Le marché est un système dynamique contrôlé. - page 237
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
Il est vrai qu'il n'y a aucun avantage à de telles prédictions. --- C'est vrai ;))))
Beaucoup d'options, mais aucune d'entre elles n'est utile. Et s'ils sont inutiles, pourquoi diable avons-nous besoin de tant d'options ?
En soi, ce type de prédiction n'est pas nécessaire, non pas en raison de la non-stationnarité du marché, etc., mais parce que l'objectif n'est pas de prédire le prix mais de réaliser des bénéfices. Mais ces règles pourraient bien faire partie de la stratégie.
Par exemple, supposons que le prix est maintenant de 1,3000. Les prévisions : le prix atteindra le niveau de 1.3100 avant 1.2800 avec une probabilité de 0.75. Par exemple, si nous définissons un chiffre de Take Profit et un Stop Loss de 2, le Take Profit se déclenchera deux fois plus souvent. Tout est là dans cette prédiction et même la probabilité semble aller dans notre sens. Tout sauf les bénéfices. Le modèle doit être tel que nous ayons un avantage statistique et que la cible de la prédiction soit celle-ci, et non le prix. C'est-à-dire que nous prédisons que notre modèle/système a un avantage statistique et que sur une série de transactions, nous avons une forte probabilité de réaliser un bénéfice.
Par exemple, nous avons un système avec un rigide tp=sl. Sur les tests, probabilité tp=0.55, sl=0.45. MO=0,1. L'objectif de la prévision est que ce MO reste positif. Bien que nous puissions dire que la probabilité de tp restera >0.5
p.s. Je n'échange pas de tels systèmes))
Il y a une probabilité de précipitations.
Oui, car il s'agit d'un événement binaire (il y en a ou il n'y en a pas) et la seule information est la probabilité. Les prévisionnistes n'ont nulle part où aller)) Et pour la température, la matrice standard des intervalles de confiance s'applique. Le prévisionniste choisit le niveau de probabilité de la prévision, par exemple 0,9. Il utilise ensuite son modèle de prévision pour obtenir la distribution de probabilité et sélectionne les limites de l'intervalle de sorte que la probabilité totale d'entrer dans cet intervalle soit de 0,9. Nous obtenons uniquement les limites supérieure et inférieure de l'intervalle. C'est la plage de température prévue
J'essaie.
Une prévision pour tout système dynamique contrôlé est une information permettant d'évaluer la situation - rien de plus, mais rien de moins.
En même temps, l'étape de l'évaluation de la situation est directement suivie de l'étape de la prise de décision, de sorte que la prévision est intéressante non pas dans le sens de la façon dont les choses vont se terminer, mais seulement dans le sens de ce qui a commencé.
D'où la conséquence : il est inutile d'utiliser le résultat de la prévision pour déterminer les valeurs de TR et SL, mais il est stupide de ne pas l'utiliser pour prendre des décisions concernant l'ouverture ou la fermeture de positions.
Pour déformer Carl Clausewitz, je vais essayer de le citer : "...La science militaire ne doit pas accompagner le commandant directement sur le champ de bataille, elle doit seulement le préparer à cette bataille...". Quelque chose de similaire ( :
il n'y a pas de prédictions distinctes au point d'entrée, etc. Il existe un système - un algorithme qui peut donner un avantage statistique. Lorsqu'on entre sur le marché, on fait une prédiction/un pari que cet algorithme continue à faire des bénéfices (a un avantage statistique). Aucune prédiction séparée sur d'autres points n'est nécessaire. Ils ne sont qu'une conséquence de la prédiction ci-dessus.
Par exemple, un pêcheur à la ligne sait qu'un appât particulier, une méthode d'accrochage du poisson, etc. lui donne la possibilité d'attraper suffisamment de poissons pour couvrir les frais généraux la plupart du temps. Et il n'a pas besoin de prédire quoi que ce soit dans chaque coulée individuelle du char.)) Il pêche bêtement et change ses méthodes si elles ne fonctionnent plus. Que prédit-il ? Rien. Bien qu'il réagisse en dynamique, pas par l'algorithme - lancer, attendre 2 minutes, retirer)).
Pas nécessairement pour vous. Plus au prévisionniste en général. Plus précisément, le prévisionniste qui répète très souvent, à tort et à travers, comme un mantra "probabilité-probabilité-probabilité-probabilité...".
