uma estratégia comercial baseada na Teoria da Onda de Elliott - página 192
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
No caso geral, a centralização de uma variável aleatória é um procedimento: X(t)-m(t) onde X(t) é uma variável aleatória e m(t) é a expectativa (média no intervalo). Assim, calculando a expectativa através da média sobre uma janela deslizante fixa, nos livramos do componente constante na série temporal inicial. Isto facilita a leitura de espectrogramas. De fato, compare o espectro da série original e o centralizado. A série original tem uma grande agitação na região de baixa freqüência. Mas há alguma incerteza com a escolha da janela de cálculo da média. o limite de baixa freqüência do espectrograma depende disso. Grosso modo, o espectro não conterá harmônicas com um período mais longo do que o tempo médio.
Utilizo para mim mesmo a centralização da série utilizando a fórmula: X[i]=Open[i-1]-Open[i]. Não é difícil traçar uma analogia neste caso com o procedimento de diferenciação numérica (dado que dt=1). Lembramos que se aplicarmos o operador de diferenciação à série original contendo funções harmônicas, a saída será uma série contendo os mesmos harmônicos com a amplitude aumentada proporcionalmente à freqüência. Isto é, o procedimento de diferenciação da série original:
1. não leva à perda de informações úteis (estamos falando de análise espectral);
2. permite-nos representar a densidade espectral de forma digerível;
3. permite-nos minimizar o inevitável desfasamento de fase associado ao procedimento de cálculo da média.
Lembre-se que a dimensionalidade da densidade espectral A^2/Hz é a potência (quadrado de amplitude) dividida por unidade de freqüência, enquanto a dimensionalidade do valor calculado (após o procedimento de diferenciação) é: Hz*A^2 e, para restaurar a densidade espectral, o vetor resultante deve ser dividido pelo quadrado de freqüência. Além disso, estamos principalmente interessados na amplitude de uma determinada harmônica. Para encontrá-la, divida a densidade espectral resultante pelo período e tire a raiz quadrada disso.
E por último, devo ter cometido um erro em algum lugar... Yurixx lhe dirá onde:-)
para Candidato
Candidato, prazer em vê-lo!
Não, não tem.
Pelo contrário, a diferenciação da série leva a uma "série superdiferenciada" que, embora estacionária, tem algumas propriedades indesejáveis relacionadas à irreversibilidade de seu componente MA; há uma autocorrelação parasitária dos valores vizinhos da série prodiferenciada (ciclos curtos dominam no espectro). Além disso, torna-se impossível utilizar os algoritmos usuais de estimativa de parâmetros e previsão de séries (ver, por exemplo, [Hamilton (1994), capítulos 4 e 5]).
No entanto, esta é uma história diferente. Estamos falando de peculiaridades dos modelos autoregressivos.
Obrigado, eu aprecio o humor. :-)) Entretanto, para tirar o componente de baixa freqüência do contexto, gostaria de esclarecer.
Seus cargos são sempre informativos e, portanto, me fazem querer entender e entender o que é dito neles.
Portanto, não estou à procura de erros, estou à procura de compreensão. E para isso tenho que esclarecer detalhes. :-)
O fato de que a operação X[i]=Open[i-1]-Open[i] é de fato uma diferenciação em série, ocorreu-me desde o início.
E eu continuava tentando entender porque você estava usando-o para centralizar. Parece não haver conexão aqui. Agora eu entendo e agradeço novamente.
A única coisa que eu ainda não entendo é a expectativa matemática da série X[i]=Open[i-1]-Open[i]. Tanto quanto eu entendo, a expectativa desta série nos intervalos que você tomou é não zero. Portanto, não se pode aplicar a ela as declarações sobre séries estacionárias com expectativa zero.
Está rigorosamente provado matematicamente que não se pode vencer a longo prazo por qualquer tipo de TS uma série temporal criada pela integração de uma série estacionária com pagamento zero esperado (é, com algumas reservas, análogo às séries de preços de instrumentos de moeda e se assemelha ao movimento Browniano de uma partícula)
Está matematicamente provado rigorosamente que é impossível bater a longo prazo com qualquer TS uma série cronológica construída pela integração de uma série estacionária com pagamento zero esperado (é, com algumas reservas, análogo às séries de preços de instrumentos de moeda e lembra o movimento Browniano de uma partícula).
No instituto foram-nos ditas muitas coisas interessantes sobre a teoria dos jogos. Como foi há muito tempo - estava citando de memória...
Talvez esteja correto:
...é impossível bater a longo prazo com qualquer tipo de TS uma série temporal construída pela integração de uma série estacionária com correlograma zero...
