Analysez les caractéristiques STATISTIQUES importantes du modèle et choisissez une méthode de trading sur ce modèle. - page 7
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
Forum sur le trading, les systèmes de trading automatisé et les tests de stratégies de trading
FOREX - Tendances, prévisions et conséquences 2015
-Aleks-, 2015.06.21 12:29
Regardez dans le code. La méthode est assez simple. Définir la longueur du modèle actuel, trouver des modèles similaires dans l'histoire (par exemple, utiliser la corrélation comme distance entre les modèles), prédire le comportement du prix dans le futur à partir des modèles passés. Il s'agit essentiellement du même clustering, ou RBF, ou SVM, ou GRNN. Tout dépend de la façon dont on mesure la distance par rapport au modèle actuel. Lisez sur GRNN et Bayes. La théorie des prédictions y est décrite en termes de distributions statistiques. On a beaucoup écrit sur le GRNN et les méthodes de prédiction ci-dessus, mais tout se résume à une formule simple :
la prédiction est y = SOMME y [k] * exp (-d [k] / 2s ^ 2) / SOMME exp (-d [k] / 2s ^ 2)
où y [k] est le kième modèle passé, d [k] est la distance entre le kième modèle et le modèle actuel. Si les distances ont une distribution gaussienne, alors d [k] = (x - x [k]) ^ 2. Pour une distribution arbitraire (super gaussienne), d [k] = | x - x [k] | ^ p, où vous choisissez p, selon que vous voulez donner plus de poids aux voisins les plus proches (grand p), ou donner à presque tous les voisins le même poids (petit p) comme dans le socialisme. Pour p = 0, on a un socialisme complet.
Après s'être familiarisé avec les voisins les plus proches et le GRNN, la question évidente suivante se pose. Et comment mesurer la distance entre le modèle actuel et les modèles antérieurs. Si vous prenez en compte les distorsions sur l'axe du temps. C'est ici que le chien est enterré.
Peut-être cela aidera-t-il https://en.wikipedia.org/wiki/Hellinger_distance
https://dl.acm.org/citation.cfm?id=1288866