Vous ne révélez pas la relation fonctionnelle de F(). Ne pensez pas que j'essaye de vous le faire comprendre... non. Mais je soupçonne, (et quelque chose me dit ;)) que c'est une régression... et que...
C'est un schéma bien connu. C'est connu depuis longtemps. On en a beaucoup parlé depuis les années 1960, considéré de haut en bas. Il fonctionne dans les sections de mouvement régulier. Les problèmes surviennent lorsque la tendance change. Surtout en mode commutation. De nombreux travaux ont été consacrés à ce problème. Mais il n'y a pas de solution satisfaisante jusqu'à présent. Ainsi, les limites de son travail satisfaisant sont connues.
Mais il y a une nuance. Si votre modèle ne fonctionne pas avec des probabilités, alors il n'y a aucune raison de parler de probabilités sur la base de votre modèle. À moins que vous ne calculiez post facto la fréquence du résultat du modèle dans une région compacte. Mais ce sont, en général, des béquilles.
Je ne vois pas de problème de régression. Il est pratique et universel - il convient à toutes les fonctions. Le problème n'est pas la régression, mais les données d'entrée et de sortie. Si l'entrée et la sortie sont des prix (autorégressifs), rien ne fonctionnera. Le prix ne dépend pas de lui-même. C'est pourquoi il y a tant de tentatives infructueuses de créer des modèles de marché avec une seule entrée : le prix et ses indicateurs. Vous devez sélectionner les données qui affectent le prix, c'est-à-dire aller au-delà des cours et de leurs indicateurs. Par exemple, le cours de l'action a chuté à l'annonce des pertes d'une entreprise, c'est-à-dire que les pertes ont affecté le cours de l'action et non ce que le cours faisait auparavant. La rentabilité d'une entreprise dépend de ses performances économiques. Bien que les entreprises individuelles aient leurs propres hypothèses privées sur leur rentabilité (perte de contrats, etc.), le secteur économique ou l'ensemble de l'économie est assez bien prédit par les modèles de régression.
L'avantage statistique ne s'acquiert que dans une série de transactions. Pour cela, il faut des conditions de départ claires pour ouvrir et fermer une position à temps, qu'elle soit rentable ou non. Tous ceux qui ont joué au poker dans des tournois me comprendront. Sur la distance, les mathématiques jouent un rôle majeur. Même une série de petites pertes est compensée par des gains importants, avec une accumulation de profits significative. C'est la même chose sur le marché. Il est seulement important de choisir la bonne fourchette de prix dans laquelle vous pouvez opérer. Le TF n'est pas important. La fourchette de prix et l'analyse des prix pour l'entrée et la sortie sont importantes. Et la discipline, bien sûr. Au début, il n'était pas si facile de fermer les transactions perdantes. Les transactions à perte sont inévitables dans tout TS et elles doivent être traitées comme un élément de ce TS.
Vous ne révélez pas la relation fonctionnelle de F(). Ne pensez pas que j'essaye de vous le faire comprendre... non. Mais je soupçonne (et quelque chose me dit ;)) que c'est une régression... et que...
Pourquoi serait-ce une régression ? Encore du curvafitting...
Oui, car il s'agit d'un événement binaire (soit il l'est, soit il ne l'est pas) et la seule information est la probabilité.
Pourquoi cette régression ? Encore du curvafitting...
Qu'est-ce qui nous empêche de faire un TS qui ne fonctionnera qu'avec des probabilités ? Je comprends que c'est un peu lourd, mais cela ne le rend pas inapplicable.Ce n'est pas grave si ça marche.
Avals:
Ce n'est peut-être que pour les systèmes fixes d'arrêt et de prise que l'on peut parler de fréquences et de prédictions. La plupart des systèmes ne savent pas à l'avance où sera la sortie et parient donc sur un événement de marché différent à chaque fois.
Je l'essaie.
Une prévision pour tout système dynamique contrôlé est une information pour l'évaluation de la situation - rien de plus, mais rien de moins.
En même temps, l'étape de l'évaluation de la situation est directement suivie par l'étape de la prise de décision, de sorte que la prévision est intéressante non pas dans le sens de la façon dont les choses vont se terminer, mais seulement dans le sens de ce qui a commencé.
