uma estratégia comercial baseada na Teoria da Onda de Elliott - página 23

Novo comentário
 
Vladislav, você acha que é possível aplicar o cálculo de parâmetros Hearst a um canal aproximado por uma função quadrática? Ou seja, como S tomamos o RMS dos erros estimados da aproximação do canal, mas como R provavelmente podemos tomar ou a diferença tradicional entre máximo e mínimo do canal em si, ou algo mais? Por exemplo, você pode virar metade da função quadrática em relação ao eixo do tempo para cima ou para baixo para obter algo como y=-Ax^2 em x<0 e y=Ax^2 em x>0 se o canal for aproximado por uma parábola. E tente tirar o canal espalhado R de tal amostra artificialmente disposta. Você acha que isto fará algum sentido? Ou é SEMPRE possível tomar o coeficiente Hearst apenas para o canal de regressão linear ou por exemplo através de muving de acordo com suas recomendações?
 
Vladislav, o cálculo do índice Hearst por muving me parece um pouco duvidoso, pois não se sabe qual o valor do período médio a ser tomado. Presumo que este valor para cada cálculo em particular deve mudar de alguma forma, dependendo do número de pontos. É por isso que, por enquanto, me instalei em um canal de regressão linear.


Desculpe novamente pelas respostas tardias. Gostaria de ter olhado mais cedo, teria poupado tempo, mas espero que não tenha sido desperdiçado. Portanto, não me ofereci para ler o critério Hurst usando um muving - ofereci-me para pegar o algoritmo da entrega padrão e substituir o que você precisa em vez dos valores do muving. Nesse algoritmo, que você postou (ainda não olhei para o último), há uma variável - a mediana da amostra. Como você vê isso? Se o canal for horizontalmente - então está tudo bem e você consegue o que precisa, mas no caso geral não. Ou seja, você tem que tomar a diferença entre o preço real e a projeção desse preço em cada barra. Deixe-me tentar ser mais específico: se você aproximar o preço de fechamento por um muvin, então você deve tomar a diferença entre o valor do muvin e o preço de fechamento em cada barra. Se uma regressão não linear, então o valor dessa regressão, se linear, então o valor da linha de regressão, mas tudo isso para cada barra. É por isso que escrevi que você deve ter pelo menos uma série de projeções - cada barra tem sua própria projeção. Então você pode estimar: não pegar a amostra inteira, mas apenas uma parte dela, construir um intervalo - se tudo ainda estiver dentro do intervalo, pegar a amostra inteira e construir uma projeção para o futuro (extrapolação).

Boa sorte e boa sorte com as tendências.
E esta é uma abordagem geral, tanto para aproximações lineares como não lineares.
 
Na minha última variante, uma regressão linear é construída primeiro para a amostra e a diferença é contada entre o preço real da barra e a equação de regressão linear construída para todo o canal ao mesmo tempo. Mas eu entendo que você está usando um método de cálculo diferente?
Portanto, pelo que entendi, o algoritmo para o cálculo do parâmetro Hurst por sua metodologia deve ser o seguinte:
1. Pegamos uma amostra de pontos para os quais queremos obter o parâmetro Hearst. Por exemplo, para maior clareza, vamos pegar uma amostra de pontos de 0 a N.
2. Vamos levar sucessivamente uma parte da amostra de 0 a M onde 0<M<=N. Isto é, teoricamente, temos N amostras com as seguintes faixas: 0-1, 0-2, 0-3, 0-4,...0-(N-1), 0-N.
3. Para cada amostra, construímos um canal de regressão linear. Temos uma variedade de canais e suas projeções para o futuro.
4. Calcular a diferença entre o preço de fechamento da barra M e a projeção nesta barra do canal de regressão linear, construído para a amostra 0-(M-1). Ou seja, os dados da projeção de regressão linear traçada para o PAST, não incluindo a barra atual, são tomados ao calcular a diferença? Certo?
5. Então temos uma série de diferenças a partir das quais determinamos o RMS (S)
6. Encontramos R como uma diferença entre os valores máximos e mínimos da amostra
7. Calcular o parâmetro Hearst.
Agora eu entendo corretamente como calcular o parâmetro Hearst ou não?
Se eu entendi sua idéia corretamente, parece-me ser uma adição MUITO IMPORTANTE ao método de cálculo do parâmetro Hearst dado pela fórmula do livro. Não se dá ênfase a esta circunstância do cálculo.
 
