Grasn, 링크에 감사드리며 제기된 문제에 관심을 가져주셔서 감사합니다. 과학에는 문제를 해결하기 위한 표준 접근 방식과 방법이 있습니다. 이 접근 방식의 장점은 확실성, 입증된 도구의 가용성 및 지속적인 성공입니다(물론 원칙적으로 문제에 대한 솔루션이 있는 경우). 이 접근 방식은 시간을 절약하고 결과를 보장합니다. 그것은 끌린다. 그건 그렇고, 당신이 제공 한 링크를 사용하여 문제를 해결하지 않는 방법을 명확하게 보여줄 수 있습니다. 실제로 개발된 시계열 스펙트럼 분석 장치를 사용하거나 자기 상관 함수를 통해 정의된 정지 시계열의 스펙트럼 밀도를 분석하여 엘리엇 파동의 수와 품질에 대한 경험적 관찰에 속지 않는 것으로 충분합니다. . 시장은 변동성이 있으며, 예를 들어 5개의 파동으로 구성된 고정 패턴을 사용하는 것은 죽음과 같습니다. 일단 작동하고 6개월 후에는 11파동 모델을 사용하는 것이 더 정확할 것입니다. 그리고 무엇을 ... 우리는 매번 경험적으로 변동성이 큰 시장에 맞게 모델을 조정할 것인가? 이것은 비합리적인 행동의 한 예입니다. 위의 게시물에서 Yurixx는 내 관점을 공유하는 것 같으며 이 분야에서 그의 발전에 대해 알아가는 것이 흥미로울 것입니다. 자기회귀 모델의 계수 선택의 자의성에 대한 귀하의 언급과 관련하여(내가 문제가 있는 것이 무엇인지 정확하게 이해한다면), 이 계수는 시계열의 자기상관 계수에 의해 고유하게 결정되기 때문에 이에 동의하지 않겠습니다. Yule-Walker 방정식[Yule(1927)], [Walker(1931)]을 해결하여 연구 중입니다. Grasn, 이 분야에 대한 연구에 대해 자세히 설명해 주시겠습니까?
이 접근 방식의 장점은 확실성, 입증된 도구의 가용성 및 지속적인 성공입니다(물론 원칙적으로 문제에 대한 솔루션이 있는 경우). 이 접근 방식은 시간을 절약하고 결과를 보장합니다.
어떤 접근 방식을 말하는지 설명해주세요. 지속적인 성공과 보장된 결과를 보장하는 접근 방식은 무엇입니까?
그건 그렇고, 당신이 제공 한 링크를 사용하여 문제를 해결하지 않는 방법을 명확하게 보여줄 수 있습니다. 실제로 개발된 시계열 스펙트럼 분석 장치를 사용하거나 자기 상관 함수를 통해 정의된 정지 시계열의 스펙트럼 밀도를 분석하여 엘리엇 파동의 수와 품질에 대한 경험적 관찰에 속지 않는 것으로 충분합니다. . 시장은 변동성이 있으며, 예를 들어 5개의 파동으로 구성된 고정 패턴을 사용하는 것은 죽음과 같습니다. 일단 작동하고 6개월 후에는 11파동 모델을 사용하는 것이 더 정확할 것입니다. 그리고 무엇을 ... 우리는 매번 경험적으로 변동성이 큰 시장에 맞게 모델을 조정할 것인가? 이것은 비합리적인 행동의 예입니다.
귀하의 평가에 전적으로 동의합니다. 모든 결정론적 모델은 수명이 짧습니다. 그리고 결정할수록 수명이 짧아집니다. 이러한 관점을 첫 번째 게시물에서 작성한 내용과 결합하는 방법은 명확하지 않습니다.
나는 가격 책정 메커니즘에 대한 결정론적 설명의 가능성에 관심이 있습니다.
그건 그렇고 DSP와는 거리가 먼 사람으로서 자기상관 함수를 통해 정의된 정지 시계열의 스펙트럼 밀도 분석에 대해 자세히 설명해 주셨으면 합니다. 특히 자기 상관 함수를 통해 시계열을 정의하는 방법에 대해 설명합니다.
로쉬 그래, 당신이 생각하는 극한값 1과 극한값 2의 차이점은 무엇이며(당신의 주장) 온라인(역사의 오른쪽 가장자리에서)을 어떻게 인식합니까(서로 구별)?
어떤 의미에서는 신뢰할 수 있는 채널을 선택하기 위한 대안적 접근 방식입니다.