D'où la conséquence : il est inutile d'utiliser le résultat de la prévision pour déterminer les valeurs de TR et SL, mais il est stupide de ne pas l'utiliser pour prendre des décisions concernant l'ouverture ou la fermeture de positions.
Pour déformer Carl Clausewitz, je vais essayer de le citer : "...La science militaire ne doit pas accompagner le commandant directement sur le champ de bataille, elle doit seulement le préparer à cette bataille...". Quelque chose de similaire ( :
Eh bien, en général, en posant ma question, je m'attendais à entendre une réponse non pas pour l'UDF, mais pour les opposants à l'UDF, ou plutôt, même pas les opposants à l'UDF, mais juste les partisans de la vision commune du marché comme un phénomène aléatoire, soumis au concept probabiliste.
.
Dans mon approche [Market - UDS], un système de tracking est l'outil optimal pour détecter la structure d'un mouvement. Ainsi, dès le processus d'identification de la structure, un vecteur d'état UDS est formé. Le TS par rapport à l'UDF est une superstructure, et ici il est tout à fait naturel et légitime d'utiliser le vecteur de l'état de l'UDF pour former la sortie du TS.
Je comprends qu'une image explicative claire, démontrant de manière compacte l'essentiel, serait appropriée ici.
Je ne vois pas de problème de régression. Il est pratique et polyvalent - il convient à toutes les fonctions. Le problème n'est pas la régression, mais les données d'entrée et de sortie. Si l'entrée et la sortie sont des prix (autorégressifs), rien ne fonctionnera. Le prix ne dépend pas de lui-même. C'est pourquoi il y a tant de tentatives infructueuses de créer des modèles de marché avec une seule entrée : le prix et ses indicateurs. Vous devez sélectionner les données qui affectent le prix, c'est-à-dire aller au-delà des cours et de leurs indicateurs. Par exemple, le cours de l'action a chuté à l'annonce des pertes d'une entreprise, c'est-à-dire que les pertes ont affecté le cours de l'action et non ce que le cours faisait auparavant. La rentabilité d'une entreprise dépend de ses performances économiques. Bien que les entreprises individuelles aient leurs propres hypothèses privées sur leur rentabilité (pertes de contrats, etc.), le secteur économique ou l'économie entière est assez bien prédit par les modèles de régression.
Ce schéma est plus compliqué que le schéma autorégressif, mais il convient parfaitement aux tests et à l'optimisation traditionnels, de sorte que les résultats seront assez clairs.
En soi, une telle prévision n'est pas nécessaire, non pas en raison de la non-stationnarité du marché, etc., mais parce que le but n'est pas de prévoir le prix, mais de réaliser un profit. Dans le cadre de la stratégie, ces règles pourraient bien être mises en place.
Par exemple, supposons que le prix est maintenant de 1,3000. Prévisions : le prix atteindra 1.3100 avant d'atteindre 1.2800 avec une probabilité de 0.75. Par exemple, si nous définissons un chiffre de prise de bénéfices et un seuil de perte de 2, la prise de bénéfices se déclenchera deux fois plus souvent. Tout est là dans cette prédiction et même la probabilité semble aller dans notre sens. Tout sauf les bénéfices. Le modèle doit être tel que nous ayons un avantage statistique et que la cible de la prédiction soit celle-ci, et non le prix. C'est-à-dire que nous prédisons que notre modèle/système a un avantage statistique et que sur une série de transactions, nous avons une forte probabilité de réaliser un bénéfice.
Par exemple, nous avons un système avec un rigide tp=sl. Sur les tests, probabilité tp=0.55, sl=0.45. MO=0,1. L'objectif de la prévision est que ce MO reste positif. Bien que nous puissions dire que la probabilité de tp restera >0.5
p.s. Je n'échange pas de tels systèmes))
Vous entendez souvent cela de la part des analystes ("...le prix atteindra le niveau de 1.3100 avant le niveau de 1.2800avec la probabilité 0.75...").
Mais qui, comment et quand le calcul de ces probabilités a-t-il été effectué ? Personne ne fait jamais de tels calculs de probabilité ! !! Dans ce cas, il convient de parler non pas de probabilités de mouvements de prix, mais des attentes de l'analyste ou de l'influence ciblée sur le public. C'est-à-dire que l'on procède ici à une substitution de concepts - soit par malentendu, soit pour tromper délibérément le public.
etc.