Sim, mas a amostra em si deve ser, pelo menos, um certo número de barras. Em outras palavras, você define o número mínimo de barras na amostra (é extremamente pequeno - cerca de 30, se for menor, o erro será grande, mas na verdade há um critério Pearson). Em seguida, você calcula a regressão na barra atual. Além disso, se a amostra > mínimo admissível, primeiro executamos a amostra até aproximadamente 2/3, contamos RMS, traçamos o intervalo e olhamos onde estamos agora. Se ainda estivermos no intervalo, tomamos a amostra inteira desde o início e novamente calculamos RMS até a última barra (será diferente no caso geral). Construir o intervalo - em caso de convergência, ele não deve aumentar pelo menos ;). RMS - tomamos quadrados de diferenças em relação ao valor de regressão (neste caso, ou um muving se o aproximarmos por um muving ou alguma função, aproximando o valor do preço de fechamento) e preços de fechamento em cada barra. Se tudo estiver bem - calculamos Hearst. O RMS já está lá, a seguir definimos o desvio máximo e mínimo. Logaritmo ..... - a seguir - a técnica. Como opção, isto pode não ser preços de fechamento, mas lucros em negócios, por exemplo - então você pode avaliar a aleatoriedade da obtenção de lucros por esta estratégia).

Boa sorte e boas tendências.
 
A propósito, eu também gostaria de fazer a seguinte pergunta. De acordo com meus cálculos iniciais, acho que é melhor tomar como preço de barra não algum preço de barra específico Aberto, Fechado, Alto ou Baixo, mas o preço médio da barra (O+C+H+L)/4. Então todos os parâmetros serão mais centralizados, ou seja, haverá um deslocamento mínimo para cima ou para baixo a partir da posição real da previsão. Então podemos simplesmente traçar linhas de intervalos de confiança para os preços médios das barras na amostra no diagrama de erros, e mostrar os próprios erros com duas linhas. Uma linha mostra erros de amostragem por preços altos, e outra linha - erros por preços baixos. Tal representação deve proporcionar uma visualização mais conveniente da posição de preço atual no intervalo de confiança. Vladislav, o que você pensa sobre isso? Ou você simplesmente escolheu uma vez o tradicional preço fechado como um ponto de referência de bar e ele já provou a si mesmo?
 
Vladislav, eu gostaria de esclarecer esta sua frase a partir de http://forex.ua/forum/viewtopic.php?t=1634&postdays=0&postorder=asc&start=100
Os níveis ainda precisarão ser refinados, como sempre o tempo para atingir os níveis é significativo.

Com isso você quer dizer que o conceito de um nível (seu valor declarado) é significativo apenas para o momento atual no tempo? E, em alguns níveis de tempo, naturalmente mudará à medida que o canal, ao longo do qual o preço está se movimentando, passar alguma distância e os limites dos intervalos de confiança estarão situados em outros lugares no futuro. Ou você quis dizer algo mais com esta frase? Por exemplo, você se refere à velocidade a que o preço atingiu este nível? Suponho que talvez você quisesse dizer o cálculo do parâmetro Hearst? Isso significa que se o preço quase atingiu um nível, mas Hearst mostra a continuação da tendência, o nível será quebrado, mesmo que não de uma só vez... Talvez isto seja especialmente relevante para os níveis dentro do intervalo de confiança.
 
Se ainda estiver no intervalo - leve toda a amostra do início até a última barra

Vladislav, e que largura do intervalo de confiança você leva especificamente para o caso do cálculo Hearst, bem como para pesquisas gerais para a amostra ideal?
90%
95%
99%
99,9%
Ou você define consistentemente diferentes larguras do intervalo de confiança em sua busca geral pela amostra ideal? Por exemplo, você procurou por uma amostra de 90% e encontrou uma amostra, depois procurou 95% e encontrou outra, e assim por diante até 99,9%?
Ou com base em experimentos, você descobriu que, por exemplo, amostras obtidas para intervalos de confiança superiores a 95% são de pouca utilidade para a previsão e devem ser descartadas na análise?
Ou talvez você se oriente apenas pelo fato de que os intervalos construídos posteriormente devem ser menores do que o inicial construído por 2/3 amostras?
O intervalo não deve ao menos aumentar com a convergência ;).

Mas mesmo assim, ao construir o primeiro intervalo, você deve definir sua largura, certo?