가사부터 시작하겠습니다. 어느 날 나는 오랜 친구에게 왔다. 내 눈의 표정으로 그는 내 등장의 이유를 즉시 이해했고 아무 것도 묻지 않고 다음과 같이 말했다. 그리고 질문을 하십시오 - 왜 당신의 전임자들에게는 효과가 없었습니까?" . 아마도이 아이디어는 나에게만 온 것이 아니라 적어도 내가 사용할 수있는 소스의 유사체를 만난 적이 없습니다. 글쎄, 신이 그를 축복합니다. 아마도 나는 많이 읽지 않고 저자를 전혀 주장하지 않습니다 (솔직히 신경망 을 생각해 냈음에도 불구하고). 그것의 완전한 구현은 나에게 매우 어려운 것처럼 보이며 어떤 곳에서는 심지어 불가능해 보입니다. 그러나 이것이 "그것에 대해 이야기하고 싶은 욕망의 이유는 아닙니다 :o)". 아직 안개가 많이 끼어 있습니다. 토론하다 보면 바른 길을 찾을 수 있고 끝까지 가십시오. 우리가 함께 큰 슈퍼 브레인이라고 상상한다면 아마도 그러한 문제를 완전히 해결할 수 있을 것입니다. :에 대한)
우리는 대안적인 가격 움직임 예측의 기초가 될 수 있고 미래에 개발 중인 시스템에서 정당한 위치를 차지할 수 있는 아이디어에 대해 이야기하고 있습니다(이것은 중요성이 아니라 개인적인 평가에서). 내 시스템의 구현을 보조 모듈로 생각하고 응용 프로그램을 신뢰할 수있는 채널을 선택하기위한 추가 기준으로 직접 봅니다. 물론 유일한 것은 아니지만 끝까지 읽은 후에는 왜 속성을 부여하고 싶은지 이해할 수 있습니다 "그리고 하나님께 감사하라." 그러나 늙은 Maupassant가 말했듯이 몸에 더 가깝습니다.
주요 아이디어 그래서 저는 다음과 같은 목표를 세웠습니다. 신호 형태의 뉴스 프레젠테이션을 기반으로 가격 움직임을 모델링(예측)합니다(이것이 모두 디지털 신호 처리의 영향입니다). 이것이 전체 간단한 아이디어입니다. 추세, 순환성 및 기타 사항이 없으며이 모든 것이 없습니다. 들어오는 뉴스와 그와 관련된 신호가 있습니다.
가정(모든 것에서 짧고 멀다) 매 순간 시장은 하나의 상태에 있으며 두 개의 병렬 및 관련 하위 상태(뉴스를 기다리는 것과 들어오는 뉴스에 반응하는 것)로 나뉩니다. 시장은 지금 이 상태에 있으며, 1분 후, 1시간 후, 1개월 후, 항상 있을 것입니다.
뉴스는 정보(데이터 또는 기타 지식)만을 셸에 포장하고 다른 통신 채널을 통해 전달합니다. 그리고 물론 시장은 뉴스가 아니라 정보에 의해 "지배"됩니다. "Uncle Sam" 또는 $200 예금을 가진 상인이 이 정보를 직간접적으로 수신하고 처리하는지 여부는 중요하지 않습니다. 뉴스가 공식적으로 뉴스 분석을 수행하지 않는 거래자에게 간접적으로 영향을 미치지 않는다는 것을 실수하지 마십시오. 가격 시리즈를 기반으로 하는 모든 지표에는 이미 변환된 정보(TA의 첫 번째 가정)가 포함되어 있습니다. 그리고 뉴스. 어떤 사람들에게는 들어오는 인용문이 "뉴스"일 수 있습니다. 헤, 농담입니다.
정보란 뉴스에 포함된 인용문(루머, 보도, 펀더멘털 데이터 예측, 펀더멘털 데이터 수신, 선거 등)에 영향을 미치는 모든 중요한 데이터를 의미합니다.
제한 사항(모든 것과 거리가 멀고 간략하게) 모든 소식을 받고 있습니까? 이 질문은 긍정적으로 대답할 수 없습니다. 예를 들어, 우리는 마지막 거래에 대한 데이터를 알지 못합니다. 나쁜 공급업체를 선택했다는 단순한 이유로 모든 소식을 받지 못할 수도 있고, 더욱이 우리 각자가 모든 것을 처리할 수는 없습니다.
뉴스가 영향을 미치나요? 여기에서 저는 주로 Alex 를 위해 두 개의 단락을 썼습니다(알렉스는 전문가들이 돈을 벌 때 뉴스가 어떤 식으로든 영향을 미치지 않는다고 썼습니다). 그러나 저는 모든 것을 지웠습니다. 철학을 생략하고, 나는 즉시 내 의견을 말할 것입니다. 예, 그렇습니다.
경제 모델을 구축하거나 이 영역에 빠져서는 안 됩니다. 아이디어의 본질은 들어오는 정보를 분류하고 특정 신호와 비교하고 들어오는 정보의 정성적 분석을 기반으로 신호 매개 변수의 형태로 "피드백"을 전송하는 것입니다.
모델(짧고 멀리 떨어져 있음) 모든 소식을 듣지 못하면 어떻게 됩니까? 답은 아마도 모든 정보가 필요하지 않다는 사실에 있을 것입니다. 플레이어가 모든 뉴스에 연속적으로 반응할 가능성은 거의 없으며 목표(그 중 많지 않음)에 따라 특정 뉴스를 예상할 가능성이 큽니다. 따라서 통계 원칙에 따라 대다수가 기대하는 정말 중요한 정보를 식별하고 앞으로는 이것으로만 작업해야 합니다. 일반적으로 그러한 작업은 우리를 위해 수행 된 것 같으며 연구를 시작 하기 위해 사용 하 고 신뢰할 수 있는 작업을 실제로 수행 했습니다.
구조화 정보, 그리고 훨씬 더 ...... - 흥미로운 주제를 분리합니다.
수학적으로 각 뉴스(고려 대상)는 고유한 특성을 가진 특정 등급의 신호(신호는 디지털 신호 처리 맥락에서 사용됨)로 모델링됩니다. 이러한 신호(임펄스는 신호이기도 함)의 특정 조건에서 수행되는 컨볼루션은 완전한 예측 신호를 제공합니다. 따라서 고려 대상으로 인정되는 각 중요 뉴스에 사용되는 신호의 매개변수 및 유형을 비교할 필요가 있습니다. 모든 충동의 매개변수는 현재 가격 수준에서 정규화되고 계산되어야 합니다. 예측은 주간이어야 하며 장기에 대한 전략적 예측은 금요일의 예측 값을 기반으로 해야 합니다.
