto de la tasa de símbolos, sino con su incremento previsto para el tiempo de mantenimiento de la posición, es decir, trabajamos con una serie de diferencias. Como he dicho antes, toda la variedad de estrategias de trading se reduce a una sola acción: predecir la dirección del movimiento del precio después de abrir una posición...
Es demasiado pronto para derivar un criterio para detectar una tendencia determinista. Necesitamos construir una imagen completa y, a ser posible, internamente consistente de la formación de los precios, y sólo entonces sabremos cómo construir un modelo predictivo óptimo. Mi esperanza.
La tesis en sí está disponible en la araña, en la sección de libros, pero hay que registrarse allí.
Gracias, el registro es, aunque voy allí sólo "necesidad". En mi opinión, es muy oscuro.
Ya lo hice.