una strategia di trading basata sulla teoria dell'onda di Elliott - pagina 135
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Questo approccio al trading automatico è promettente e fattibile?
Si tratta di un approccio completamente diverso al trading che non può essere descritto in termini di statistiche matematiche. È simile alla teoria delle onde di Elliott. Le valutazioni qualitative (immagini di esempi di onde contate sulla storia) sono abbastanza convincenti e ben elaborate, ma quando si tratta di valutazioni quantitative del processo decisionale nel trading reale, c'è un punto morto. In effetti, Vladislav ne ha già parlato all'inizio. Probabilmente, il Pattern Recognition è più adatto ai giochi manuali che alle macchine automatiche che hanno bisogno solo di numeri. Anche se ci sono alcuni messaggi in questo thread da T1000 che ha un'opinione opposta e ha sviluppato un indicatore per il trading di Elliot. Dice che fa trading con successo usandolo. Ha anche postato la prima versione del suo Elliott Expert Advisor di 2 anni fa per MT3 in questo thread e ha proposto di migliorarlo all'interno del progetto OpenSource. Tuttavia, finora non ho trovato nessuno che sia pronto a farlo. Forse ci proverai? Inoltre, l'indicatore principale StdDevChan, sulla base del quale calcola le onde, è già stato menzionato in questo thread. Mi è piaciuto e ho anche cercato di includerlo nel mio EA.
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Si tratta di un approccio completamente diverso al trading che non può essere descritto in termini di statistiche matematiche. È simile alla teoria delle onde di Elliott. Le stime qualitative sono abbastanza convincenti ed elaborate, ma quando si tratta di stime quantitative c'è un punto morto. In linea di principio, Vladislav ne ha già parlato all'inizio. Il riconoscimento dei modelli è probabilmente più adatto per un gioco portatile che per un automa che ha bisogno solo di numeri. Anche se ci sono alcuni messaggi in questo thread da T1000 che ha un'opinione opposta e ha sviluppato un indicatore per il trading di Elliot. Dice che ci commercia con discreto successo.
Perché non può essere descritto? Ecco la spiegazione di questa figura, tutto ha un senso.
Lo zigzag blu è uno zigzag, costruito su un timeframe nativo (H4), lo zigzag rosso è costruito su D1. Regola 1 - finché il nuovo massimo in H4 è più alto del precedente, il trend rialzista continua.
Regola 2 - se il nuovo massimo in H4 non è più alto del precedente, la fase di correzione del trend rialzista potrebbe essere iniziata.
Regola 3 - se un nuovo minimo su H4 ha rotto il precedente, può essere la fase di consolidamento su D1
Regola 4 - se il prezzo ha rotto il minimo di D1, la tendenza al rialzo ha iniziato a invertire (forte inversione)
Regola 5 - un nuovo massimo su D1 è inferiore al massimo precedente su D1 - un'inversione (un pullback profondo) su D1 è un fatto compiuto.
Sento che non l'ho descritto molto rigorosamente, spero che sia intuitivamente chiaro quello che volevo dire.
Signori, vi consiglio di guardare il libro "Basi di conoscenza dei sistemi intellettuali" / T.A. Gavrilova, V.F. Khoroshevsky, "Peter", 2000. 384 с.
Questo libro sarà sicuramente trovato cercando "pattern recognition download".
Rosh, se non è un segreto, su quali principi pensate di costruire il lavoro del vostro "consigliere-arbitro"?
Tutto è ovviamente descritto abbastanza chiaramente e questo è più o meno il modo in cui un gran numero di trader fa trading, specialmente in una buona tendenza. Ma qual è la base per prendere decisioni specifiche sull'ingresso nel mercato? Solo sulla base delle regole descritte? Qual è la matematica dietro questo? Se si chiude l'ultimo terzo del grafico con la mano, la maggior parte dei trader direbbe che il prezzo dovrebbe scendere questa volta o tirarlo indietro. Ma come possiamo vedere si è mosso verso l'alto senza scendere. E penso che nel set di dati dei primi 2/3 del campione del grafico l'altezza della linea rossa sarebbe a sinistra, il che potrebbe confermare le ipotesi dei trader sulla vicinanza del pullback/reversal del prezzo. In questo caso, tutto dipende dal fatto che il trader immagini un'inversione/inversione o meno. In generale, questo è un campo non stop per la ricerca di applicabilità nell'autotrading ;o))), anche se per il trading manuale questo metodo non è peggiore di altri metodi ampiamente utilizzati dai trader.
Stavo prendendo le statistiche dal suo account in quel momento - http://forum.alpari-idc.ru/post292222-2020.html
MAE
Riflette il drawdown per ogni trade che ha chiuso con un profitto.
Per esempio, l'ordine con il ticket 674604 prima di chiudere con un profitto di 210 pips ha avuto un drawdown fino a 102 pips. Possiamo vedere che gli ordini redditizi hanno avuto meno drawdown.
http://forum.alpari-idc.ru/attachment.php?attachmentid=14491&d=1132511997
MFE è l'opposto.
Mostra il massimo profitto con cui poteva chiudersi un ordine che alla fine ha chiuso in perdita. L'ordine 972916 aveva un profitto massimo fluttuante di 12 pip e ha chiuso con una perdita di 251 pip.
http://forum.alpari-idc.ru/attachment.php?attachmentid=14492&d=1132512227
Si può vedere che le posizioni sono principalmente aperte contro il movimento, e le scommesse eccessive sono permesse.
L'ho avvertito all'epoca, ma non gli è dispiaciuto. La tendenza di aprile ha scosso molto i depositi dei concorrenti in quel periodo.
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Si tratta di un approccio completamente diverso al trading che non può essere descritto in termini di statistiche matematiche.
Non sono d'accordo. Per ogni immagine, sulla base della quale si stima il mercato, è necessario fare un'analisi statistica del comportamento del mercato quando questa immagine appare nella storia, costruire una distribuzione e determinare i suoi parametri. Poi, è possibile determinare statisticamente i parametri ottimali di un'immagine. Avendo questi dati in un database di immagini, si può determinare la probabilità di errore/successo nel processo decisionale con una certa precisione.
A giudicare dai risultati ottenuti, si possono trarre le seguenti conclusioni:
1. l'esperto attualmente disponibile è "rumore-dipendente", cioè l'esperto mostra una differenza significativa nei risultati sia del profitto finale che delle transazioni stesse sulle kotorizzazioni ottenute da fonti diverse.
2. È possibile regolare (adattarsi alla storia) non solo i parametri del sistema ma anche l'algoritmo di trading, che probabilmente può esistere anche in questo EA. I parametri dell'unico oscillatore di conferma sono stati scelti all'inizio 3 mesi fa, solo sulla base di un quadro visivo e della logica di apertura dei trade intraday, e non sono mai stati cambiati da allora. Tutti i risultati sono stati ottenuti solo modificando l'algoritmo di trading.
Nel mio grafico la crescita stabile senza drawdown significativi parte dalla fine di gennaio 2004. I dati più o meno omogenei di Alpari partono dalla metà del 2004. Nel tuo, per quanto ho capito, il drawdown massimo corrisponde a novembre 2004. Cioè, la coincidenza del cambio di fonte di quotazione più significativo può essere discussa con molta cautela, se mai. Ecco perché ho usato il termine "periodo favorevole". Non c'è alcun segno della sua fine, ma quanto può durare? La domanda è ovviamente retorica.
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Это совершенно другой подход к торговле, который не может быть описан в рамках математической статистики.
Non sono d'accordo. Per ogni immagine, sulla base della quale si stima il mercato, è necessario fare un'analisi statistica del comportamento del mercato quando questa immagine appare nella storia, costruire una distribuzione e determinare i suoi parametri. Poi possiamo determinare statisticamente i parametri ottimali dell'immagine. Avendo questi dati in un database di immagini, si può determinare la probabilità di errore/successo nel processo decisionale con una certa precisione.
Penso che la stima delle caratteristiche statistiche dei modelli sia piuttosto discutibile nell'aspetto pratico, anche se le informazioni sui tentativi di farlo possono essere trovate costantemente in Internet. Per esempio, l'ultima versione è disponibile qui : "MQL4: The Self-Engineering Expert Advisor" Questo metodo si riferisce ai neuroni. Ma per qualche ragione non ho mai trovato nessuna caratteristica quantitativa di tali sistemi. Forse ho solo guardato male?