애플리케이션 응용 프로그램은 매우 다릅니다. 벽에 못을 박고 인쇄하여 변기에 가져갈 수 있습니다. 또는 예를 들어 수신된 예측 신호를 채널에 단순히 순차적으로 "쓰기"하여 안정적인 채널을 개선할 수 있습니다.
추신: 이것은 매우 정확한 가격 예측을 제공하는 아이디어가 아니며 전혀 아닙니다. 그리고 Yule-Walker 방정식의 해는 도움이 되지 않을 것입니다. Neutron 이 공유된다면 감사하겠습니다.
자의성과 연구에 대해 여기가 바로 진정한 자의성, 돌아서서 그 열매를 마음껏 즐길 수 있는 곳입니다. 나는 그것을 즐겼다: 놀라운 결과(나는 천장을 따라 달리고 있었고, 나를 압도하는 감정들 때문에 샹들리에를 비틀거리고 있었다)로부터 철학적 "예, 정말로 ... 그들은 뉴스를 읽습니까?"에 이르기까지. :에 대한))
아이디어 개발 올바른 구현의 결과는 EWT와 상관관계가 있을 가능성이 큽니다. 대략적으로 말하면, 이 이론에서는 반대로, 즉 "군중"과 분위기에서?
Grann님, 자세한 답변 감사합니다. 매우 흥미로운. 내 전략에서는 기계 거래 시스템(MTS)을 활용할 수 있는 접근 방식을 사용합니다. 가능한 거래 알고리즘에 대한 피상적인 분석조차도 이미 사용 가능한 과거 데이터 분석에 기반한 접근 방식만이 이 요구 사항을 충족한다는 것을 보여줍니다. 즉, 역사는 반복된다는 가설을 내세웠고, 특정 종목의 시계열보다 몇 단계 앞서서 예측가능성 속성을 활용한 전략을 세울 수 있다는 가설을 세웠다. 당연히 이 가설은 가격 책정 프로세스의 적절한 모델을 확인하고 생성해야 했습니다. 모델로서 가격에 무작위 구성 요소와 결정적 구성 요소가 추가로 포함된다고 가정하는 것이 논리적으로 보였습니다. 이 가정은 중앙 은행의 안정화 역할에 대한 가정을 기반으로 합니다(중앙 은행이 제한된 복도에서 가격을 유지하는 것이 유리합니다. 즉, 가격 변화의 역학과 중앙 은행의 행동), 그리고 종합적으로 시장에서 플레이어의 불안정한 역할( 군중은 무리를 짓기 쉬운 경향이 있습니다. 즉, 가격 추세의 역학으로부터 이익을 얻습니다). 동시에, 우리는 계절적 또는 주기적 요소의 존재와 가능한 결정론적 경향(대규모 플레이어의 방향성 행동)을 배제하지 않습니다. 몇 가지 기본 개념을 소개하겠습니다. 1. m개의 관측치에 대한 결합 확률 분포가 m개의 관측치에 대한 것과 동일한 경우 계열을 엄격하게 정상적 (좁은 의미에서 정상적)이라고 합니다. 즉, 엄격하게 고정된 시계열의 속성은 시간의 원점이 변경될 때 변경되지 않습니다. 특히 시계열의 엄격한 정상성을 가정하면 확률 변수의 확률 분포 법칙은 시간에 의존하지 않으므로 평균값과 분산을 포함한 모든 주요 수치적 특성은 다음과 같습니다. 시간에 의존하지 않습니다. 분명히 평균값은 분석된 시계열이 변동하는 상수 수준을 결정하고 분산(D)은 이러한 변동의 범위를 특성화합니다. 확률 변수의 확률 분포 법칙은 모든 t에 대해 동일하기 때문에 그 자신과 그의 주요 수치적 특성은 관찰에서 추정할 수 있습니다. 2. 결정적 선형 추세 - 시장의 특정 이벤트로 인한 방향성 가격 움직임. 기준은 강제로 고정된 시계열에 대한 0이 아닌 기대이며 저주파 디지털 필터를 사용하여 감지됩니다. 3. 비결정적 선형 추세 - 무작위 가격 책정 프로세스로 인한 방향성 가격 움직임. 기준은 강제로 고정된 시계열의 제로 기대이며 기본적으로 캐주얼 필터링 방식의 불가피한 위상 지연으로 인해 저주파 디지털 필터를 사용하여 감지되지 않습니다. 4. 외환 시장의 실시간 시계열 은 통합된 고정 시계열로 간주될 수 있습니다. 이 경우 고정 급수 생성의 기대치를 0으로 설정할 수 있습니다.
