una strategia di trading basata sulla teoria dell'onda di Elliott - pagina 185
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
Nella scienza, ci sono approcci e metodi standard per risolvere un dato problema. La bellezza di questo approccio è la sua certezza, la disponibilità di strumenti provati e il successo invariabile (se, naturalmente, c'è una soluzione al problema in linea di principio). Un tale approccio fa risparmiare tempo e garantisce risultati. È attraente. A proposito, sul link da lei citato, è possibile dimostrare chiaramente come non risolvere un problema. Infatti, è sufficiente utilizzare un apparato sviluppato di analisi spettrale di serie temporali o analizzare la densità spettrale di una serie temporale stazionaria determinata attraverso la sua funzione di autocorrelazione per non annoiarci con osservazioni empiriche sulla quantità e qualità delle onde di Elliott. Il mercato è volatile, ed è simile alla morte usare un modello stazionario composto da cinque onde, per esempio. Una volta ha funzionato, ma sei mesi dopo sarebbe più corretto usare il modello a undici onde. Quindi... ... dobbiamo adattare empiricamente il modello a un mercato volatile ogni volta? Questo non è un esempio di comportamento razionale.
Yurixx nei suoi post qui sopra sembrava condividere il mio punto di vista, e sarebbe interessante vedere il suo lavoro in questo campo.
Per quanto riguarda il suo commento sulla casualità nella scelta dei rapporti del modello autoregressivo (se ho capito bene), devo dissentire, perché i rapporti dati sono determinati in modo univoco dai coefficienti di autocorrelazione delle serie storiche studiate risolvendo le equazioni di Yule-Walker [Yule (1927)], [Walker (1931)].
Grasn, potrebbe dirci di più sulle sue ricerche in questo campo.
Saluti.
Per favore, spiegate di quale approccio state parlando. Qual è l'approccio che assicura un successo infallibile e garantisce i risultati?
Completamente d'accordo con la tua valutazione. Qualsiasi modello deterministico è condannato a vita breve. E più deterministico è, più breve sarà la sua vita. Non è chiaro solo come riesci a combinare una tale visione con quello che hai scritto nel primo post:
A proposito, come persona più che lontana da DSP, vorrei che mi spiegaste i dettagli dell'analisi della densità spettrale di una serie temporale stazionaria definita tramite la sua funzione di autocorrelazione. Soprattutto su come una serie temporale è definita attraverso la sua funzione di autocorrelazione.
OK, cercherò di descriverlo brevemente.
Rosh
grasn, qual è la differenza tra Estremo 1 e Estremo 2 secondo voi (il vostro ragionamento) e come riconoscerli (distinguerli) online (dalla parte giusta della storia)?
In un certo senso, un approccio alternativo alla scelta di un canale affidabile.
Inizierò con i testi. Un giorno sono andato a trovare un mio vecchio amico. Dal mio sguardo capì subito il motivo della mia apparizione e senza chiedere nulla disse: "Se hai un'idea, prima di tutto siediti, calmati, versati un bicchiere di buon cognac e poniti la domanda: perché non ha funzionato per i tuoi predecessori". Probabilmente non sono stato l'unico ad avere questa idea, ma almeno non ho trovato analoghi nelle fonti a mia disposizione. Ma non importa, forse non leggo molto e non pretendo affatto sulla paternità (anche se l'ho pensato onestamente, essendo impegnato nelle reti neurali). La sua piena attuazione mi sembra molto difficile, in alcuni punti sembra addirittura impossibile. Ma non è questo il motivo per cui voglio "parlarne :o)". C'è ancora molta vaghezza in esso. Se ne discutiamo, possiamo trovare la strada giusta, portarla fino in fondo. Anche se, se immaginiamo che insieme siamo un grande supercervello, probabilmente saremo in grado di risolvere completamente un tale problema. :о)
Sto parlando di un'idea, che può diventare la base per una previsione alternativa del movimento dei prezzi e alla fine prendere il suo giusto posto nei sistemi sviluppati (questo non è per importanza, ma per stima personale). L'implementazione nel mio sistema, la considero come un modulo ausiliario e vedo l'applicazione direttamente come un criterio aggiuntivo per selezionare un canale affidabile, ma naturalmente non l'unico, e avendo letto fino alla fine, si può capire perché voglio attribuire "e grazie a Dio non è l'unico". Ma più vicino al corpo, come diceva il vecchio Maupassant.
L'idea principale
Quindi, mi sono posto il seguente obiettivo: modellare (prevedere) il movimento dei prezzi basato sulla rappresentazione delle notizie come segnali (scusate, è tutta l'influenza dell'elaborazione digitale dei segnali). Questa è la semplice idea. Non ci sono tendenze, ciclicità o altro, niente di tutto ciò. C'è una notizia in arrivo e un segnale correlato ad essa.
