¿Qué es ZZ según Pastukhov? Pastukhov investigó el kagi/renko en la construcción clásica. Esta regla (2H) no se aplica exactamente a ZZ. Hay una dependencia del valor de la rodilla en puntos.
VNG: Se puede maximizar investigando la estructura del motor, descomponiéndolo en rangos, obteniendo estadísticas de transiciones a rangos superiores (o inferiores).
Cada triángulo de color es la TF de derecha a izquierda de M1,M5 a MN respecto a la línea vertical que simula la visión del observador de la historia, la historia en forma de rangos de Máximo y Mínimo extremo/histórico
Lo subí a Statistica en forma de abecedario, sí hay zonas/palabras que se repiten, incluso para 2-3 TFs, pero la repetibilidad no es periódica, los periodos de repetición varían desde 2 meses hasta varios años
El Asesor Experto cuenta el número de rodillas Zig-Zag (no menos de Pips) y lo guarda en el archivo
Lo siento, no he mirado el código, pero de esta frase se deduce que el número de pases para calcular el número de rodillas debe ser igual al número de pips en un TF de un minuto del rango de precios máximo a lo largo del historial.
¿Más detalles? ¿Gráficos y demás? - Fue hace mucho tiempo, y sólo ha sobrevivido una conclusión especulativa. Me satisfizo porque se corresponde, a diferencia de la botánica numerológica, con las ideas generales sobre los procesos en el mercado, que son diferentes a distintos niveles. En términos generales, en los niveles pequeños hay una tendencia a la "rentabilidad" (que la HFT explota, y ella misma participa en la creación de este efecto), en los niveles grandes hay una tendencia a la "tendencia" (inversiones a largo plazo). En algún punto intermedio se encuentra lo que Pastukhov describe como 2H - a mi entender algo similar a la martingala o al "mercado eficiente". El segundo punto es que los límites del nivel no son constantes, es decir, es imposible trazar un gráfico y decir que siempre será así. La composición y la naturaleza de los licitadores cambia constantemente, por lo que todo lo demás cambia en consecuencia. Y así sucesivamente.
Ya veo. Bueno, qué puedo decir: de alguna manera confío más en la H-Volatility que en la getch. ;) Al menos con Pastukhov está claro de dónde salen las piernas y cuáles son las ideas.
Para iniciar sesión y usar el sitio web MQL5.com es necesario permitir el uso de Сookies.
Por favor, active este ajuste en su navegador, de lo contrario, no podrá iniciar sesión.
Ha iniciado sesión. La autenticación de dos factores se ha desactivado. Vuelva a configurarla y escanee un nuevo código QR, o continúe con la autenticación de dos factores desactivada.
Los datos están en el archivo adjunto. Trabajé con la serie cuantificada (extrema derecha).
Este es el resultado.
Un gráfico muy extraño. Recortado. Parece que los cálculos se hicieron con una precisión limitada.
Estadísticas
Muy divertido.
ACF
Fecha: 14/10/12 Hora: 11:58
Muestra: 1.272
Observaciones incluidas: 3271
Autocorrelación Correlación parcial AC PAC Q-Stat Prob
| | | 1 -0,059 -0,059 11,332 0,001
| | 2 -0,053 -0,057 20,704 0,000
| | 3 0,025 0,019 22,820 0,000
| | 4 0,005 0,005 22,908 0,000
| | 5 -0,062 -0,059 35,486 0,000
| | 6 0,007 -0,000 35,639 0,000
| | 7 -0,038 -0,045 40,475 0,000
| | 8 0,032 0,030 43,845 0,000
| | 9 -0,007 -0,008 44,004 0,000
| | 10 0,025 0,026 46,003 0,000
| | 11 -0,033 -0,032 49,674 0,000
| | 12 0,048 0,043 57,372 0,000
| | 13 0,002 0,006 57,382 0,000
| | 14 -0,032 -0,028 60,736 0,000
| | 15 -0,033 -0,033 64,288 0,000
| | 16 0,047 0,034 71,425 0,000
| | 17 -0,004 0,007 71,469 0,000
| | 18 -0,039 -0,037 76,462 0,000
| | 19 -0,004 -0,008 76,520 0,000
| | 20 0,017 0,004 77,426 0,000
| | 21 -0,046 -0,040 84,377 0,000
| | 22 0,020 0,013 85,636 0,000
| | 23 0,006 0,006 85,767 0,000
| | 24 -0.010 -0.010 86.089 0.000
| | | 25 -0,001 -0,004 86,090 0,000
| | 26 -0,022 -0,028 87,663 0,000
| | 27 0,025 0,031 89,677 0,000
| | 28 -0,022 -0,028 91,250 0,000
| | 29 0,028 0,029 93,841 0,000
| | 30 0,009 0,011 94,135 0,000
| | 31 0,007 0,015 94,290 0,000
| | 32 0,004 0,001 94,350 0,000
| | 33 -0,007 -0,009 94,501 0,000
*| | *| | 34 -0,092 -0,085 122,33 0,000
| | | 35 0,010 -0,006 122,66 0,000
| | | 36 0,008 0,003 122,89 0,000
Estos datos no tienen ningún interés: pérdida de precisión. El análisis no es nada, sólo una cifra.
