Fenómenos del mercado - página 23
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
Acercándose poco a poco a los modelos, y al fenómeno. Así, los modelos estocásticos con una estructura aleatoria presuponen, por supuesto, los propios modelos y una descripción de la transición entre ellos (es decir, alguna lógica probabilística de interceptación de un proceso por otro, que estos modelos generan). Podemos decir que la PA está descrita por 100 ecuaciones diferenciales de Ito, y entonces hay una cuestión de identificación de los modelos, - qué funciones, qué sesgos, qué coeficientes de difusión para cada uno, cuál es el vector de probabilidad inicial de los estados de los sistemas, en general - no es una tarea trivial.
Así que he inventado una transformación que descompone cualquier serie temporal inicial en dos subprocesos. No he visto nada parecido antes, pero quizá sea uno de los casos particulares de representación canónica de funciones aleatorias. Quién sabe, no soy un matemático profesional. Lo esencial es "tamizar" a través de una cuadrícula. Pero no importa, no voy a exponer las matemáticas todavía, tengo que ocuparme de las ideas y el concepto. Lo importante es que después de la transformación obtenemos sólo dos procesos, estos procesos son lineales pero tienen una estructura más complicada.
Proceso aleatorio. El proceso se ajusta en sus características a los incrementos de M15
Tras la transformación obtenemos:
Para un proceso aleatorio, los coeficientes b(alfa) y b(omega) en los modelos, serán modulares, la diferencia de longitudes respectivamente mostrará el predominio de una u otra dinámica, y para un proceso aleatorio la estructura interna de los procesos separados será cercana a la línea. Todavía hay algunas cuestiones teóricas y el desarrollo de mejores algoritmos, pero eso es una historia aparte.
Por cierto, otra afirmación indirecta (en el sentido de que aún no está estrictamente probada) es que el proceso citado no es aleatorio, ya que las características de descomposición son diferentes de las de los BP aleatorios (bueno... aún no está estrictamente todo ahí).
Por tanto, queda la cuestión de las probabilidades de transición entre estados (procesos). Si estas transiciones pueden considerarse "markovianas", entonces mediante la fórmula de Kolmogorov-Chempen será posible obtener las probabilidades de los estados del sistema en un horizonte determinado en el futuro.
Sobre el fenómeno más genial (esto no es sólo una rama de los fenómenos listos, como si la investigación está permitida o no...). Así que aquí estoy seguro de que hay"patrones estocásticos" (el AT no tiene nada que ver), una certeza muy fuerte, espero que se confirme. Es posible que me equivoque y entonces, ya siento, da miedo imaginarlo, paukas después de todo se presentará una factura por el lucro cesante para su pago.
No entiendo una cosa, ¿por qué necesitas analizar a Oreps?
Pues bien, los oppens y los cierres se bajan o suben artificialmente al cierre de la barra, a veces parece que al cierre de la barra "se juega a redibujar el color de la vela".
En serio, hay que medir el proceso en intervalos de tiempo iguales (el DSP es más conocido y correcto desde el punto de vista de la ingeniería).
NN, estás buscando algún tipo de impulso
Mi teoría es que todo lo que recibimos de DC, todo OHLC, es artificial. En serio, hay que medir el proceso en intervalos de tiempo iguales (ya que desde el punto de vista de la ingeniería el DSP es más familiar y correcto). Las propiedades de la OHLC no me parecen muy diferentes.
Bueno, por el bien de los intereses podrías intentar ver el alfa por el alto-am y el omega por el bajo-am.
No es una pregunta, sólo el próximo domingo, cuando llegue al laboratorio. No creo que cambien fundamentalmente, incluso todas las características de conversión seguirán siendo aproximadamente las mismas.
a todos
Una vez más me gustaría prestar atención, no sé los colegas, pero cuando se toma dentro de la RMS del incremento dio una tendencia - me sorprendió mucho. Confieso que esperaba algo así como una tendencia a vagar. Realmente es una tendencia. Mostré por ejemplo el coeficiente de determinación, pero es un indicador muy malo, ya que caracteriza la calidad de ajuste del modelo a la serie original, es decir, una regresión lineal puede ajustar perfectamente cualquier serie, incluso una aleatoria y mostrará que por ejemplo el 95% de las series temporales sobre 10 años de historia son explicadas por a+b*x dentro del error medio. Una vez utilizadas las características fractales, en particular la estimación del índice de Hearst de varias maneras (análisis R/S, desviaciones de la varianza...). Se tarda mucho en calcular, pero muestra con seguridad la tendencia para un LAMBDA dado, a diferencia de los paseos aleatorios.