Ipotesi (in breve e non tutte)
In ogni momento il mercato si trova in un unico stato, che si divide in due sotto-stati paralleli e correlati: attesa di notizie e reazione alle notizie ricevute. Il mercato è in questo stato ora, lo sarà tra un minuto, un'ora, un mese, sempre.
Le notizie non fanno altro che impacchettare informazioni (dati o altre conoscenze) in un guscio e distribuirle attraverso diversi canali di comunicazione. E non sono le notizie che "tengono" il mercato, ovviamente, ma le informazioni. Non importa se lo "Zio Sam" o un trader con un deposito di 200 dollari riceve ed elabora queste informazioni direttamente o indirettamente. Non fraintendete che indirettamente le notizie non influenzano un trader che non esegue formalmente l'analisi delle notizie. Qualsiasi indicatore costruito su una serie di prezzi contiene già informazioni trasformate (primo postulato dell'AT). E quindi la notizia. Per alcune persone una citazione ricevuta può essere una "notizia", ahem, sto scherzando.
Per informazione, intendo qualsiasi dato significativo che influenzi una quotazione (voci, rapporti, previsioni di dati fondamentali, arrivo di dati fondamentali, elezioni, ecc. ecc.
Limitazioni (brevemente e tutt'altro che tutte)
Riceviamo tutte le notizie? A questa domanda non si può rispondere in modo affermativo. Per esempio, non sappiamo nulla dell'accordo estremo. Potremmo semplicemente non ricevere tutte le notizie per la semplice ragione che abbiamo scelto un cattivo fornitore, e certamente non è possibile per ognuno di noi gestire tutto.
La notizia ha un impatto? Ho scritto due paragrafi qui, principalmente per Alex(ricordate che Alex ha scritto che le notizie non hanno influenza al momento in cui i professionisti ci guadagnano), ma li ho cancellati. Mettendo da parte la filosofia, darò subito voce alla mia opinione: sì, lo fanno.
L'idea è di non costruire un modello economico e di non scivolare in questo settore. L'essenza dell'idea è quella di classificare le informazioni in entrata e confrontarle con un certo segnale e dare un "feedback" sotto forma di parametri del segnale sulla base dell'analisi qualitativa delle informazioni in entrata.
Modello (brevemente e lontano da tutto)
Se non riceviamo tutte le notizie, che cosa allora? La risposta sta probabilmente nel fatto che non abbiamo bisogno di tutte le informazioni. È improbabile che un giocatore reagisca a tutte le notizie di fila, molto probabilmente si aspetta, a seconda degli obiettivi (non sono molti), qualche notizia specifica. Di conseguenza, sulla base dei principi statistici dobbiamo identificare le informazioni veramente importanti, che sono attese dalla grande maggioranza e poi lavorare solo con esse. In generale, tale lavoro sembra essere stato fatto per noi, e per iniziare la ricerca si può usare e fidarsi, che è esattamente quello che ho fatto.
Strutturare le informazioni, e molto di più ...... sono argomenti interessanti separati.
Matematicamente, ogni notizia (presa in considerazione) è modellata da una certa classe di segnale (il segnale è usato nel contesto dell'elaborazione digitale dei segnali) con le sue proprie caratteristiche. Una convoluzione condizionale di tali segnali (un impulso è anche un segnale) darà un segnale predittivo completo. Di conseguenza, è necessario abbinare ogni notizia significativa presa in considerazione ai parametri e al tipo di segnale utilizzato. I parametri di tutti gli impulsi devono essere normalizzati e calcolati a partire dal livello di prezzo corrente. La previsione dovrebbe essere su base settimanale, con una previsione strategica a lungo termine dovrebbe essere basata sul valore di previsione del venerdì.
Applicazione
L'applicazione è varia. Lo si può inchiodare al muro, stamparlo e portarlo in bagno, oppure si può, per esempio, perfezionare un canale affidabile semplicemente "inserendo" il segnale di previsione nei canali.
PS: Questa non è un'idea che vi darà previsioni di prezzo molto accurate, per niente. E risolvere l'equazione di Yule-Walker temo che non aiuterà, anche se se Neutron condivide, lo apprezzerei.
Sull'arbitrarietà e la ricerca
È lì che si trova la vera arbitrarietà, dove ci si può girare e godere al massimo. Mi è piaciuto: dai risultati sbalorditivi (correvo sul soffitto, inciampando sul lampadario con l'emozione che mi travolgeva) al filosofico "già...ma almeno leggono le notizie?". :о))
Sviluppo dell'idea
È abbastanza possibile che i risultati di una corretta implementazione siano correlati all'EWT. Per dirla crudamente, ma delicatamente, perché non andare dal contrario, in questa teoria, cioè dalla "folla" e dal suo umore?