마지막 요점은 기존의 실제 데이터를 인용 아카이브로 차별화하여 얻은 정지 시계열에 대한 연구 결과에서 따온 것이다. 또한 편의상 고정계열을 간단히 통합하여 실시간 시계열을 고정계열에서 복원한다는 점을 잊지 않고 고정계열에 대해 설명합니다. 또한 단락 4에서 원칙적으로 외환 시장에는 결정론적 방향 움직임이 없으며 유사한 방향 움직임은 무작위적인 성격을 가지므로 실질적인 관심이 없습니다(추세는 친구가 아닙니다!). 원본 시리즈를 차별화하면 확률적 추세를 제거할 수 있으므로 모델을 더욱 단순화할 수 있습니다. 따라서 우리는 가격 책정 프로세스가 주기적인 구성 요소와 평균이 0인 고정 시계열을 포함하는 모델로 설명할 수 있다고 가정합니다. 푸리에 분석을 적용하거나 협대역 디지털 필터로 시계열에 영향을 줌으로써 일련의 환율에서 순환 성분의 존재 여부에 대한 질문에 답하는 것이 가능합니다. 실습에서는 두 가지 방법을 모두 사용했습니다. 얻은 결과는 외환 시장의 사이클이 존재 하지만 본질적으로 확률론적이라는 것을 나타냅니다. 정지 또는 거의 정지 기간이 있는 주기는 없습니다. 불행히도 이 속성은 기본적으로 가격 책정 프로세스의 주기적인 특성에 기반한 전략의 활용을 허용하지 않습니다. 이 결론은 외환 시장에만 적용된다는 것을 반복합니다! 주식 시장은 고정적인 계절 성분과 결정론적 추세를 가지고 있습니다. 이 사실은 우리가 TS에서 주식 시장의 이러한 속성의 가능한 활용을 희망하게 합니다. 위와 같은 점에서 엘리엇의 이론은 외환시장이 아닌 주식과 선물시장에만 적용될 수 있다고 생각합니다. 결과적으로 우리 모델에는 결정적 구성 요소와 무작위 구성 요소의 두 가지 구성 요소만 포함됩니다. 가격 책정 프로세스는 각각 자체적으로 가중치가 감소하고 임의 구성 요소가 있는 무한한 수의 이전 가격 급등에 대한 시장의 기억으로 설명될 수 있습니다. 일반적으로 가격 책정에 관여하는 구성원의 수를 합리적으로 제한하고 관심 있는 고정 프로세스를 특성화하는 사용 가능하고 계산 가능한 매개변수에서 이러한 계수(가중치)를 계산하는 방법을 찾아야 합니다. 또한 무작위 구성 요소의 매개 변수를 결정하는 것은 어렵지 않습니다. 이 경우 다음(총 + 1) 가격 점프는 n개의 이전 점프 S(i)의 합계에 의해 결정되며, 각 점프에는 자체 가중치 a(i)가 곱해지며 선두에서 거리에 따라 단조롭게 감소합니다. 역사의 가장자리, 알려진 법칙 분포, 0 평균 및 알려진 표준 편차를 갖는 확률 변수 시그마: S(i+1)=SUM(a(ik)*S(ik))+sigma, 여기서 합은 0에서 n까지의 모든 k에 대한 것입니다. 따라서 우리는 n차의 자기회귀 모델에 대해 이야기하고 있습니다. 원칙적으로 우리는 생성기와 완전히 동일한(특성 측면에서) 시계열 S(i)를 얻고자 할 때만 정확한 형태의 랜덤 변수가 필요하지만 이 작업은 나에게 중복되는 것처럼 보입니다. 실제로, 우리는 모델의 예측 능력에만 관심이 있습니다. 이는 불가피하게 임의 구성 요소에 대한 책임이 있는 구성원에 의해 도입된 불확실성 요소로 인해 어려움을 겪을 것이지만 도입된 오류의 임의 부호를 감안할 때 어느 정도 말할 수 있습니다. 많은 수의 트랜잭션 후에 랜덤 멤버와 관련된 예측 오류가 0으로 줄어들 것이라는 확신! 그리고 결국 우리 모델은 매우 단순해 보입니다. S(i+1)=SUM(a(ik)*S(ik)) , 여기서 합은 0에서 n까지의 모든 k에 대한 것입니다.
n차 자기회귀 과정의 스펙트럼 밀도는 다음 공식을 사용하여 결정됩니다. p(오메가)=2D/|1-SUM(a(k)*exp{-i*2k*omega})|^2 , 여기서 합은 1에서 n까지의 모든 k에 대한 것입니다. i=SQRT(-1) 및 0<=오메가<=1/2 .
… 나는 역사가 반복된다는 가설을 세웠고 특정 상품의 시계열보다 몇 단계 앞서 예측성 속성을 활용하는 전략을 세울 수 있습니다… 임의 구성 요소 및 결정적
내 연구에도 반영되어 있습니다.
역사는 실제로 반복되며 이것은 Hurst 지수 에 의해 입증됩니다. 그는 TS에 대한 접근 방식을 다소 변경하는 기존 구조(그가 이전에 썼음)를 반복/계속할 가능성을 평가합니다.
올바르게 수행된 "피드백" 배급, 즉 정보 품질에 대한 신호 매개변수의 비교는 일반적으로 국부적으로 결정된 구성요소를 얻을 수 있도록 합니다. 실제로 주기는 없지만(장식을 판매하지 않음 :o) 주기가 있는 기본 정보(M0, M1, 비율 등)입니다. 기본("거의 결정적") 예측은 주기적 정보를 기반으로 합니다.
유일한 문제는 특정 정보의 영향 정도가 시간이 지남에 따라 변하고 역사에 따라 정규화되면 다시 시작할 수 있다는 것입니다 :o(. 그러나 지금까지 이 접근 방식은 실제로 과학적인 취미에 불과합니다.
