une stratégie commerciale basée sur la théorie des vagues d'Elliott - page 206
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
2. Supposons qu'il existe une variable aléatoire normalement distribuée avec une espérance nulle et un corrélogramme positif.
Si la série est suffisamment longue, nous pouvons délimiter les longues périodes de mouvement directionnel des prix. Appelons une telle tendance une tendance déterministe. La tendance déterministe peut être détectée au moyen de filtres passe-bas numériques ou de leurs dérivés. Par exemple, le croisement de deux moyennes mobiles de périodes différentes n'est rien d'autre que l'approximation de la dérivée d'une série chronologique lissée. Il est clair que cela fonctionne comme les mathématiques l'exigent : la dérivée est supérieure à zéro, ce qui signifie que la fonction est croissante, moins que cela, elle est décroissante. Mais peu de gens savent que cela ne fonctionne que pour les séries avec un FAC positif, et que TOUTES les séries de devises dans tous les TFs ont un FAC négatif ! Et, par conséquent, la méthode ne fonctionne pas sur le marché, ou fonctionne, mais accidentellement...
Poursuivant le thème.
Principaux problèmes de l'analyse des séries chronologiques
Les principales différences entre une série chronologique et une séquence d'observations formant un échantillon aléatoire sont les suivantes :
- premièrement, contrairement aux éléments d'un échantillon aléatoire, les membres d'une série chronologique ne sont pas indépendants ;
- deuxièmement, les membres d'une série chronologique ne sont pas nécessairement distribués de manière égale.
Cela signifie que les propriétés et les règles de l'analyse statistique de l'échantillonnage aléatoire ne peuvent pas être étendues aux séries chronologiques. D'autre part, l'interdépendance des termes des séries temporelles crée une base spécifique pour la construction de valeurs prédites de l'indicateur analysé à partir des valeurs observées.
Classification des principaux facteurs sous l'influence desquels se forment les valeurs des séries chronologiques.
On distingue généralement 4 types de facteurs de ce type.
1. Facteurs à long terme qui forment une tendance générale (à long terme) dans les changements d'un indicateur analysé. Cette tendance est généralement décrite par une fonction non aléatoire (dont l'argument est le temps), généralement monotone. Cette fonction s'appelle une fonction de tendance ou simplement une tendance.
2. Saisonnier, qui forme des fluctuations périodiques de l'attribut analysé à certaines périodes de l'année. Comme cette fonction doit être périodique (avec des périodes multiples des "saisons"), son expression analytique fait intervenir des harmoniques (fonctions trigonométriques) dont la périodicité est généralement déterminée par l'essence du problème.
3. Changements cycliques (conjoncturels) de l'attribut analysé causés par des cycles à long terme de nature économique ou démographique (vagues de Kondratieff, "puits" démographiques, etc.).
4. Aléatoire (irrégulier), non comptabilisable et non enregistrable. Leur impact sur la formation des valeurs des séries chronologiques ne fait que provoquer la nature stochastique des éléments de la série, et donc la nécessité d'interpréter les membres comme des observations faites sur des variables aléatoires. Désignons le résultat de l'impact des facteurs aléatoires par des variables aléatoires ("résidus", "erreurs").
Bien sûr, il n'est pas nécessaire que les quatre types de facteurs soient impliqués simultanément dans le processus de formation des valeurs d'une série temporelle. Les conclusions quant à la participation ou non des facteurs d'un type donné à la formation des valeurs d'une série chronologique particulière peuvent être fondées à la fois sur l'analyse de la partie substantielle du problème et sur une analyse statistique spéciale de la série chronologique étudiée. Cependant, dans tous les cas, on suppose la participation de facteurs aléatoires. Ainsi, en termes généraux, le modèle de formation des données (avec un schéma structurel additif de l'influence des facteurs) ressemble à une somme de tous ou de certains des facteurs.
OK, continuons :
Neutron, ai-je bien compris que seule la série qui a une espérance nulle et un corrélogramme positif peut être considérée comme déterministe ?
2. Supposons qu'il existe une variable aléatoire normalement distribuée avec une espérance nulle et un corrélogramme positif.