¿Qué es ZZ según Pastukhov? Pastukhov investigó el kagi/renko en la construcción clásica. Esta regla (2H) no se aplica exactamente a ZZ. Hay una dependencia del valor de la rodilla en puntos.
hmm, hizo esto - visualmente se ve así:
http://imglink.ru/pictures/14-10-12/6038b20b9bfbd1e06c08e649623cca4b.jpg
http://imglink.ru/pictures/14-10-12/47b7615b511f6b8a6f3b638a2fcda38b.jpg
Cada triángulo de color es la TF de derecha a izquierda de M1,M5 a MN respecto a la línea vertical que simula la visión del observador de la historia, la historia en forma de rangos de Máximo y Mínimo extremo/histórico
Lo subí a Statistica en forma de abecedario, sí hay zonas/palabras que se repiten, incluso para 2-3 TFs, pero la repetibilidad no es periódica, los periodos de repetición varían desde 2 meses hasta varios años
También soy "tú" para mí, si no hay objeciones.
¿Por qué no? ¿Hay alguna justificación?
el abstracto SB tendrá lo mismo
Sí, se trata de la volatilidad H.
es diferente allí (en la carta de getch)
Los datos están en el archivo adjunto. Trabajé con la serie cuantificada (extrema derecha).
Tomaré los incrementos habituales para la apertura.
Mucho más interesante. Estadísticas
ACF
Fecha: 14/10/12 Hora: 12:05
Muestra: 1 3272
Observaciones incluidas: 3271
Autocorrelación Correlación parcial AC PAC Q-Stat Prob
| | | 1 -0,063 -0,063 13,075 0,000
| | 2 -0,033 -0,037 16,554 0,000
| | 3 0,017 0,013 17,558 0,001
| | 4 -0.000 0.001 17.558 0.002
| | 5 -0,043 -0,043 23,757 0,000
| | 6 -0,003 -0,009 23,788 0,001
| | 7 -0,024 -0,028 25,722 0,001
| | 8 0,022 0,019 27,264 0,001
| | 9 -0,005 -0,004 27,338 0,001
| | 10 0,032 0,032 30,668 0,001
| | 11 -0,027 -0,025 33,069 0,001
| | 12 0,051 0,048 41,461 0,000
| | 13 0,011 0,016 41,861 0,000
| | 14 -0.020 -0.014 43.111 0.000
| | 15 -0,040 -0,040 48,488 0,000
| | 16 0,047 0,039 55,873 0,000
| | 17 -0,003 0,006 55,900 0,000
| | 18 -0,054 -0,051 65,566 0,000
| | 19 0,006 0,000 65,688 0,000
| | 20 0,013 0,004 66,214 0,000
| | 21 -0,053 -0,047 75,446 0,000
| | 22 0,025 0,015 77,560 0,000
| | 23 0,014 0,014 78,179 0,000
| | 24 -0,009 -0,008 78,465 0,000
| | 25 -0.003 -0.005 78.490 0.000
| | 26 -0,024 -0,030 80,367 0,000
| | 27 0,018 0,022 81,400 0,000
| | 28 -0,006 -0,007 81,522 0,000
| | 29 0,017 0,016 82,452 0,000
| | 30 0,008 0,013 82,657 0,000
| | | 31 -0,002 0,005 82,675 0,000
| | 32 0,010 0,004 83,006 0,000
| | 33 -0,024 -0,025 84,980 0,000
*| | *| | 34 -0,083 -0,079 107,74 0,000
| | 35 0,005 -0,011 107,82 0,000
| | | 36 0,022 0,014 109,37 0,000
Probabilidad de no correlación. Inicialmente hay cierta correlación, pero no es significativa.
Los datos están en el archivo adjunto. Trabajé con la serie cuantificada (extrema derecha).
Tomaré los incrementos habituales para la apertura.
Mucho más interesante. Estadísticas
ACF
Fecha: 14/10/12 Hora: 12:05
Muestra: 1 3272
Observaciones incluidas: 3271
Autocorrelación Correlación parcial AC PAC Q-Stat Prob
| | | 1 -0,063 -0,063 13,075 0,000
| | 2 -0,033 -0,037 16,554 0,000
| | 3 0,017 0,013 17,558 0,001
| | 4 -0.000 0.001 17.558 0.002
| | 5 -0,043 -0,043 23,757 0,000
| | 6 -0,003 -0,009 23,788 0,001
| | 7 -0,024 -0,028 25,722 0,001
| | 8 0,022 0,019 27,264 0,001
| | 9 -0,005 -0,004 27,338 0,001
| | 10 0,032 0,032 30,668 0,001
| | 11 -0,027 -0,025 33,069 0,001
| | 12 0,051 0,048 41,461 0,000
| | 13 0,011 0,016 41,861 0,000
| | 14 -0.020 -0.014 43.111 0.000
| | 15 -0,040 -0,040 48,488 0,000
| | 16 0,047 0,039 55,873 0,000
| | 17 -0,003 0,006 55,900 0,000
| | 18 -0,054 -0,051 65,566 0,000
| | 19 0,006 0,000 65,688 0,000
| | 20 0,013 0,004 66,214 0,000
| | 21 -0,053 -0,047 75,446 0,000
| | 22 0,025 0,015 77,560 0,000
| | 23 0,014 0,014 78,179 0,000
| | 24 -0,009 -0,008 78,465 0,000
| | 25 -0.003 -0.005 78.490 0.000
| | 26 -0,024 -0,030 80,367 0,000
| | 27 0,018 0,022 81,400 0,000
| | 28 -0,006 -0,007 81,522 0,000
| | 29 0,017 0,016 82,452 0,000
| | 30 0,008 0,013 82,657 0,000
| | | 31 -0,002 0,005 82,675 0,000
| | 32 0,010 0,004 83,006 0,000
| | 33 -0,024 -0,025 84,980 0,000
*| | *| | 34 -0,083 -0,079 107,74 0,000
| | 35 0,005 -0,011 107,82 0,000
| | | 36 0,022 0,014 109,37 0,000
Probabilidad de no correlación. Inicialmente hay cierta correlación, pero no es significativa.
¿Puede decirme algo más al respecto?
El algoritmo se enuncia en esta frase
El Asesor Experto cuenta el número de rodillas Zig-Zag (no menos de Pips) y lo guarda en el archivo
Lo siento, no he mirado el código, pero de esta frase se deduce que el número de pases para calcular el número de rodillas debe ser igual al número de pips en un TF de un minuto del rango de precios máximo a lo largo del historial.
Los datos están en el archivo adjunto. Trabajé con la serie cuantificada (extrema derecha).
Reduce la ventana. Ventana grande: el teorema del límite empieza a funcionar. Pero estamos entrando en el mercado por un periodo de tiempo limitado.
Ventana=100. Gráfico:
ACF
Fecha: 14/10/12 Hora: 12:11
Muestra: 1 100
Observaciones incluidas: 99
Autocorrelación Correlación parcial AC PAC Q-Stat Prob
.|. | .|. |. 1 0.001 0.001 3.E-05 0.996
.|. | .|. | 2 0,036 0,036 0,1371 0,934
*|. | *|. | 3 -0,148 -0,148 2,4225 0,489
.|. | .|. | 4 -0,047 -0,048 2,6516 0,618
*|. | *|. | 5 -0,132 -0,124 4,5037 0,479
.|* |00 .|* |01 6 0,135 0,121 6,4763 0,372
*|. | *|. | 7 -0,096 -0,109 7,4812 0,381
.|. | .|. | 8 0,023 -0,021 7,5395 0,480
*|. | .|. | 9 -0,073 -0,050 8,1324 0,521
.|* |00 .|* 10 0,105 0,083 9,3778 0,497
.|. | .|. |. 11 -0,018 0,002 9,4136 0,584
.|. | .|. | 12 0,034 -0,028 9,5449 0,656
.|. | .|* | 13 0,060 0,109 9,9605 0,697
.|. | .|. |. 14 0,062 0,049 10,418 0,731
.|. | .|. | 15 -0,053 -0,021 10,750 0,770
*|. | *|. | 16 -0,103 -0,132 12,038 0,741
.|. | .|. | 17 -0,036 0,018 12,196 0,788
*|. | *|. | 18 -0,111 -0,103 13,712 0,748
.|. | .|. | 19 -0,028 -0,062 13,812 0,795
.|. | .|. | 20 0,030 -0,004 13,923 0,834
.|. | *|. | 21 -0,045 -0,087 14,187 0,861
.|. | .|. | 22 -0,008 -0,002 14,196 0,894
.|* |00 .|* 23 0,124 0,076 16,219 0,846
.|. | .|. |. 24 0,021 0,014 16,280 0,878
.|. | .|. | 25 -0,025 -0,059 16,364 0,904
.|. | .|. | 26 0,041 0,069 16,591 0,921
.|. | .|. | 27 0,046 0,073 16,879 0,934
*|. | .|. | 28 -0,074 -0,062 17,640 0,935
.|. | .|. | 29 0,038 0,056 17,848 0,947
.|. | .|. | 30 -0,039 -0,010 18,071 0,957
.|. | .|. | 31 0,023 0,069 18,151 0,968
.|. | .|. | 32 -0,014 -0,015 18,179 0,976
.|. | .|. | 33 0,021 -0,030 18,245 0,982
.|. | .|. | 34 -0,041 -0,031 18,505 0,986
.|. | .|. | 35 -0,019 -0,038 18,559 0,990
.|. | .|. | 36 -0,029 -0,043 18,697 0,992
El panorama ha cambiado radicalmente. La probabilidad de que no haya correlación es muy alta.
Queda por comparar con TI. Y averiguar de qué estamos hablando.
es diferente (en la carta de getch)