E penso che il problema qui sia che semplicemente non si può avere abbastanza storia per stimare i parametri dei singoli modelli se si selezionano i modelli per la stima sulla base di parametri piuttosto rigidi. O se avete intenzione di stimare statisticamente TUTTE le combinazioni di barre che possono essere condizionatamente attribuite al concetto di pattern, allora penso che avrete o una quantità enorme di tutte le possibili modifiche di pattern che differiscono l'una dall'altra per un valore statisticamente insignificante molto piccolo, o le stime statistiche dei pattern saranno molto spalmate (una grande varianza di stime). E in futuro sarà molto difficile per un automa nel trading reale capire a quale delle modifiche di pattern esistenti nella base che è apparsa sulle ultime barre appartiene ora. Affinché un pattern sia statisticamente significativo, penso che abbiamo bisogno di uno storico sulla nostra coppia di valute di lavoro, che non abbiamo, e tutto questo con la garanzia che il mercato giocherà secondo le stesse regole nel campione che non è stato addestrato (in futuro). A questo proposito, un semplice canale di regressione lineare è statisticamente molto più sicuro. Guardate cosa è più affidabile? Informazioni sulle condizioni di mercato calcolate SEMPRE con un semplice algoritmo standard sulle ultime 300 barre durante la storia, o informazioni che queste barre ottenute recentemente sono simili (ben correlate) al valore medio di 100 istanze di pattern testa e spalle, presenti nella storia degli ultimi 5 anni? Secondo me la regressione è più affidabile perché è una tecnica matematica ben studiata ed elaborata rispetto al riconoscimento di modelli dove ci sono troppe dipendenze da vari altri fattori.
Tuttavia penso che il compito di riconoscimento del modello possa essere ridotto a un compito più semplice di trendline (linee di resistenza/supporto inclinate disegnate lungo gli estremi). Cioè molti modelli classici possono essere sostituiti da un insieme di linee di tendenza che sfondano, il che significa lavorare fuori dal modello. Ma anche qui non è così facile. Per esempio, in questo file possiamo vedere la dinamica di un triangolo convergente https://c.mql5.com/mql4/forum/2006/08/triangle.zip.
Si può vedere l'uscita dal triangolo convergente l'8 agosto. Ma secondo la descrizione classica di questo triangolo, il breakout avrebbe dovuto essere solo verso l'alto. Ma in pratica il prezzo è andato su e giù, cioè sia i tori che gli orsi hanno avuto i loro soldi. Questo esempio nega immediatamente il significato del modello "Triangolo convergente" come tale.
Le linee di tendenza nei grafici dati sono disegnate senza prendere in considerazione le ultime 2 barre. Ecco perché quando una linea di tendenza viene rotta si vede chiaramente quale linea di tendenza è stata rotta.
Una versione più completa della dinamica delle linee di tendenza per l'ultimo mese può essere trovata qui "MQL4: Un'immagine per il forum di metaquote" solandr 31.08.2006 08:02 (Un archivio RAR multi-volume. Ci sono 16 parti in totale. Dopo aver scaricato tutte le parti, cambia l'estensione dello zip in rar e scompattalo in WinRAR3.50. È molto utile per i principianti del trading guardare questo cartone animato, per esempio ACDSee, per capire come la tendenza del mercato può cambiare nel tempo e cosa si può fare per minimizzare il rischio.
A mio parere, lavorare con le linee di tendenza è molto più facile che lavorare con modelli multiparametro che devono essere catturati su dati storici e poi raccogliere statistiche. Le linee di tendenza sono molto più facili! Ho anche sperimentato con loro nel mio Expert Advisor. Li ho usati per sostituire un oscillatore di conferma e anche l'indicatore Hurst! E in generale, il risultato ottenuto è stato molto significativo, chiaramente diverso da uno completamente casuale. Per il momento, ho deciso di rimandare l'uso delle linee di tendenza nel mio Expert Advisor per qualche tempo, poiché secondo le mie osservazioni, il calcolo dell'indicatore Hearst fornisce approssimativamente le stesse informazioni che forniscono le linee di tendenza, ma utilizzando un algoritmo di calcolo più formalizzato che è più efficiente in termini di creazione e uso pratico di MTS.
Le reti neurali sono più probabilmente utili nelle aree in cui è possibile calcolare in anticipo tutte le possibili combinazioni che possono accadere in futuro e semplicemente trovare una conferma per una o un'altra variante basata su quelle combinazioni nel rumore. Per esempio, conoscendo in anticipo (avendo registrato preliminare su un'area di test, o avendo calcolato tutte le possibili varianti di segnali sulla base del modello matematico adeguato alla situazione) tutte le possibili varianti di segnali all'avvicinamento di un oggetto ad un altro, in futuro (all'utilizzo reale dell'oggetto addestrato in questo modo) è possibile trovare il più vicino dalle varianti disponibili di segnali e prendere la decisione corrispondente sulle azioni ulteriori dell'oggetto dove il sistema addestrato su neuronets è installato. Ma tutto questo funziona nei limiti delle situazioni disponibili nel database e si evolverà secondo l'algoritmo registrato una volta. Temo che il forex sia più vario da questo punto di vista :o(