Si la série est suffisamment longue, nous pouvons délimiter les longues périodes de mouvement directionnel des prix. Appelons une telle tendance une tendance déterministe. La tendance déterministe peut être détectée au moyen de filtres passe-bas numériques ou de leurs dérivés. Par exemple, le croisement de deux moyennes mobiles de périodes différentes n'est rien d'autre que l'approximation de la dérivée d'une série chronologique lissée. Il est clair que cela fonctionne comme le veulent les mathématiques : une dérivée supérieure à zéro signifie que la fonction est croissante, inférieure à zéro signifie que la fonction est décroissante. Mais peu de gens savent que cela ne fonctionne que pour les séries avec un FAC positif, et que TOUTES les séries de devises dans tous les TFs ont un FAC négatif ! Et, par conséquent, la méthode ne fonctionne pas sur le marché, ou fonctionne, mais accidentellement...
Continuons avec le thème.
Principales tâches de l'analyse des séries chronologiques
Les principales différences entre une série chronologique et une séquence d'observations qui forment un échantillon aléatoire sont les suivantes :
- Tout d'abord, contrairement aux éléments d'un échantillon aléatoire, les membres d'une série chronologique ne sont pas indépendants ;
- d'autre part, les membres d'une série temporelle ne sont pas nécessairement distribués de manière égale.
Cela signifie que les propriétés et les règles de l'analyse statistique de l'échantillonnage aléatoire ne peuvent pas être étendues aux séries chronologiques. D'autre part, l'interdépendance des membres de la série temporelle crée sa propre base spécifique pour la construction de valeurs prédites de l'indicateur analysé à partir des valeurs observées.
Classification des principaux facteurs sous l'influence desquels se forment les valeurs des séries chronologiques.
On distingue généralement 4 types de facteurs de ce type.
1. Facteurs à long terme qui forment une tendance générale (à long terme) dans les changements d'un indicateur analysé. Cette tendance est généralement décrite par une fonction non aléatoire (dont l'argument est le temps), généralement monotone. Cette fonction s'appelle une fonction de tendance ou simplement une tendance.
2. Saisonnier, qui forme des fluctuations périodiques de l'attribut analysé à certaines périodes de l'année. Comme cette fonction doit être périodique (avec des périodes multiples des "saisons"), son expression analytique fait intervenir des harmoniques (fonctions trigonométriques) dont la périodicité est généralement déterminée par l'essence du problème.
3. Changements cycliques (conjoncturels) de l'attribut analysé causés par des cycles à long terme de nature économique ou démographique (vagues de Kondratieff, "puits" démographiques, etc.).
4. Aléatoire (irrégulier), non comptabilisable et non enregistrable. Leur impact sur la formation des valeurs des séries chronologiques ne fait que provoquer la nature stochastique des éléments de la série, et donc la nécessité d'interpréter les membres comme des observations faites sur des variables aléatoires. Désignons le résultat de l'impact des facteurs aléatoires par des variables aléatoires ("résidus", "erreurs").
Bien sûr, il n'est pas nécessaire que les quatre types de facteurs soient impliqués simultanément dans le processus de formation des valeurs d'une série temporelle. Les conclusions quant à la participation ou non des facteurs d'un type donné à la formation des valeurs d'une série chronologique particulière peuvent être fondées à la fois sur l'analyse de la partie substantielle du problème et sur une analyse statistique spéciale des séries chronologiques étudiées. Cependant, dans tous les cas, on suppose la participation de facteurs aléatoires. Ainsi, en termes généraux, le modèle de formation des données (avec un schéma structurel additif de l'influence des facteurs) ressemble à une somme de tous ou de certains des facteurs.
Neutron , tu es une putain de merde ! !! :))))))))))))
Croyez-moi, c'est beaucoup plus simple que vous ne le pensez...
mon ami, qu'est-ce qui te fait penser que la distribution est normale ? Tout le monde crie à propos des queues lourdes...
(en fait, elle est lognormale.)
et tout est décrit par quelque chose comme une équation logistique, avec tout ce que cela implique.
et une autre confirmation de cela - les expériences grasn (je ne me souviens pas exactement, mais avec la dimension fractale, ou avec Hirst...)
P.S. à propos, il y a un beau livre de Haken "Information and self-organization. macroscopic approach to complex systems".
PS Северный Ветер, а что такое Н-волатильность ?
Sur le site http://forum.fxclub.org/showthread.php?t=32942&page=9, à peu près au milieu de la page, on trouve de brefs extraits de la source originale.
Merci pour le lien. Et le sujet est intéressant.
Je ne comprends pas pourquoi les gens sont si bizarres là-bas. Le fil de la pièce a été noyé dans l'eau. Pourquoi ?
