Perché la distribuzione normale non è normale? - pagina 18
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
Sarebbe interessante sentire il lato pratico delle considerazioni accademiche.
Questo particolare studio, e la maggior parte degli altri, non sono un fine in sé, ma un sottoprodotto (se posso dirlo) della ricerca di opportunità di arbitraggio presentate nel mercato. Per esempio, costruire una serie di autocorrelazione per letture adiacenti della prima differenza di una serie di prezzi è un tentativo di negoziare il colore di una candela. La matrice dei coefficienti di correlazione delle coppie è un tentativo di catturare l'arbitraggio prima dei forti movimenti di notizie. Studio della funzione di distribuzione degli incrementi WPD - massimizzazione della redditività della ST tenendo conto dei rischi limitanti. Bene, ecc.
Quindi l'interesse è abbastanza pratico e lontano dalla curiosità oziosa (anche se non senza). Il mercato è un sistema complesso con numerosi feedback e sperare di controllarlo con stop e MAK è inutile. Quindi bisogna scavare.
Questo materiale è la prova della mia affermazione di cui sopra. Una domanda a parte riguarda il significato delle dipendenze trovate. Purtroppo, per noi trader, queste relazioni hanno un valore pratico solo se il prodotto della volatilità di uno strumento su KK per il TF selezionato supera i suoi costi di transazione (spread delle società di brokeraggio). Questo non viene osservato.
E trovo interessante il grafico di KK(TF) nella 15a pagina. Solo la stima del valore pratico non è del tutto chiara. Può citare la matematica. Sarebbe molto interessante.
Colleghi, perché state studiando solo l'incremento a(n)-a(n+1)? Prova qualcosa come a(n)-a(n+5) o a(n)-a(n+30). Per la costruzione di disegni predittivi, il passo di ritardo non ha importanza. Controlla! Vi posso assicurare che sarete piacevolmente sorpresi (dato il titolo dell'argomento)...
Nel mio grafico, l'asse orizzontale è il TF ottenuto dalle minuzie utilizzando il seguente algoritmo: TF1 a(n)-a(n+1), TF2 a(n)-a(n+2),...,TFk a(n)-a(n+k). Quindi, collega, stiamo facendo esattamente quello che lei consiglia.
Dottore. ha scritto(a) >> Ma ho trovato curioso il grafico QC(TF) a pagina 15. Solo la valutazione del valore pratico non è del tutto chiara. Puoi darmi i calcoli. Sarebbe molto interessante.
Per definizione, il coefficiente di correlazione a coppie tra campioni adiacenti in RPM di una serie di prezzi, è la probabilità di prevedere correttamente il colore della prossima candela, o in altre parole, è l'efficienza MTS. Per convertire le percentuali in punti dobbiamo conoscere la volatilità dello strumento nel timeframe selezionato. Moltiplicando l'efficienza per la volatilità, otteniamo una stima della redditività del TS come valore medio dei punti per transazione. Questo deve essere confrontato con la commissione della società di intermediazione (spread). Se la redditività in qualsiasi TF supera lo spread, il trading redditizio è possibile.
Qui, per esempio, i dati sulla coppia EURCHF:
Il colore rosso mostra il coefficiente di correlazione tra candele in funzione del TF (in questo esempio, il valore è dato modulo). Il blu mostra la volatilità dello strumento. Il lilla è la stima del rendimento medio. I dati sono stati utilizzati nel 2005-2006, quindi 4 segni e la diffusione in quei tempi per questa coppia era punto 2. Vediamo che con questo approccio non superiamo la commissione di DT su nessuno dei TF dati (non ci sono abbastanza statistiche per TF>100 min, ma il CC è sicuro di cadere lì e trascina la redditività verso il basso in generale). Le barre mostrano l'intervallo di confidenza corrispondente alla diffusione statistica dei dati di input.
Tutta questa tristezza è legata al tentativo di sfruttare le proprietà stazionarie delle serie dei prezzi, e sono tutte consapevolmente coperte dalla DC sullo spread, il campo è calpestato come un pascolo. L'unica soluzione sembra essere la ricerca di caratteristiche quasi-stazionarie che permettono di "superare" il DC.
Getch ha scritto (a) >> Intendi l'arbitraggio statistico basato sulle correlazioni?
Assolutamente giusto - non gioca un ruolo! Ma non capisco la domanda...
Naturalmente, l'analisi può essere fatta in termini di orizzonte di trading (non orizzonte temporale, ma orizzonte di prezzo). L'unica cosa importante, come hai giustamente notato, è il movimento dei prezzi - determina i nostri interessi e il tipo di trading. I pipers lavorano su brevi intervalli di prezzo, i trader a medio termine lavorano nell'intervallo 100-500 pips (per 4 cifre), ecc.
State analizzando una serie temporale dove n è il tempo. Questo è un errore concettuale. a(n) - dovrebbe essere il valore del prezzo dell'estremo locale (ZigZag), o il valore del prezzo attraverso uguali volumi finanziari accumulati dello strumento di trading.
È bello vederti (leggere), collega!
Esattamente. Io stesso uso solo la scala dei prezzi (verticale) della ripartizione delle serie dei prezzi ed escludo completamente il tempo dall'analisi. Non ha senso (tranne che per la dipendenza dal tempo della volatilità dello strumento, ma quelli sono dettagli - piccolo secondo ordine).
In generale, non possiamo fare a meno del tempo. Questo parametro apparirà sicuramente quando si stima la redditività massima del TS per unità di tempo reale (viviamo nel mondo reale e abbiamo bisogno di guadagnare più velocemente che in un milione di anni).
Grande! Dopo tutto, il tempo di mercato è una misura del cambiamento del volume finanziario. Non capisco cosa c'è a(n) nel vostro ragionamento?
Non sono d'accordo sulla necessità di tenere conto del tempo umano. Uno degli argomenti può essere il ReverseSystem Expert Advisor, che non ha il concetto di tempo umano.