Allora, vogliamo creare una "formula dell'umore", cari membri del forum? :о)
Usare una funzione di autocorrelazione è un modo per calcolare lo spettro
Soprattutto su come una serie temporale è definita attraverso la sua funzione di autocorrelazione
e questo non l'ho capito io stesso, forse non la formulazione esatta
Se ora aggiungi quei grafici e una mezza dozzina di regole di comportamento del mercato non troppo complicate, potresti pubblicare un libro sul forex trading. Non peggio di Williams e Elliott. :-)))
Se ora aggiungi quei grafici e una mezza dozzina di alcune regole non troppo complicate del comportamento del mercato, puoi già pubblicare libri sul forex trading. Non peggio di Williams e Elliott. :-)))
Ciao Yuri!
Tu ed io abbiamo deciso quando inizieremo a pubblicare libri. Non ho ancora detto addio all'idea.
:о)))
Hai solo bisogno di fare qualche altro passo avanti...
Ma bisogna vivere di qualcosa! Il Forex è buono, ma è puramente scientifico. :-)
Nella mia strategia utilizzo un approccio che permette di sfruttare il Mechanical Trading System (MTS). Anche un'analisi sommaria dei possibili algoritmi di trading mostra che solo l'approccio basato sull'analisi dei dati storici già disponibili soddisfa questo requisito. In altre parole, ho fatto un'ipotesi che la storia si ripete ed è possibile costruire una strategia che sfrutta la proprietà di prevedibilità per alcuni passi avanti di una serie temporale di uno strumento.
Naturalmente, questa ipotesi richiedeva una conferma e la creazione di un modello adeguato del processo di formazione dei prezzi. Come modello, sembrava logico assumere che il prezzo includesse additivamente una componente casuale e una deterministica. Questa ipotesi si basa su una congettura sul ruolo stabilizzante della banca centrale (la banca centrale beneficia dal mantenere il prezzo entro una banda limitata, cioè ci deve essere un effetto stabilizzante dovuto all'introduzione di un ciclo di feedback negativo tra i movimenti di prezzo e le azioni della banca centrale) e, in combinazione, il ruolo destabilizzante degli operatori di mercato (la folla tende al comportamento da gregge, cioè beneficia dei movimenti di prezzo in tendenza). Allo stesso tempo, non escludiamo la presenza di una componente stagionale o ciclica e di possibili tendenze deterministiche (azioni dirette di grandi attori).
Introduciamo alcuni concetti di base:
1. Una serie è detta strettamente stazionaria (o stazionaria in senso stretto) se la distribuzione di probabilità congiunta di m osservazioni è la stessa di m osservazioni.
In altre parole, le proprietà di una serie temporale strettamente stazionaria non cambiano quando si cambia l'origine del tempo. In particolare, dall'assunzione di una rigorosa stazionarietà di una serie temporale deriva che la legge di distribuzione della probabilità di una variabile casuale è indipendente dal tempo, e quindi tutte le sue principali caratteristiche numeriche, comprese media e varianza, sono anche indipendenti dal tempo.
Ovviamente, il valore medio definisce un livello costante, rispetto al quale la serie temporale analizzata fluttua, mentre la dispersione (D) caratterizza la gamma di queste fluttuazioni. Poiché la legge di distribuzione della probabilità di una variabile casuale è la stessa per tutti gli t, essa stessa e le sue principali caratteristiche numeriche possono essere stimate dalle osservazioni.
2. La tendenza lineare deterministica è un movimento direzionale del prezzo causato da certi eventi sul mercato. Il criterio è un'aspettativa non nulla di una serie temporale forzatamente stazionaria e rilevata per mezzo di filtri digitali a bassa frequenza.
3. Tendenza lineare non deterministica - un movimento direzionale del prezzo causato da un processo di prezzo casuale. Il criterio è l'aspettativa zero di una serie temporale forzatamente stazionaria e non può essere rilevato dai filtri digitali passa-basso a causa dell'inevitabile ritardo di fase degli schemi di filtraggio casuale.
4. La serie in tempo reale del mercato valutario può essere considerata una serie stazionaria integrata. Così facendo, l'aspettativa della serie stazionaria generatrice può essere assunta pari a zero.