Il semble que le sujet n'intéresse personne et qu'ils veulent juste se gratter la langue.
Sur la volatilité H, c'est trop laconique pour tout comprendre, mais suffisant pour se faire une idée.
Je me demande si l'accès à la thèse elle-même est ouvert ? Peut-on y accéder via l'internet ?
Neutron, ai-je bien compris que seule la série dont l'espérance est nulle et le corrélogramme positif peut être considérée comme déterministe ?
Non, une tendance déterministe est une tendance générée par l'intégration d'une variable aléatoire normalement distribuée avec une espérance nulle et un corrélogramme positif.
...mon pote, qu'est-ce qui te fait penser que la distribution est normale ? Tu sais, ils crient aux queues lourdes à chaque coin de rue...
(en fait, elle est lognormale.)
Juste pour être clair. La distribution ne doit pas nécessairement être normale. En réalité, elle est bien approximée par une distribution exponentielle à deux paramètres. Cela donne ces queues très épaisses.
Neutron Quel tas de conneries !!! :))))))))))))
Croyez-moi, c'est beaucoup plus simple que vous ne le pensez...
C'est faux ! Vous vous faites des illusions sur le forex. Il n'y a rien de plus simple que ça.
Il a été testé.
Grasn
Neutron, ai-je bien compris que seule une série avec une espérance nulle et un corrélogramme positif peut être considérée comme déterministe ?
Non, une tendance générée par l'intégration d'une variable aléatoire normalement distribuée avec une espérance nulle et un corrélogramme positif serait déterministe.
Je ne comprends pas vraiment. Il s'avère que le concept de série déterministe n'existe pas ? Allons-y de manière cohérente. De vos paroles, j'ai compris ce qui suit. Nous avons des séries, dont nous ne connaissons pas les caractéristiques, disons.
La première chose que nous faisons est de vérifier la conformité des paramètres énumérés précédemment (espérance et corrélogramme positif) et si les conditions sont remplies, nous passons à l'intégration.
Ou bien intégrons-nous une série en une seule fois et examinons-nous ses caractéristiques ?
Ou bien intégrons-nous la série par une variable aléatoire qui possède ces paramètres ? Mais comment ?
...
Sur la volatilité H, trop succinct pour tout comprendre, mais suffisant pour se faire une idée.
Je me demande si la thèse elle-même est en accès libre ? Est-il possible de l'obtenir sur Internet ?
point de départ http://forex.kbpauk.ru/showflat.php?Cat=0&Board=mts&Number=139469&page=0&fpart=all
la thèse elle-même est disponible sur l'araignée, dans la section des livres, mais il faut s'y inscrire. j'ai la même chose.
Je ne comprends pas vraiment. Il s'avère que le concept de série déterministe n'existe pas ? Allons-y de manière cohérente. De ce que vous avez dit, j'ai compris ce qui suit. Nous avons des séries, dont nous ne connaissons pas les caractéristiques, disons.
La première chose que nous faisons est de vérifier la conformité des paramètres énumérés précédemment (espérance et corrélogramme positif) et si les conditions sont remplies, nous passons à l'intégration.
Ou bien intégrons-nous une série en une seule fois et examinons-nous ses caractéristiques ?
Ou bien intégrons-nous la série par une variable aléatoire possédant ces paramètres ? Mais comment ?
Sergey, les séries temporelles que nous exploitons (séries de prix) sont déjà des séries intégrées de premier ordre (en règle générale). En prenant des différences successives, nous obtiendrons une série stationnaire de résidus dont nous étudierons les propriétés. C'est la bonne décision. Lors de l'ouverture d'une position, nous opérons en fait non pas avec la valeur absolue du taux de symbole, mais avec son incrément attendu pour le temps de maintien de la position, c'est-à-dire que nous travaillons avec une série de différences. Comme je l'ai déjà dit, toute la variété des stratégies de trading se résume à une seule action : prédire la direction du mouvement des prix après avoir ouvert une position...
Il est trop tôt pour déduire un critère permettant de détecter une tendance déterministe. Nous devons dresser un tableau complet et, si possible, cohérent au niveau interne, de la formation des prix, et ce n'est qu'alors que nous saurons comment construire un modèle prédictif optimal. Mon espoir.
Le mémoire lui-même est disponible sur l'araignée, dans la section des livres, mais vous devez vous y inscrire.
Merci, l'enregistrement est, bien que je vais là seulement "besoin". IMHO C'est très sombre.
Je l'ai déjà fait.