una estrategia de negociación basada en la teoría de las ondas de Elliott - página 224
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
por el valor H, positivo o negativo, según el signo de
de la diferencia de precios al final y al principio del intervalo. Se calcula como
=(Valor del precio al final del intervalo - valor del precio al principio del intervalo)/H, por tanto
por lo que sólo puede tomar los valores 1 o -1.
Si examinamos los gráficos de ticks con valores bajos de H, podemos ver que el precio cambia en 2H, 3H o más por tick. ¿Cuál es el valor del cambio de precio en este caso?
por el valor H, positivo o negativo, según el signo
de la diferencia de precios al final y al principio del intervalo. Se calcula como
=(Valor del precio al final del intervalo - valor del precio al principio del intervalo)/H, por tanto
por lo que sólo puede tomar los valores 1 o -1.
Si se examina un gráfico de ticks con valores pequeños de H, es posible que
el precio por tick cambia en 2H, 3H o más. Cuál es el valor en este caso
¿Cambio de precio?
Sí, aquí hay una inexactitud. Este fenómeno, en la modulación delta, se denomina "sobrecarga de pendiente".
Se evalúa negativamente. En principio, la fórmula es correcta. Entonces es así:
El cambio de precio es el intervalo en el que cambia el valor del precio
por el valor H, positivo o negativo, según el signo
de la diferencia de precios al final y al principio del intervalo. Se calcula como
=(Valor del precio al final del intervalo - valor del precio al principio del intervalo)/H
por lo tanto, sólo puede tomar valores enteros positivos o negativos
así como los valores negativos.
Por lo tanto, en el caso de 2H, 3H, etc. será 2, 3, etc.
Gracias al consejo de solandr he descargado el archivo de teca de la página web.
No es necesario enviar por segunda vez un paquete.
Gracias.
contra-direccionales?
Mirando la figura.
Considero que el segmento de Oren[i-1] a Oren[i], de la zona de valores de la función, es un salto de precio en sentido contrario al segmento de Oren[i-2] a Oren[i-1]. El criterio para el salto contrapuesto es el cumplimiento de la desigualdad:
(Orep[k]-Orep[k-1])*(Orep[k+1]-Orep[k])<0.
El tramo de Orep[i] a Orep[i+1] es codireccional respecto al tramo de Orep[i-1] a Orep[i]. El criterio de la codireccionalidad del salto, es el cumplimiento de la desigualdad:
(Open[k]-Open[k-1])*(Open[k+1]-Open[k])>0.
Ahora prestemos atención a lo que Pastukhov escribe en su artículo:
Vt y Ut en sentido es un número de todos los saltos multiplicado por H
Nt y Mt en sentido es sólo suma de todos los saltos contra-dirigidos.
Entonces la afirmación que di en el post anterior:
FAC=1-2/H, es correcta.
a Grans
Sergei, mira el comportamiento del precio y dime: ¿es este un mercado de tendencia o de pullback?
¡Correcto! - Es imposible responder de forma inequívoca: la pregunta no es correcta. En TF=1 se trata de un mercado de tendencia. En efecto, la suma en cualquier parte de la serie temporal de los productos de los picos adyacentes es siempre positiva y debe abrirse una posición en la dirección del movimiento del precio. En la TF=50, por el contrario, vemos un pronunciado plano. En efecto, la suma sobre cualquier segmento de la serie temporal (TF=50) de los productos de los picos adyacentes es siempre negativa y debe abrirse una posición contra la dirección del precio anterior.
Ahora, dos palabras sobre lo "larga" que debe ser la suma. Ya he escrito sobre los resultados estadísticos. La conclusión es la única, el número de miembros de la suma debe ser al menos 100. En este caso, las fluctuaciones de los resultados obtenidos no superarán el 10%. Esta precisión es probablemente suficiente para los fines de la aplicación.