Vamos construir uma série, cada termo sucessivo é igual ao anterior multiplicado pelo coeficiente, por exemplo, a=-0,5:
X[i+1]=-0,5*x[i]+sigma, onde sigma é uma variável aleatória normalmente distribuída com expectativa zero.
Este é um modelo autoregressivo de 1ª ordem AR(1) com forte autocorrelação negativa (análogo do mercado de salto). As seqüências que satisfazem a relação X[i+1]=a*x[i]+sigma também são freqüentemente chamadas de processos Markov. Portanto, a expectativa é igual a zero em qualquer intervalo suficientemente longo e é fácil ganhar dinheiro em tal mercado.
Isto, de fato, contradiz minha primeira afirmação.
Curiosamente, para processos Markov com coeficiente de autocorrelação negativo (o análogo de quase todas as séries de preços Forex) podemos facilmente obter a fórmula para a estimativa do retorno esperado do TS. É importante que seja cumprida a seguinte condição para o prazo selecionado:
|a(t)|*s(t)>Spread, onde s é o desvio padrão para sigma.
Se |a| estiver próximo a um, a volatilidade do instrumento será muito maior do que s. E isso significa que se os valores vizinhos da série x[i] estiverem fortemente correlacionados, então uma série de transtornos bastante fracos gerará flutuações de preços muito grandes. Neste sentido, é mais correto substituir a volatilidade do instrumento em vez do desvio padrão que caracteriza o componente aleatório do processo de precificação na fórmula para estimar o retorno sobre o instrumento.
É muito perigoso negociar sem parar! Enquanto eu estava em uma viagem de negócios, fiz uma negociação sem parar de perder e minha conta demo foi a zero :( abri uma nova conta. Agora estou tentando desenvolver minha estratégia comercial com paradas.
Verei dentro de um mês qual será o resultado :)
Obrigado, os esclarecimentos chegaram bem. "Muito" - no sentido matemático da palavra. :-)
Aprendi muitas coisas interessantes ao mesmo tempo. E o mais importante - a esperança de ganhar em forex não contradiz a teoria matemática!
A propósito, tive recentemente uma discussão com compreensão sobre como a volatilidade é medida no Forex. Meu ponto de vista era que ele usa um grampo de um instrumento para fazer isso. Tanto quanto sei, isto não é totalmente correto, mas é mais ou menos adequado. Em relação a sua declaração
Gostaria de perguntar como é realmente calculado. Talvez você possa me elucidar? Só para nos fazer felizes. :-))
Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)], onde a totalização é feita em k=0...n.
Qual é a conexão entre T e n? Se houver um, é claro.
Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)], где суммирование ведётся по k=0...n.
Qual é a conexão entre T e n? Se houver um, é claro.
Na parte direita da equação, os valores Alto[i] e Baixo[i] dependem do TimeFrame (T). Como uma primeira aproximação,
Vol[T] é proporcional à raiz do TimeFrame expresso em min e multiplicado por Vol[1 min]:
Vol[T]==Vol[1 min]*SQRT(T).
n é escolhida por razões de validade estatística, por exemplo, pelo menos 100 barras.
É muito perigoso negociar sem parar! Enquanto eu estava em uma viagem de negócios, fiz uma negociação sem parar de perder e minha conta demo foi a zero :( abri uma nova conta. Agora estou tentando desenvolver minha estratégia comercial com paradas.
Verei dentro de um mês qual será o resultado :)
"Prevenir é prevenir :o)". Quando percebi a mesma coisa, aquele que assume o risco, nem sempre bebe champanhe às vezes, ele tem que beber água simples. O único consolo, neste caso, é o conselho dos médicos de que a água é muito mais saudável que o champanhe. :о)
Alex, a melhor das sortes no novo período comercial. Estamos aguardando seus incríveis resultados.
Neutron
A volatilidade de um instrumento no TimeFrame selecionado pode ser calculada usando a fórmula:
Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)] onde a soma é feita em k=0...n.
Se não estou enganado, esta é a terceira ou quarta definição de volatilidade em minha memória e todas elas diferem significativamente umas das outras. Em nossa discussão com Yurixx demos, se a memória me serve corretamente, um espaço considerável à própria filosofia deste conceito como medida de risco. Pelo que entendi, todos os cálculos que conheço não refletem a própria essência. Na maioria das vezes, a volatilidade replica de forma frouxa os "grandes" movimentos de preços, ou seja, se o mercado está aumentando, então a volatilidade também está aumentando, e parece que isto deve ser interpretado como um aumento do risco e não tentar negociar com um risco maior. Mas então, qual é o objetivo? Infelizmente, não consigo encontrar um lugar decente para a volatilidade. Talvez alguém possa me dizer como pode ser usado.