L'ultimo punto segue i risultati dello studio delle serie temporali stazionarie ottenute differenziando i dati reali esistenti dagli archivi di quotazioni. Inoltre, per comodità, parleremo di serie stazionarie, tenendo presente che una serie temporale reale viene ricostruita da una serie stazionaria semplicemente integrando quest'ultima. Inoltre, segue dal paragrafo 4 che non ci sono movimenti direzionali deterministici sul mercato Forex, mentre qualsiasi movimento direzionale simile è di natura casuale e quindi non è di alcun interesse pratico (trend non amico!). Differenziare la serie iniziale ci permetterà di sbarazzarci delle tendenze stocastiche, il che semplificherà ulteriormente il nostro modello.
Quindi, assumiamo che il processo di pricing possa essere descritto da un modello che include una componente ciclica e una serie temporale stazionaria con payoff atteso pari a zero. Alla domanda se ci sia o meno una componente ciclica nella serie dei prezzi si può rispondere applicando un'analisi di Fourier o influenzando la serie temporale con un filtro digitale a banda stretta. Nella mia pratica ho usato entrambi i metodi. I risultati ottenuti implicano che i cicli esistono nel mercato valutario, ma sono stocastici, cioè non ci sono cicli con un periodo stazionario o quasi stazionario. Questa proprietà, purtroppo, rende fondamentalmente impossibile sfruttare le strategie basate sulla ciclicità del processo dei prezzi. Ripeto che questa conclusione vale solo per il mercato dei cambi! Il mercato azionario ha una componente stagionale stazionaria e tendenze deterministiche. Questo fatto permette di sperare in un possibile sfruttamento di queste proprietà del mercato azionario in TS. Alla luce di quanto sopra, la mia opinione è che la Teoria di Elliott è applicabile solo nel mercato delle azioni e dei futures, ma non nel mercato dei cambi.
Di conseguenza, il nostro modello contiene solo due componenti: una componente deterministica e una componente casuale. Il processo di formazione del prezzo può essere descritto come la memoria del mercato di un numero infinito di salti di prezzo precedenti, ognuno dei quali ha il suo peso decrescente e la sua componente casuale. Nel caso generale dobbiamo limitare ragionevolmente il numero di membri coinvolti nella formazione del prezzo e trovare un modo per calcolare i coefficienti dati (pesi) da parametri disponibili e calcolabili che caratterizzano il processo stazionario di interesse. E anche per determinare i parametri della componente casuale, che non è un compito difficile. In questo caso il prossimo (terzo+1) salto di prezzo sarà determinato dalla somma di n salti precedenti S(i), ciascuno moltiplicato per il suo peso a(i) monotonicamente decrescente con la distanza dal bordo anteriore della storia, e una variabile casuale sigma con una legge di distribuzione nota, valore atteso zero e deviazione standard nota :
S(i+1)=SUM(a(i-k)*S(i-k))+sigma dove la somma è eseguita su tutti i k da zero a n.
Quindi, abbiamo a che fare con un modello autoregressivo di n-esimo ordine.
In linea di principio, abbiamo bisogno della forma esatta della variabile casuale solo se vogliamo ottenere una serie temporale S(i) che sia completamente identica a quella generatrice (in termini di caratteristiche), ma questo compito mi sembra superfluo. In effetti, siamo interessati solo alla capacità predittiva del modello che soffrirà inevitabilmente di un elemento di incertezza introdotto dal termine responsabile della componente casuale, ma considerando il segno casuale dell'errore introdotto, possiamo tranquillamente dire che dopo un gran numero di corse l'errore di previsione associato al termine casuale si ridurrà a zero! E infine il nostro modello sembra abbastanza semplice:
S(i+1)=SUM(a(i-k)*S(i-k)), dove la somma è condotta su tutti i k da zero a n.
La densità spettrale del processo autoregressivo di nono ordine è definita utilizzando la formula:
p(omega)=2D/|1-SUM(a(k)*exp{-i*2k*omega})|^2, dove la somma è condotta su tutti i k da 1 a n,
i=SQRT(-1) e 0<=omega<=1/2 .
Preliminarmente, noto che
Si riflette anche nella mia ricerca:
La storia si ripete e questo è dimostrato dall'indice Hurst, solo che valuta la possibilità di ripetizione/continuazione della struttura stabilita (come ho scritto prima), il che cambia un po' l'approccio a TC.
Una normalizzazione "feedback" correttamente eseguita, cioè la corrispondenza dei parametri del segnale con la qualità dell'informazione, permette di ottenere in generale una componente localmente deterministica. Non ci sono davvero cicli (non vendono galosce :o), ma sono le informazioni di base (M0, M1, tassi ecc.) che hanno ciclicità. La previsione di base ("quasi-deterministica") si basa su informazioni cicliche.
L'unico problema è che il grado di influenza di informazioni specifiche cambia nel tempo e una volta che si fa il razionamento della storia, si può ricominciare a fare tutto da capo :o(. Ma finora questo approccio non è davvero altro che un hobby scientifico.