También hay sutilezas interesantes, pero eso es mucho más tarde.
Supuestos del modelo.
...
Taki, esto es mucho más interesante que antes.
Esta es la pregunta, ¿hay alguna correlación significativa entre los recuentos, en ambos procesos (tendencia lineal, eso no es realmente). El pensamiento es simple, si dicha dependencia aparece, después de todas las transformaciones, entonces los procesos (ambos) sí tienen propiedades que los distinguen de un paseo aleatorio.
Por cierto, para dividir en procesos también podemos usarlo. Es decir, dividir no por el corte RMS, sino por... no sé, por autocorrelación, por ejemplo.
Taki, esto es mucho más interesante que antes.
La cuestión es si hay alguna dependencia significativa entre las muestras en ambos procesos (tendencia lineal, no realmente). El pensamiento es simple, si dicha dependencia aparece, después de todas las transformaciones, entonces los procesos (ambos) sí tienen propiedades que los distinguen de un paseo aleatorio.
Por cierto, para dividir en procesos también podemos usarlo. Es decir, dividir no por el corte RMS, sino por... no sé, la autocorrelación, por ejemplo.
¿De dónde provienen los patrones/dependencias? Se toma un marco temporal y se pone una parte de los incrementos en una pila y otra en otra, según el valor. Y unos pocos puntos o un desplazamiento del punto de referencia pueden cambiar la composición de estos "procesos". ¿De dónde sale la lógica comercial con semejante desglose? Nos referiremos a 20 puntos en m15 a omega, pero si tuviéramos 21 puntos sería diferente - es alfa :) ¿De dónde ha salido esa matriz de división de los retornados? ¿Cómo podría haber resultado diferente incluso a un paseo aleatorio, ya que la matriz muestra que un "proceso" obtendrá más retornos negativos y el otro más positivos? Por supuesto, un proceso obtendrá más retornos negativos y el otro obtendrá más retornos positivos...
Taki, esto es mucho más interesante que antes.
La cuestión es si existe alguna dependencia significativa entre los recuentos de ambos procesos. El pensamiento es simple, si tal dependencia aparece después de todas las transformaciones, entonces los procesos realmente tienen propiedades que los distinguen del paseo aleatorio.
La correlación de estos procesos no se ha visto todavía. Además, no lo he mirado a propósito. La razón principal es que "elegí" de la serie sólo las muestras que entraban en la clasificación. Los agujeros que aparecen fueron simplemente ignorados. Es decir, según la concepción original, hay una tendencia determinista, con una estructura más compleja que una simple línea, pero es determinista. Y este proceso de "tendencia" es interrumpido (exactamente interrumpido o destruido) por otro "proceso asesino" más complejo (rabos, orejas, lo que sea que sobresalga). Es importante señalar que no es la tendencia la que se mezcla con el ruido, sino que compiten dos procesos muy complejos, uno creativo y otro destructivo.
¿Usar? - Casi fácil :o) Se puede predecir el "proceso de arrastre" con la suficiente precisión (dentro de unos límites razonables), y luego, por ejemplo, mediante el método de Montecarlo, estimar la destrucción futura, así como estimar los niveles más probables de acumulación de precios tras el "crash".
Y creo que en este proceso interminable de creación y destrucción de tendencias debe haber estos mismos "patrones estocásticos". Se trata de diferentes ángulos, y aquí hay otro enfoque. Pero la filosofía cambia un poco, resulta que hay una tendencia, está predeterminada por la propia naturaleza de la empresa, sociedad, país, lo que sea. Es uno, es decir, no hay toros y osos. Pero hay condiciones ambientales en las que esta tendencia no puede existir en condiciones ideales, y la propia sociedad puede destruirla (la tendencia). Pero todo esto es letra, no hagas caso.
Por cierto, para dividir un proceso, también es posible utilizar esto. Es decir, dividir no por corte RMS, sino por... no sé, por autocorrelación, por ejemplo.
En principio, esto es correcto, pero no es la única forma de filtrar.
P.D. IMPORTANTE: ¡¡¡No he podido filtrar este proceso en términos de DSP, no he podido filtrarlo en absoluto!!! Pero este método primitivo dio resultados. Creo que esto debería funcionar bien aquí, cualquier cosa que implique el prefijo "multi".
El próximo domingo intentaré evaluar las diferentes características de estos procesos particulares.
