Principios de trabajo con un optimizador y formas básicas de evitar el encaje. - página 3
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 qué un patrón necesita estacionariedad? Supongamos que tenemos un patrón de trabajo. La distribución de su ocurrencia en el tiempo es rígidamente no normal. Las principales características de este patrón también son no estacionarias y flotan con el tiempo. ¿Y qué? La condición principal es sólo una: que siga apareciendo y no desaparezca. Simplemente nuestro modus operandi será no estacionario, pero seguirá siendo positivo, y esto es lo principal. Otra cuestión es que la no estacionariedad complica seriamente la búsqueda de estos mismos patrones. No podemos confiar en los métodos estándar de las estadísticas para identificarlo y en el proceso de uso. Por ejemplo, si, apareció todos los días durante el último año, y de repente desapareció hoy, las estadísticas dirán - el patrón ya no funciona. Pero esto no es cierto, porque aparece cuando le plazca, y no está obligado a generar características estacionarias. Esta es su propiedad, a nivel fundamental, que determina la necesidad de reoptimizar los algoritmos. Porque de una forma u otra, estamos trabajando con parámetros fijos que se corresponden perfectamente con un patrón determinado sólo en la historia. Mañana será ligeramente diferente, lo que significa que habrá un cambio desde el extremo de nuestro ajuste.
Y sólo es cuestión de sobrevivir al turno de mañana. Y podemos sobrevivir utilizando regularidades relativamente estables, o (y) métodos de identificación y tratamiento de las mismaslo suficientemente aproxim ados como para que su estimación aproximada permita que la propia regularidad cambie dentro de límites suficientemente amplios.
Este es mi razonamiento, por qué los métodos simples suelen ser más eficaces que los complejos, y por qué se hace posible ganar dinero en el mercado en primer lugar.
He investigado un poco y he encontrado -
La estacionariedad es la propiedad de un proceso que no cambia sus características a lo largo del tiempo.
Así, una serie no estacionaria cambia sus características a lo largo del tiempo. Pero eso no significa que no pueda haber un patrón en él.
Estás confundiendo una serie financiera no estacionaria con una serie caótica. Una serie caótica no puede tener regularidades, pero sí una serie no estacionaria que cambia sus características a lo largo del tiempo. Además, puede haber regularidades que predeterminen estos cambios.
Incluso a primera vista hay algunas regularidades visibles en las series financieras -
Un claro movimiento ascendente y descendente en forma de tendencia. ¿Un patrón? - Un patrón.
Un movimiento lateral indefinido pronunciado como un plano. ¿Regularidad? - Regularidad.
Cabeza y hombros", "banderas" y otras formas. ¿Regularidad? - Regularidad.
Y mucho más......)))))
¿Por qué un patrón necesita estacionariedad? Supongamos que tenemos un patrón de trabajo. La distribución de su aparición en el tiempo es rígidamente no normal. Las principales características de ese patrón también son no estacionarias y flotan con el tiempo. ¿Y qué? La condición principal es sólo una: que siga apareciendo y no desaparezca. Simplemente nuestro modus operandi será no estacionario, pero seguirá siendo positivo, y esto es lo principal. Otra cuestión es que la no estacionariedad complica seriamente la búsqueda de estas mismas regularidades. No podemos confiar en los métodos estadísticos estándar para identificarla y, de paso, utilizarla. Por ejemplo, si un patrón ha estado apareciendo todos los días durante el último año, y de repente ha desaparecido hoy, las estadísticas dirán que el patrón ya no funciona. Pero eso no es cierto, porque aparece cuando quiere, y no tiene por qué generar características estacionarias. Es su propiedad, a nivel fundamental, la que determina la necesidad de reoptimizar los algoritmos. Porque de una forma u otra, estamos trabajando con parámetros fijos que se corresponden perfectamente con un patrón determinado sólo en la historia. Mañana el patrón será ligeramente diferente, lo que significa que habrá un cambio desde el extremo de nuestro ajuste.
Se trata de la cuasi-estacionalidad, un cambio de mo en un rango determinado. Quizá no se trate sólo de mo, pero en este contexto es el que más nos interesa.
Y la cuestión de todas las cuestiones es sobrevivir al turno de mañana. Y podemos sobrevivir con regularidades relativamente estables o (y) métodos de identificaciónsuficientemente aproximados (simples ) y trabajar con ellos, de modo que su estimación aproximada permita que la propia regularidad cambie dentro de un rango suficientemente amplio.
Este es mi razonamiento, por qué los métodos simples suelen ser más eficaces que los complejos, y por qué se hace posible ganar dinero en el mercado.
Así que puede haber un método supercomplejo, pero una estimación bastante burda del patrón). Es más bien una cuestión del número de parámetros del sistema y de la sensibilidad del resultado a su cambio. Si un pequeño cambio en el parámetro provoca un cambio en el resultado, esto no es bueno. Hay otras señales. Hace poco escribí sobre ello aquí https://www.mql5.com/ru/forum/137614/page5
Intenta tomar el resto no siempre, sino selectivamente en trozos. Si sabes identificar el principio y el final de esos trozos en una fila (no a posteriori, por supuesto), esto será suficiente para operar. Si no es así, tendrá que cambiar el modelo.
Una vez más: no hay piezas fijas.
Una vez más: usted quiere ganar valores positivos y no más de pérdidas predefinidas en una operación. Son las partes casi estacionarias desde la entrada hasta la salida. Y, por supuesto, están en la serie de precios negociados.
Los incrementos de la renta variable son cuasi estacionarios con mo positivos que varían preferentemente dentro de límites pequeños. De lo contrario, no es necesaria dicha equidad ni el sistema que la genera.
faa1947: Еще раз: не бывает стационарных кусов.
Una vez más: ¿al entrar en una operación quieres obtener mo positivo y no más de una pérdida predeterminada? Son los tramos cuasi estacionarios desde la entrada hasta la salida de la operación.
Ese es el objetivo de este hilo.
De hecho es cuasi-estacionaria, en la predicción es no estacionaria. La prueba, incluida la prueba de avance, es cuasi estacionaria, mientras que el futuro es no estacionario, y por tanto la prueba no nos dice nada. Es necesario traducir el cociente futuro a un estado cuasi estacionario. Esto sólo puede hacerse simulando la no estacionalidad, al menos en parte.
Esto sólo puede hacerse modelando la no estacionariedad, al menos en parte.
A quién le importa, modelarlo)) Pero, de todos modos, al modelar el cambio del mercado, hay que basarse en sus estadísticas en el pasado y en algún tipo de modelo invariable. Es decir, sólo los parámetros de este modelo cambian en función del historial más cercano. La adaptabilidad es una propiedad normal de la ST :)