과학에는 문제를 해결하기 위한 표준 접근 방식과 방법이 있습니다. 이 접근 방식의 장점은 확실성, 입증된 도구의 가용성 및 지속적인 성공입니다(물론 원칙적으로 문제에 대한 솔루션이 있는 경우). 이 접근 방식은 시간을 절약하고 결과를 보장합니다. 그것은 끌린다. 그건 그렇고, 당신이 제공 한 링크를 사용하여 문제를 해결하지 않는 방법을 명확하게 보여줄 수 있습니다. 실제로 개발된 시계열 스펙트럼 분석 장치를 사용하거나 자기 상관 함수를 통해 정의된 정지 시계열의 스펙트럼 밀도를 분석하여 엘리엇 파동의 수와 품질에 대한 경험적 관찰에 속지 않는 것으로 충분합니다. . 시장은 변동성이 있으며, 예를 들어 5개의 파동으로 구성된 고정 패턴을 사용하는 것은 죽음과 같습니다. 일단 작동하고 6개월 후에는 11파동 모델을 사용하는 것이 더 정확할 것입니다. 그리고 무엇을 ... 우리는 매번 경험적으로 변동성이 큰 시장에 맞게 모델을 조정할 것인가? 이것은 비합리적인 행동의 한 예입니다.
위의 게시물에서 Yurixx는 내 관점을 공유하는 것 같으며 이 분야에서 그의 발전에 대해 알아가는 것이 흥미로울 것입니다.
자기회귀 모델의 계수 선택의 자의성에 대한 귀하의 언급과 관련하여(내가 문제가 있는 것이 무엇인지 정확하게 이해한다면), 이 계수는 시계열의 자기상관 계수에 의해 고유하게 결정되기 때문에 이에 동의하지 않겠습니다. Yule-Walker 방정식[Yule(1927)], [Walker(1931)]을 해결하여 연구 중입니다.
Grasn, 이 분야에 대한 연구에 대해 자세히 설명해 주시겠습니까?
감사합니다.
어떤 접근 방식을 말하는지 설명해주세요. 지속적인 성공과 보장된 결과를 보장하는 접근 방식은 무엇입니까?
귀하의 평가에 전적으로 동의합니다. 모든 결정론적 모델은 수명이 짧습니다. 그리고 결정할수록 수명이 짧아집니다. 이러한 관점을 첫 번째 게시물에서 작성한 내용과 결합하는 방법은 명확하지 않습니다.
그건 그렇고 DSP와는 거리가 먼 사람으로서 자기상관 함수를 통해 정의된 정지 시계열의 스펙트럼 밀도 분석에 대해 자세히 설명해 주셨으면 합니다. 특히 자기 상관 함수를 통해 시계열을 정의하는 방법에 대해 설명합니다.
Gransn, 이 분야에 대한 연구에 대해 자세히 설명해 주시겠습니까?
좋아요, 간단히 설명하겠습니다.
로쉬
그래, 당신이 생각하는 극한값 1과 극한값 2의 차이점은 무엇이며(당신의 주장) 온라인(역사의 오른쪽 가장자리에서)을 어떻게 인식합니까(서로 구별)?
어떤 의미에서는 신뢰할 수 있는 채널을 선택하기 위한 대안적 접근 방식입니다.
가사부터 시작하겠습니다. 어느 날 나는 오랜 친구에게 왔다. 내 눈의 표정으로 그는 내 등장의 이유를 즉시 이해했고 아무 것도 묻지 않고 다음과 같이 말했다. 그리고 질문을 하십시오 - 왜 당신의 전임자들에게는 효과가 없었습니까?" . 아마도이 아이디어는 나에게만 온 것이 아니라 적어도 내가 사용할 수있는 소스의 유사체를 만난 적이 없습니다. 글쎄, 신이 그를 축복합니다. 아마도 나는 많이 읽지 않고 저자를 전혀 주장하지 않습니다 (솔직히 신경망 을 생각해 냈음에도 불구하고). 그것의 완전한 구현은 나에게 매우 어려운 것처럼 보이며 어떤 곳에서는 심지어 불가능해 보입니다. 그러나 이것이 "그것에 대해 이야기하고 싶은 욕망의 이유는 아닙니다 :o)". 아직 안개가 많이 끼어 있습니다. 토론하다 보면 바른 길을 찾을 수 있고 끝까지 가십시오. 우리가 함께 큰 슈퍼 브레인이라고 상상한다면 아마도 그러한 문제를 완전히 해결할 수 있을 것입니다. :에 대한)
우리는 대안적인 가격 움직임 예측의 기초가 될 수 있고 미래에 개발 중인 시스템에서 정당한 위치를 차지할 수 있는 아이디어에 대해 이야기하고 있습니다(이것은 중요성이 아니라 개인적인 평가에서). 내 시스템의 구현을 보조 모듈로 생각하고 응용 프로그램을 신뢰할 수있는 채널을 선택하기위한 추가 기준으로 직접 봅니다. 물론 유일한 것은 아니지만 끝까지 읽은 후에는 왜 속성을 부여하고 싶은지 이해할 수 있습니다 "그리고 하나님께 감사하라." 그러나 늙은 Maupassant가 말했듯이 몸에 더 가깝습니다.
주요 아이디어
그래서 저는 다음과 같은 목표를 세웠습니다. 신호 형태의 뉴스 프레젠테이션을 기반으로 가격 움직임을 모델링(예측)합니다(이것이 모두 디지털 신호 처리의 영향입니다). 이것이 전체 간단한 아이디어입니다. 추세, 순환성 및 기타 사항이 없으며이 모든 것이 없습니다. 들어오는 뉴스와 그와 관련된 신호가 있습니다.
가정(모든 것에서 짧고 멀다)
매 순간 시장은 하나의 상태에 있으며 두 개의 병렬 및 관련 하위 상태(뉴스를 기다리는 것과 들어오는 뉴스에 반응하는 것)로 나뉩니다. 시장은 지금 이 상태에 있으며, 1분 후, 1시간 후, 1개월 후, 항상 있을 것입니다.
뉴스는 정보(데이터 또는 기타 지식)만을 셸에 포장하고 다른 통신 채널을 통해 전달합니다. 그리고 물론 시장은 뉴스가 아니라 정보에 의해 "지배"됩니다. "Uncle Sam" 또는 $200 예금을 가진 상인이 이 정보를 직간접적으로 수신하고 처리하는지 여부는 중요하지 않습니다. 뉴스가 공식적으로 뉴스 분석을 수행하지 않는 거래자에게 간접적으로 영향을 미치지 않는다는 것을 실수하지 마십시오. 가격 시리즈를 기반으로 하는 모든 지표에는 이미 변환된 정보(TA의 첫 번째 가정)가 포함되어 있습니다. 그리고 뉴스. 어떤 사람들에게는 들어오는 인용문이 "뉴스"일 수 있습니다. 헤, 농담입니다.
정보란 뉴스에 포함된 인용문(루머, 보도, 펀더멘털 데이터 예측, 펀더멘털 데이터 수신, 선거 등)에 영향을 미치는 모든 중요한 데이터를 의미합니다.
제한 사항(모든 것과 거리가 멀고 간략하게)
모든 소식을 받고 있습니까? 이 질문은 긍정적으로 대답할 수 없습니다. 예를 들어, 우리는 마지막 거래에 대한 데이터를 알지 못합니다. 나쁜 공급업체를 선택했다는 단순한 이유로 모든 소식을 받지 못할 수도 있고, 더욱이 우리 각자가 모든 것을 처리할 수는 없습니다.
뉴스가 영향을 미치나요? 여기에서 저는 주로 Alex 를 위해 두 개의 단락을 썼습니다(알렉스는 전문가들이 돈을 벌 때 뉴스가 어떤 식으로든 영향을 미치지 않는다고 썼습니다). 그러나 저는 모든 것을 지웠습니다. 철학을 생략하고, 나는 즉시 내 의견을 말할 것입니다. 예, 그렇습니다.
경제 모델을 구축하거나 이 영역에 빠져서는 안 됩니다. 아이디어의 본질은 들어오는 정보를 분류하고 특정 신호와 비교하고 들어오는 정보의 정성적 분석을 기반으로 신호 매개 변수의 형태로 "피드백"을 전송하는 것입니다.
모델(짧고 멀리 떨어져 있음)
모든 소식을 듣지 못하면 어떻게 됩니까? 답은 아마도 모든 정보가 필요하지 않다는 사실에 있을 것입니다. 플레이어가 모든 뉴스에 연속적으로 반응할 가능성은 거의 없으며 목표(그 중 많지 않음)에 따라 특정 뉴스를 예상할 가능성이 큽니다. 따라서 통계 원칙에 따라 대다수가 기대하는 정말 중요한 정보를 식별하고 앞으로는 이것으로만 작업해야 합니다. 일반적으로 그러한 작업은 우리를 위해 수행 된 것 같으며 연구를 시작 하기 위해 사용 하 고 신뢰할 수 있는 작업을 실제로 수행 했습니다.
구조화 정보, 그리고 훨씬 더 ...... - 흥미로운 주제를 분리합니다.
수학적으로 각 뉴스(고려 대상)는 고유한 특성을 가진 특정 등급의 신호(신호는 디지털 신호 처리 맥락에서 사용됨)로 모델링됩니다. 이러한 신호(임펄스는 신호이기도 함)의 특정 조건에서 수행되는 컨볼루션은 완전한 예측 신호를 제공합니다. 따라서 고려 대상으로 인정되는 각 중요 뉴스에 사용되는 신호의 매개변수 및 유형을 비교할 필요가 있습니다. 모든 충동의 매개변수는 현재 가격 수준에서 정규화되고 계산되어야 합니다. 예측은 주간이어야 하며 장기에 대한 전략적 예측은 금요일의 예측 값을 기반으로 해야 합니다.
애플리케이션
응용 프로그램은 매우 다릅니다. 벽에 못을 박고 인쇄하여 변기에 가져갈 수 있습니다. 또는 예를 들어 수신된 예측 신호를 채널에 단순히 순차적으로 "쓰기"하여 안정적인 채널을 개선할 수 있습니다.
추신: 이것은 매우 정확한 가격 예측을 제공하는 아이디어가 아니며 전혀 아닙니다. 그리고 Yule-Walker 방정식의 해는 도움이 되지 않을 것입니다. Neutron 이 공유된다면 감사하겠습니다.
자의성과 연구에 대해
여기가 바로 진정한 자의성, 돌아서서 그 열매를 마음껏 즐길 수 있는 곳입니다. 나는 그것을 즐겼다: 놀라운 결과(나는 천장을 따라 달리고 있었고, 나를 압도하는 감정들 때문에 샹들리에를 비틀거리고 있었다)로부터 철학적 "예, 정말로 ... 그들은 뉴스를 읽습니까?"에 이르기까지. :에 대한))
아이디어 개발
올바른 구현의 결과는 EWT와 상관관계가 있을 가능성이 큽니다. 대략적으로 말하면, 이 이론에서는 반대로, 즉 "군중"과 분위기에서?
그럼 포럼 회원 여러분, "기분 공식"을 만들어 볼까요? :에 대한)
자기 상관 함수를 통해 정의된 정상 시계열의 스펙트럼 밀도 분석
자기 상관 함수를 사용하는 것은 스펙트럼 계산을 위한 옵션 중 하나입니다.
특히 자기 상관 함수를 통해 시계열을 정의하는 방법에 대해
나는 이것을 스스로 이해하지 못했습니다. 아마도 정확한 표현이 아닐 수도 있습니다.
이제 이러한 차트와 시장에서 너무 복잡하지 않은 행동 규칙 6개를 추가하면 이미 외환 거래에 대한 책을 출판할 수 있습니다. 윌리엄스와 엘리엇보다 나쁘지 않습니다. :-)))
이제 이러한 차트와 시장에서 너무 복잡하지 않은 행동 규칙 6개를 추가하면 이미 외환 거래에 대한 책을 출판할 수 있습니다. 윌리엄스와 엘리엇보다 나쁘지 않습니다. :-)))
안녕하세요 유리님!
우리는 책 출판을 시작할 시기를 결정했습니다. 나는 아직 이 아이디어를 포기하지 않았다.
:에 대한)))
우리는 앞으로 몇 걸음만 더 나아가면 됩니다...
:에 대한)))
그러나 당신은 무언가에 살아야합니다! 외환은 좋지만 순전히 과학적인 취미입니다. :-)
내 전략에서는 기계 거래 시스템(MTS)을 활용할 수 있는 접근 방식을 사용합니다. 가능한 거래 알고리즘에 대한 피상적인 분석조차도 이미 사용 가능한 과거 데이터 분석에 기반한 접근 방식만이 이 요구 사항을 충족한다는 것을 보여줍니다. 즉, 역사는 반복된다는 가설을 내세웠고, 특정 종목의 시계열보다 몇 단계 앞서서 예측가능성 속성을 활용한 전략을 세울 수 있다는 가설을 세웠다.
당연히 이 가설은 가격 책정 프로세스의 적절한 모델을 확인하고 생성해야 했습니다. 모델로서 가격에 무작위 구성 요소와 결정적 구성 요소가 추가로 포함된다고 가정하는 것이 논리적으로 보였습니다. 이 가정은 중앙 은행의 안정화 역할에 대한 가정을 기반으로 합니다(중앙 은행이 제한된 복도에서 가격을 유지하는 것이 유리합니다. 즉, 가격 변화의 역학과 중앙 은행의 행동), 그리고 종합적으로 시장에서 플레이어의 불안정한 역할( 군중은 무리를 짓기 쉬운 경향이 있습니다. 즉, 가격 추세의 역학으로부터 이익을 얻습니다). 동시에, 우리는 계절적 또는 주기적 요소의 존재와 가능한 결정론적 경향(대규모 플레이어의 방향성 행동)을 배제하지 않습니다.
몇 가지 기본 개념을 소개하겠습니다.
1. m개의 관측치에 대한 결합 확률 분포가 m개의 관측치에 대한 것과 동일한 경우 계열을 엄격하게 정상적 (좁은 의미에서 정상적)이라고 합니다.
즉, 엄격하게 고정된 시계열의 속성은 시간의 원점이 변경될 때 변경되지 않습니다. 특히 시계열의 엄격한 정상성을 가정하면 확률 변수의 확률 분포 법칙은 시간에 의존하지 않으므로 평균값과 분산을 포함한 모든 주요 수치적 특성은 다음과 같습니다. 시간에 의존하지 않습니다.
분명히 평균값은 분석된 시계열이 변동하는 상수 수준을 결정하고 분산(D)은 이러한 변동의 범위를 특성화합니다. 확률 변수의 확률 분포 법칙은 모든 t에 대해 동일하기 때문에 그 자신과 그의 주요 수치적 특성은 관찰에서 추정할 수 있습니다.
2. 결정적 선형 추세 - 시장의 특정 이벤트로 인한 방향성 가격 움직임. 기준은 강제로 고정된 시계열에 대한 0이 아닌 기대이며 저주파 디지털 필터를 사용하여 감지됩니다.
3. 비결정적 선형 추세 - 무작위 가격 책정 프로세스로 인한 방향성 가격 움직임. 기준은 강제로 고정된 시계열의 제로 기대이며 기본적으로 캐주얼 필터링 방식의 불가피한 위상 지연으로 인해 저주파 디지털 필터를 사용하여 감지되지 않습니다.
4. 외환 시장의 실시간 시계열 은 통합된 고정 시계열로 간주될 수 있습니다. 이 경우 고정 급수 생성의 기대치를 0으로 설정할 수 있습니다.
마지막 요점은 기존의 실제 데이터를 인용 아카이브로 차별화하여 얻은 정지 시계열에 대한 연구 결과에서 따온 것이다. 또한 편의상 고정계열을 간단히 통합하여 실시간 시계열을 고정계열에서 복원한다는 점을 잊지 않고 고정계열에 대해 설명합니다. 또한 단락 4에서 원칙적으로 외환 시장에는 결정론적 방향 움직임이 없으며 유사한 방향 움직임은 무작위적인 성격을 가지므로 실질적인 관심이 없습니다(추세는 친구가 아닙니다!). 원본 시리즈를 차별화하면 확률적 추세를 제거할 수 있으므로 모델을 더욱 단순화할 수 있습니다.
따라서 우리는 가격 책정 프로세스가 주기적인 구성 요소와 평균이 0인 고정 시계열을 포함하는 모델로 설명할 수 있다고 가정합니다. 푸리에 분석을 적용하거나 협대역 디지털 필터로 시계열에 영향을 줌으로써 일련의 환율에서 순환 성분의 존재 여부에 대한 질문에 답하는 것이 가능합니다. 실습에서는 두 가지 방법을 모두 사용했습니다. 얻은 결과는 외환 시장의 사이클이 존재 하지만 본질적으로 확률론적이라는 것을 나타냅니다. 정지 또는 거의 정지 기간이 있는 주기는 없습니다. 불행히도 이 속성은 기본적으로 가격 책정 프로세스의 주기적인 특성에 기반한 전략의 활용을 허용하지 않습니다. 이 결론은 외환 시장에만 적용된다는 것을 반복합니다! 주식 시장은 고정적인 계절 성분과 결정론적 추세를 가지고 있습니다. 이 사실은 우리가 TS에서 주식 시장의 이러한 속성의 가능한 활용을 희망하게 합니다. 위와 같은 점에서 엘리엇의 이론은 외환시장이 아닌 주식과 선물시장에만 적용될 수 있다고 생각합니다.
결과적으로 우리 모델에는 결정적 구성 요소와 무작위 구성 요소의 두 가지 구성 요소만 포함됩니다. 가격 책정 프로세스는 각각 자체적으로 가중치가 감소하고 임의 구성 요소가 있는 무한한 수의 이전 가격 급등에 대한 시장의 기억으로 설명될 수 있습니다. 일반적으로 가격 책정에 관여하는 구성원의 수를 합리적으로 제한하고 관심 있는 고정 프로세스를 특성화하는 사용 가능하고 계산 가능한 매개변수에서 이러한 계수(가중치)를 계산하는 방법을 찾아야 합니다. 또한 무작위 구성 요소의 매개 변수를 결정하는 것은 어렵지 않습니다. 이 경우 다음(총 + 1) 가격 점프는 n개의 이전 점프 S(i)의 합계에 의해 결정되며, 각 점프에는 자체 가중치 a(i)가 곱해지며 선두에서 거리에 따라 단조롭게 감소합니다. 역사의 가장자리, 알려진 법칙 분포, 0 평균 및 알려진 표준 편차를 갖는 확률 변수 시그마:
S(i+1)=SUM(a(ik)*S(ik))+sigma, 여기서 합은 0에서 n까지의 모든 k에 대한 것입니다.
따라서 우리는 n차의 자기회귀 모델에 대해 이야기하고 있습니다.
원칙적으로 우리는 생성기와 완전히 동일한(특성 측면에서) 시계열 S(i)를 얻고자 할 때만 정확한 형태의 랜덤 변수가 필요하지만 이 작업은 나에게 중복되는 것처럼 보입니다. 실제로, 우리는 모델의 예측 능력에만 관심이 있습니다. 이는 불가피하게 임의 구성 요소에 대한 책임이 있는 구성원에 의해 도입된 불확실성 요소로 인해 어려움을 겪을 것이지만 도입된 오류의 임의 부호를 감안할 때 어느 정도 말할 수 있습니다. 많은 수의 트랜잭션 후에 랜덤 멤버와 관련된 예측 오류가 0으로 줄어들 것이라는 확신! 그리고 결국 우리 모델은 매우 단순해 보입니다.
S(i+1)=SUM(a(ik)*S(ik)) , 여기서 합은 0에서 n까지의 모든 k에 대한 것입니다.
n차 자기회귀 과정의 스펙트럼 밀도는 다음 공식을 사용하여 결정됩니다.
p(오메가)=2D/|1-SUM(a(k)*exp{-i*2k*omega})|^2 , 여기서 합은 1에서 n까지의 모든 k에 대한 것입니다.
i=SQRT(-1) 및 0<=오메가<=1/2 .
우선 주의할 점은
… 나는 역사가 반복된다는 가설을 세웠고 특정 상품의 시계열보다 몇 단계 앞서 예측성 속성을 활용하는 전략을 세울 수 있습니다… 임의 구성 요소 및 결정적
내 연구에도 반영되어 있습니다.
역사는 실제로 반복되며 이것은 Hurst 지수 에 의해 입증됩니다. 그는 TS에 대한 접근 방식을 다소 변경하는 기존 구조(그가 이전에 썼음)를 반복/계속할 가능성을 평가합니다.
올바르게 수행된 "피드백" 배급, 즉 정보 품질에 대한 신호 매개변수의 비교는 일반적으로 국부적으로 결정된 구성요소를 얻을 수 있도록 합니다. 실제로 주기는 없지만(장식을 판매하지 않음 :o) 주기가 있는 기본 정보(M0, M1, 비율 등)입니다. 기본("거의 결정적") 예측은 주기적 정보를 기반으로 합니다.
유일한 문제는 특정 정보의 영향 정도가 시간이 지남에 따라 변하고 역사에 따라 정규화되면 다시 시작할 수 있다는 것입니다 :o(. 그러나 지금까지 이 접근 방식은 실제로 과학적인 취미에 불과합니다.