¡Ahora, presta atención! Veamos tu dibujo del post anterior. Lo que se resalta con los ojos como tendencia debe tener unos cien intervalos para que se resalte de forma fiable. Si esta sección se divide en 100 intervalos, la TF será 100 veces menor que aquella en la que se "destacó" la tendencia con los ojos. ¡Y no es un hecho que en una TF 100 veces menor no habrá un piso! Recuerda el ejemplo del coseno. Pero será un piso creíble en el que podrás ganar dinero. Piensa en esta paradoja imaginaria.
Ahora, dividamos tu "tendencia" no en 100 intervalos, sino en, digamos, 10. ¡Oh! En efecto, la suma de los productos de los saltos de precios de los vecinos es positiva - ¡TENDENCIA! Sí, salvo que el error de indetificación es del 30%. Esto es lo que se llama una "tendencia estocástica".
Eso es, no puedo explicarlo de otra manera.
Si el FAC es positivo, tenemos un caso de tendencia determinista; si el FAC es negativo, tenemos un flat determinista, o lo que es lo mismo, un pullback en el comportamiento de los precios.
Sergey, gracias por tu paciente explicación. Puede que tengas razón en tu razonamiento. Creo que algunos tardaremos en cambiar nuestra opinión sobre este problema. Desde mi punto de vista, sólo voy a señalar lo siguiente:.
No veo ninguna paradoja. No divido la serie en intervalos. Creo que esta operación no tiene ningún fundamento y comete un gran error. Analizo una serie en su conjunto, sin utilizar ninguna ventana.
No necesito una tendencia. Estoy satisfecho con la fuerza de la relación entre las muestras. En general, esto es suficiente para la previsión (ya he dado ejemplos).
No destaco la tendencia con mis ojos. Si necesito saber con seguridad si es una tendencia o no, utilizo un criterio adicional. Las conclusiones extraídas a partir de este criterio se confirman con mis ojos. Eso es, más precisamente.
La función sin() tiene valores estadísticos de 2,127. Para ella el criterio de "no tendencia" se encuentra en el rango (0: 1,9) y se sitúa casi inmediatamente en este rango. Esto puede clasificarse en mi enfoque como un estado cercano a un "plano"
Las transformaciones de Pastukhov en cierto sentido "desbastan" la serie y están destinadas a un uso bastante diferente. No veo ningún argumento convincente a favor de utilizar estas transformaciones para la detección de tendencias, por ningún método, incluida la autocorrelación.
Una metodología de detección de tendencias no debería tener ningún parámetro de entrada. Tienes dos: el primero es el tamaño de la ventana, el segundo son los parámetros para las construcciones kaga, rengo... ¡Sólo la serie inicial! ¡Tiene de todo!
...Entonces la afirmación que hice en el post anterior:
FAC=1-2/H, es correcta...
Confieso que incluso dudé un poco, en mi derecho. Pero rápidamente
volvió a la realidad. Le sugiero que haga lo mismo.
De acuerdo, al diablo, H-Hurst, no todo el mundo
entiende sus algoritmos de cálculo de todos modos, veamos la FAC. Entiendo que es una función de
autocorrelación. Las fórmulas se pueden encontrar probablemente aquí o en los libros de texto.
He mirado el tutorial y he mirado la implementación del CAE en Statistica.
Construye tres filas de datos, la primera es así: 1,-1,1,-1 etc.
La segunda fila es: 2,-2,2,-2 etc.; y la tercera es 2,-1,2,-1 etc. Las volatilidades H para ellas,
son 1, 2 y 1,5, respectivamente. El valor del CAE, calculado en Statistica, para
lag = 1, para las tres series es -0,995, lo que es en general natural,
basado en la comprensión de la autocorrelación. Para un lag =2, sería 0,993, etc.
Obsérvese que las tres series son completamente diferentes en
Volatilidad H y la misma en FAC (para el mismo retardo).
O su FAC no es el mismo que el convencional, o tiene un error en su razonamiento
.
.
Viento del Norte, influyo en la FAC en una serie de primeras diferencias y tú en la serie original. De ahí la diferencia.
Por supuesto, si se definen dos series X e Y, el coeficiente de correlación se calcula mediante la fórmula
r=SUMA(X*Y)/SUMA(X^2).