E mais uma pergunta, relativa à seqüência de cálculos (tempo final de cálculo). Entendo que ao buscar um canal de regressão linear, devemos começar a colher amostras do momento atual no fundo do passado. Suponha que tenhamos encontrado um conjunto de amostras que atendam aos requisitos de convergência. Mas ainda temos barras não contadas e contamos mais, obtendo amostras que caem fora do intervalo. Então que critério poderia ser tomado para o fato de que outros cálculos não têm sentido e que podemos terminar o ciclo de enumeração de amostras? À primeira vista, imagino que basta calcular o mesmo número de barras igual ao número de barras na amostra mais longa e bem sucedida? Ou você tem algumas outras opções? Por exemplo, é suficiente contar apenas 30% da amostra mais longa ou algum outro número de barras? Ou você estima toda a gama de preços para o último semestre independentemente dos resultados e depois estima os erros calculados para a aproximação das séries de preços por funções de outros pedidos? Por exemplo, o quadrático, que você já mencionou.

Por favor, diga-me, você aplica alguma outra função de aproximação? Por exemplo, funções harmônicas, exponenciais, logarítmicas, de potência (superior à segunda ordem), etc.? Ou, se aplicada ao mercado Forex, a aplicação de apenas duas funções - linear e quadrática - é suficiente para o sucesso da negociação neste mercado?
 
A propósito, eu gostaria de fazer outra pergunta. De acordo com meus cálculos iniciais, parece melhor tomar o preço médio da barra (O+C+H+L)/4, ao invés de um certo preço Aberto, Fechado, Alto ou Baixo, como o preço da barra. Então todos os parâmetros serão mais centralizados, ou seja, haverá um deslocamento mínimo para cima ou para baixo a partir da posição real da previsão.


É claro que você pode.

Com isso você quer dizer que o conceito de nível (seu valor declarado) é significativo apenas para o momento atual do tempo? E em algum tempo os valores dos níveis mudarão naturalmente, porque o canal, ao longo do qual o preço se move, passa alguma distância e os limites dos intervalos de confiança serão localizados em outros lugares no futuro.


Certo. A coincidência da zona pivot com um dos níveis pivot aumenta consideravelmente a precisão do cálculo.


E que largura do intervalo de confiança você toma para o cálculo do Hearst e para a busca geral de uma amostra ideal?


Acredito que a amostra é verdadeira até que o intervalo de confiança de 99% seja quebrado. Eu também levo em conta 90 e 95% - muitas vezes é o fim de uma recuo e restauração do thrend.

Mas de qualquer forma, quando você constrói o primeiro intervalo, você deve definir sua largura, certo?


Absolutamente - em desvios padrão - da maneira mais universal.

Diga-me por favor, você usa alguma outra função para aproximação? Por exemplo, harmônica, exponencial, logarítmica, potência (superior à segunda ordem), etc.? Ou, se aplicadas ao mercado Forex, são apenas duas funções - linear e quadrática - suficientes para o sucesso da negociação?


Não - as funções harmônicas são um caso especial da forma quadrática. E quanto ao resto - ver considerações sobre a potencialidade do campo de preços e não apenas com relação ao mercado Forex - em todos os lugares onde o campo de preços é potencial, ou seja, o lucro não depende da trajetória do preço, mas apenas da diferença entre os preços das posições de abertura e fechamento.

Com relação aos critérios - metodologicamente, escrevi: a trajetória de preços minimiza o potencial funcional da energia. Para mais detalhes, veja .....

Boa sorte e boas tendências.
 