¿De dónde provienen los patrones/dependencias? Han cogido unos plazos y han puesto unos incrementos en un montón y otros en otro dependiendo del valor. Y unos pocos puntos o un desplazamiento del punto de referencia pueden cambiar la composición de estos "procesos". ¿De dónde sale la lógica comercial con semejante desglose? Nos referiremos a 20 puntos en m15 a omega, pero si tuviéramos 21 puntos sería diferente - es alfa :) ¿De dónde ha salido esa matriz de división de los retornados? ¿Cómo podría haber resultado diferente incluso a un paseo aleatorio, ya que la matriz muestra que un "proceso" obtendrá más retornos negativos y el otro más positivos? Por supuesto, un proceso obtendrá más retornos negativos y el otro obtendrá más retornos positivos...
no es tan sencillo. Recordando el post de Alexei:
Otro fenómeno es la memoria a largo plazo.
La mayoría de nosotros (de los que se dedican a ello, claro) estamos acostumbrados a medir la memoria del mercado mediante la correlación de Pearson, más concretamente, la autocorrelación. Es bien sabido que dicha correlación es bastante efímera y significativa, con rezagos de hasta 5-10 bares como máximo. Por ello, se suele concluir que si el mercado tiene memoria, ésta es muy efímera.
Sin embargo, la correlación de Pearson sólo es capaz de medir las relaciones lineales entre barras, y prácticamente ignora las relaciones no lineales entre ellas. La teoría de la correlación de los procesos aleatorios no se llama lineal por nada.
Sin embargo, existen criterios estadísticos que permiten establecer el hecho de una relación arbitraria entre variables aleatorias. Por ejemplo, el criterio de chi-cuadrado - o el criterio de información mutua. La verdad es que no me he molestado con la segunda, pero sí con la primera. No voy a explicar cómo se utiliza: hay muchos manuales en Internet que explican cómo utilizarlo.
La pregunta principal era la siguiente: ¿existe una relación estadística entre barras alejadas (por ejemplo, si hay mil barras entre ellas)? No había ninguna duda sobre cómo utilizarlo en el comercio.
La respuesta es sí, existe, y es muy significativa.
Por ejemplo, si tomamos el historial del EURUSD desde 1999 en H1 y comprobamos el chi-cuadrado para los retornos de los pares, descubrimos que en el rango de "distancias" entre barras entre 10 y 6000, en aproximadamente el 90% de los casos la barra actual depende de las barras del pasado. ¡90%! Con distancias entre barras superiores a 6000, estas dependencias son menos frecuentes, pero siguen existiendo.
Francamente, este "descubrimiento" me ha dejado atónito, ya que demuestra directamente que el euro tiene una memoria a muy largo plazo. En el EURUSD H1 6000 barras es aproximadamente un año. Esto significa que entre las barras horarias de hace un año, todavía hay barras que el cero actual "recuerda".
En H4 se encuentra una dependencia significativa hasta unos 1000-1500 bares. Es decir, la duración de la "memoria del mercado" sigue siendo la misma: alrededor de un año.
Recordemos que Peters dice que la memoria del mercado es de unos 4 años. Sin embargo, la contradicción... Todavía no sé cómo resolverlo.
Sin calmarme, decidí comprobar si mi chi-cuadrado mostraría tales dependencias si alimentaba la entrada con rendimientos sintéticos generados de forma independiente. Elegí dos posibles distribuciones de los rendimientos sintéticos - normal y de Laplace - y lo ejecuté. Sí, se nota, pero dentro del nivel de significación del criterio (yo tenía 0,01). En otras palabras, el sintético mostró alrededor de un 1% de barras dependientes en el pasado, justo en el nivel de probabilidad de error de criterio.
¿Cuáles son las conclusiones?
1. Las cotizaciones del euro no son en absoluto un proceso de Markov. En un proceso de Markov, el valor actual sólo depende del valor anterior. En nuestro caso tenemos numerosas barras en el pasado muy lejano, de las que depende la barra actual.
2. La llamada "fundación" desempeña ciertamente un cierto papel, digamos que como excusa para mover las comillas. Pero ciertamente no es el único. ¡Hay que ver la técnica!
3. Este resultado sigue siendo puramente teórico y no tiene ninguna importancia práctica. Sin embargo, demuestra claramente que no todo está perdido para los que buscan algo.
Avals, no te apresures a sacar conclusiones...
¡¡¡PD: Y lo que escribió Alexey, lo confirmo completamente!!!