Si ahora vamos a la definición del coeficiente de autocorrelación, tenemos:
r=SUM(X[i]*X[i-1])/SUM(X[i]^2),
pasando de esto a las primeras diferencias, obtenemos:
r=SUMA{(X[i]-X[i-1])*(X[i+1]-X[i])}/SUMA(X[i]-X[i-1])^2),
o, en primera aproximación:
r=SUMA{signo((X[i]-X[i-1])*(X[i+1]-X[i]))}/N, donde N es la ventana de suma.
Que es, de hecho, lo que se afirmó.
...Viento del Norte, estoy afectando a FAC en una serie de primeras diferencias y a ti en la serie original. De ahí la diferencia.
Por supuesto, si se definen dos series X e Y, el coeficiente de correlación se calcula mediante la fórmula
Tenga en cuenta que el ejemplo que di de "1,-1,1,-1,1,-1..."
se convierte en "-2,2,-2,2..." en forma de primeras diferencias. FAC(lag=1) para estas series
son idénticos en valor, y corresponde plenamente a las nociones teóricas,
afirmando que para tales series la correlación con el valor anterior
se acerca a 1. Al mismo tiempo, la volatilidad H de estas series consideradas es diferente,
es decir, resulta que su fórmula no es del todo correcta.
Aquí no se utilizaron dos series X e Y. Es que para verificar
tres filas de datos se calcularon de forma independiente.
Se calcula el FAC para las filas "3,-3,3,-3..." y "1,-1,1,-1...",
Si me muestras el resultado, calcularé la volatilidad H. Luego comparamos.
tú muestras el resultado, yo calculo las volatilidades H. Luego comparamos.
Para la primera fila:
FAC=SUMA{signo((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={signo((-3-3)*(3-(-3))+signo((3+3)*(-3-3)+...+}/N=
={-1+(-1)+...+(-1)}/N=-1,
Volatilidad H (denotémosla por H),
H=(suma de los valores absolutos de todos los movimientos del precio)/(suma de las inversiones del movimiento)=h*N/N=1*h, donde h=3.
FAC por su significado, es adimensional. La volatilidad H tiene una dimensión de amplitud, por lo que la normalizamos por h para comparar.
Argumenté FAC=1-2/H, tenemos -1=1-2/1=-1 es decir, la identidad.
Para la segunda serie:
FAC=-1,
H=h*N/N=1*h, donde h=1.
Tenemos -1=1-2/1=-1, es decir, la identidad.
Lo que se requiere para probar.
me muestras el resultado, yo calculo la volatilidad H. Luego comparamos.
Para la primera fila:
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,
Sí, estoy de acuerdo. Sólo que yo lo hice de manera diferente, pero el resultado es el mismo.
La volatilidad H (denotémosla por H),
H=(suma de los valores absolutos de todos los movimientos del precio)/(suma de las inversiones del movimiento)=h*N/N=1*h, donde h=3.
FAC por su significado, es adimensional.
Sí, eso es lo que yo también pienso.
La volatilidad H tiene una dimensión de amplitud, por lo que la normalizamos por h para comparar.
Pero ahí es donde se equivoca. Todo está ya fijado en h. Así que no hay necesidad de normalizarlo.
He argumentado que FAC=1-2/H, tiene -1=1-2/1=-1 es decir, la identidad.
Usted, a expensas de la "normalización", reduce todos los casos a un caso en el que =1.
Además, en lugar de la fórmula "directa" para calcular la volatilidad H parece
Utilizas tu propia fórmula que es errónea y por lo tanto tu resultado es erróneo.
Para la segunda fila:
FAC=-1,
H=h*N/N=1*h, donde h=1.
Tenemos -1=1-2/1=-1, es decir, una identidad.
Que era necesario probar.
Calculemos la FAC y la volatilidad H para
otra serie, por ejemplo, 3,-1,3,-1, etc. Yo sostengo que el FAC sería =-1, la volatilidad H =2.
La partición H se realiza en h=1. No hay que tomar diferencias, la serie es pura.
Por cierto, otro ejemplo interesante de serie, 1,2,-3,1,2,-3. ¿Qué crees que pasará?