Vladislav, em princípio eu já completei a busca de canais com base na regressão linear. E agora eu devo ter calculado Hearst de acordo com suas recomendações (cálculo de previsão para cada barra separadamente). Acho que o cálculo do Hearst para cada barra contém mais informações úteis, que ainda estou analisando, mas tentando usar na prática.
Agora meu script encontra canais de regressão linear que satisfazem o princípio de irredutibilidade, ou seja, RMS em toda amostra de canal é menor que RMS de 2/3 de amostra e princípio de não amostragem no último 1/3 para um intervalo de confiança de 99% (tudo está de acordo com suas recomendações). Mas agora surgiu uma pequena questão técnica. Como existem vários canais "verdadeiros" que operam no momento atual, existem regiões dispersas para tais canais, como em qualquer outro lugar nas estatísticas. Isto é, suponha que um dos canais "verdadeiros" é um canal de regressão linear baseado em uma amostra do tempo atual até 200 barras atrás no período H1. Se a amostra variar, por exemplo, dentro da faixa de 190-210 barras, as 2 condições acima mencionadas serão plenamente satisfeitas. Analisamos o valor RMS para estas amostras e selecionamos o menor valor. De acordo com sua estratégia, este canal é aplicável para a previsão.
Depois passamos para outro período de tempo, por exemplo, na M15. Estamos tentando encontrar um canal semelhante no mesmo período de tempo. E obtemos o seguinte resultado. O canal ideal (com o mínimo de inclinação) em M15 parece ser um canal de regressão linear obtido não em uma amostra de 800 barras (200*4) como seria natural, mas em uma amostra de 640 barras! Ou seja, o domínio do tempo me dá uma variação de até 25% (este é o máximo - geralmente menos). Também por causa disso, no momento atual, temos diferenças de cerca de 5-10 pontos na definição dos limites do intervalo de confiança. Como parece que tomamos como amostra o preço médio da barra (O+H+L+C)/4 e não realizamos nenhuma análise de padrão, então o período de tempo ótimo do canal traçado para o mesmo intervalo de tempo em diferentes intervalos de tempo deve ser o mesmo, certo? Ou não é assim e, neste caso, também devemos aplicar métodos estatísticos de estimativa de parâmetros? E o intervalo de tempo para o canal ótimo também tem sua própria variação, o que pode explicar esta divergência de amostras para o canal ótimo em diferentes intervalos de tempo?

Por conseguinte, tenho uma pergunta. O que você faz nesta situação? Em que você confia em seus cálculos? Por exemplo, você toma como base para a tomada de decisões um canal construído em um período de tempo menor, ou você estima os limites de intervalo de confiança adicionalmente, calculando a média dos limites de canal obtidos em diferentes períodos de tempo? Ou seja, se você calcular o mesmo canal em 4 prazos (M5, M15, M30 e H1), a estimativa média dos limites de intervalo de confiança para o mesmo canal será provavelmente duas vezes mais confiável? E você será capaz de confiar mais nele do que no cálculo do canal por um período de tempo separadamente? Ou talvez você tenha outra abordagem? Embora, talvez, nesta situação você não mede nada e apenas procure o nível apropriado mais próximo de Murray, como você já disse?

Em que prazo você efetua os cálculos principais? Você disse que seu programa calcula os dados para meio ano em 30-40 segundos. Presumo que o prazo não deve ser menor do que H1? É assim?
 
Em meus algoritmos std_dev[][] é uma tabela de RMS calculada para amostras e projeções de canais. Agora, em vez de um segundo índice constante, é usado um índice variável - então as projeções foram construídas apenas de uma maneira - agora de várias maneiras. Não sei qual é melhor ainda - até agora decidi manter todos eles.

Vladislav, por favor, informe sobre a matriz std_dev[][]. Tanto quanto sei, esta matriz tem a dimensão Nx2, onde N é um número de canais calculados. Os valores das células podem ser os seguintes:
std_dev[n][0] - valor RMS para 2/3 da amostra no canal n
std_dev[n][1] - valor RMS para toda a amostra do canal n (RMS para projeção)
Ou eu estou enganado e esta matriz contém algo mais? Por exemplo, é possível ter a terceira célula std_dev[n][2] que conteria o número da barra inicial para amostragem.

A propósito, que outras variantes podem ser usadas para construir projeções além da padrão? A projeção repete a função que foi tomada como a função aproximada + limites de intervalos de confiança que repetem a função aproximada na forma? O que mais você pode pensar nesta área? Eu, por exemplo, poderia supor que uma projeção poderia ser construída a partir de dados obtidos há várias barras. Parece ainda mais razoável desta forma porque se realizarmos a projeção apenas pelo momento atual, o preço destrói alguns canais que a formaram há várias barras ao se aproximar da zona de inversão e os canais restantes deslocam seus limites de intervalo para a zona de sub-rotação. Em outras palavras, se virmos a zona de inversão e o preço estiver próximo a ela, um dos canais considerados "verdadeiros" não conseguirá atender a uma das duas condições. Como você lida com este problema? Você também usa a previsão feita há várias barras em sua análise da situação atual?
1...161718192021222324252627282930...309
Novo comentário
Razão: