uma estratégia comercial baseada na Teoria da Onda de Elliott - página 17
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
А даёт ли стратегия прибыль при тестировании по ценам открытия (быстрый метод) ?
E também faz. A diferença de lucro com M1 (todos os carrapatos) é de 5-10%. Só acho que todos os carrapatos dão resultados mais confiáveis e é por isso que não uso M1(método rápido).
Isso é muito bom, isso é o que eu esperava.
A diferença nos métodos de teste afeta se o programa usa fechamento ou abertura programada de ordens explícitas. E como no seu caso SL e TP fecham, o método de teste não deve afetá-lo.
A diferença nos métodos de teste afeta se o programa usa fechamento programático ou abertura de ordens explícitas. E como no seu caso o fechamento é por SL e TP, o método de teste não deve afetá-lo.
E é claro que não devemos esquecer que além do fato de que com diferentes métodos de teste (todos os carrapatos) e (método rápido) você terá diferenças nos valores dos parâmetros co-optimizados, além de diferenças na rentabilidade da estratégia! E não há maneira de consertá-lo :o). Se pudermos de alguma forma nos reconciliar com a diferença nos lucros dos diferentes métodos de teste, então é muito problemático viver com diferenças nos valores dos parâmetros otimizados, pelo menos para mim :o))))).
Vladislav, você poderia ajudar e sugerir que literatura (em formato eletrônico) vale a pena ler para lidar com a mensagem acima? Ou você se refere ao livro didático Bulashev, recomendado por você? Ou seja, por uma forma quadrática você quer dizer aproximação de uma série de preços por uma soma de termos que consiste em uma constante, um termo de primeira e um termo de segunda ordem? Ou estou perdendo a razão? E quanto à conversão da forma quadrática que eu assumo para energia potencial? Como isso é feito? Eu também ainda não o encontrei :o(
E você também disse que tem posts sobre sua declaração de problema em Aranha no fio Santiment. Mas eu procurei mal e não consegui encontrar o posto do seu VG. Por favor, me dê o link, se não for difícil.
Agradecemos antecipadamente por uma resposta detalhada!
1. Ao construir um canal de regressão linear, você usa uma equação de linha reta, ou você se aproxima da série de preços por uma equação que contém um termo de segunda ordem e depois reduz esta equação de segunda ordem a uma equação de linha reta linear após transformações matemáticas, como descrito no livro de Bulashev? Por favor, dê sua opinião sobre a conveniência de aplicar as equações de aproximação de primeira e segunda ordem às séries de preços. Existe alguma diferença perceptível em diferentes equações em termos de resultados (negociação propriamente dita)?
2. Você disse que usa desvio padrão em sua estratégia. Você poderia explicar como você a utiliza?
Obrigado antecipadamente por suas respostas!
Vladislav, você pode ajudar e sugerir que literatura (em formato eletrônico) vale a pena ler para lidar com a mensagem acima? Ou você se refere ao livro didático Bulashev recomendado por você? Ou seja, por uma forma quadrática você quer dizer aproximação de uma série de preços por uma soma de termos que consiste em uma constante, um termo de primeira e um termo de segunda ordem? Ou estou perdendo a razão? E quanto à conversão da forma quadrática que eu assumo para energia potencial? Como isso é feito? Eu também ainda não o encontrei :o(
E você também disse que tem posts sobre sua declaração de problema em Aranha no fio Santiment. Mas eu procurei mal e não consegui encontrar o posto do seu VG. Por favor, me dê o link, se não for difícil.
Agradecemos antecipadamente por uma resposta detalhada!
Em relação às formas quadráticas ( F(x,t) = A*x^2+B*t^2 + C ) - isto é matemática, teoria de campo e teoria da otimização no sentido matemático desses termos. O que se entende por otimização dos parâmetros do sistema é apenas uma conseqüência de uma classe suficientemente ampla de métodos matemáticos para obter uma solução extrema que satisfaça um conjunto contraditório de restrições. Não o encontrei em formato eletrônico, embora tenha certeza de que ele existe. Há muita literatura - não posso nem mesmo dizer por onde começar.
Quanto ao fio sobre um centimento - preguiçoso demais para procurá-lo agora - não chegou então às equações: foi decidido não prestar atenção :).
Posso esboçar aqui os pontos principais:
1. Os mercados são administrados por pessoas (mesmo que elas tenham muito capital, não importa).
2. pessoas com os mesmos interesses têm as mesmas "zonas de atração" (por exemplo, pessoas com psico-tipos semelhantes preferem negociar certos instrumentos, o que basicamente fornece as peculiaridades dos mercados - hipótese)
Parece ser um impasse (com o qual muitas pessoas começam), mas se fizermos mais algumas suposições, então há esperança:
As pessoas tendem a agir da mesma forma nas mesmas situações (a presença de repetição em decisões semelhantes).
Vamos supor que as ações de qualquer grupo de gerentes no mercado vêm de um desejo de maximizar o lucro. Suponhamos também a existência de algum gerente (um sistema ideal) que SEMPRE atinja um resultado extremo. Então a ação deve vir de algo mais forte do que um simples desejo de mover o mercado em uma direção ou em outra. Exemplo - há alguns anos, a intervenção do Japão em apoio à libra foi bastante bem sucedida. Após algumas tentativas, o Japão anunciou que não estava mais jogando tais jogos. E eles estavam jogando muito dinheiro em cinco dez minutos tentando deter a tendência do Euro.
Além disso, é possível assumir a presença de alguma força externa, deslocando o mercado ou formando pré-requisitos para a tomada de decisões dos gerentes de mercado. Resta assumir (bastante lógico em minha opinião), que esta força é o resultado de muitos fatores constituintes e será possível tentar definir a tarefa e avaliar a decisão.
Na verdade, tal sistema, que SEMPRE obtém o prognóstico correto, teremos um resultado ideal (é como um ciclo de Carnot - teoricamente existe, praticamente é possível abordá-lo melhor ou pior). E na realidade, é claro, há algumas faixas de incerteza.
E outra coisa - tudo isso vem da natureza fractal do mercado (esta hipótese se desenvolve em oposição à hipótese de mercado eficiente) - ou seja, que há períodos de previsão não aleatória no mercado. Ou seja, para procurar um gato preto em uma sala escura, deve-se assumir a presença de um certo número de gatos pretos em pelo menos uma parte das salas escuras :).
Boa sorte e tendências de fuga.
Vladislav, sobre o ciclo Carnot, posso sugerir que sua estratégia utilize o cálculo do trabalho feito pela força externa, baseado na soma dos castiçais brancos e pretos através de preços de abertura e fechamento, por exemplo. Portanto, entendo que se você somar separadamente os corpos dos castiçais brancos e pretos, então teremos uma relação presuntiva de quanto mais trabalho foi feito para baixo do que para cima ou vice versa. Então, podemos supor a partir destes dados que o sistema está em um de seus dois extremos, baseado na análise do histórico, por exemplo? Então, se não for um segredo, com base em que prazo você faz esses cálculos? E qual é o número ideal de barras para calcular? Embora eu certamente possa supor que não é uma questão de qual período de tempo usamos para os cálculos e quantas barras precisamos. Então, que prazo você acha que deveria ser usado para o cálculo? Porque, dependendo do intervalo de tempo que tomamos para o cálculo, TODOS os resultados dependem disso? Talvez, você leve um período de tempo correspondente a P=64 no indicador Murray que você está usando? Ou seja, é melhor levar um período de 64 dias de negociação para os cálculos?
Vladislav, sobre o ciclo Carnot posso assumir que em sua estratégia você utiliza o cálculo do trabalho feito pela força externa com base na soma de velas brancas e pretas, por exemplo, abrindo e fechando preços. Portanto, entendo que se você somar separadamente os corpos dos castiçais brancos e pretos, então teremos uma relação presuntiva de quanto mais trabalho foi feito para baixo do que para cima ou vice versa. Então, podemos supor a partir destes dados que o sistema está em um de seus dois extremos, baseado na análise do histórico, por exemplo? Então, se não for um segredo, com base em que prazo você faz esses cálculos? E qual é o número ideal de barras para calcular? Embora eu certamente possa supor que não é uma questão de qual o prazo que usamos para o cálculo e quantas barras precisamos. Então, que prazo você acha que deveria ser usado para o cálculo? Porque, dependendo do intervalo de tempo que tomamos para o cálculo, TODOS os resultados dependem disso? Talvez, você leve um período de tempo correspondente a P=64 no indicador Murray que você está usando? Ou seja, é melhor levar um período de 64 dias de negociação para os cálculos?
Quanto ao ciclo de Carnot - é apenas um exemplo, como um valor limitante.
Quanto à dimensão do Murray - 64 é a recomendação dos desenvolvedores do método. Não posso julgar se este é o melhor resultado, mas utilizo a seguinte estimativa para determinar o ponto mínimo suficientemente distante para a convergência de métodos:
Não me lembro do link exato, procurei em artigos de análise relacionados ao cálculo da persistência (coeficiente de Hurst > 0,5). Havia estimativas sobre a dimensão fractal dos mercados. Conclusões que foram feitas: o coeficiente Hearst para muitos tipos de mercados está na área de 0,62-0,64, o que por sua vez denota a perda das condições iniciais para séries temporais em média de 90 dias. Ou seja, as perturbações que ocorrem há mais de 90 dias atrás no tempo terão um impacto muito pequeno. Agora, eu estabeleço meu ponto de partida para referência a não mais do que meio ano (180 dias para ser exato) - 90 dias nem sempre dá informações suficientes para convergência, embora talvez este seja o resultado da implementação e com outros algoritmos e critérios de qualidade 90 seja suficiente - eu ainda não sei. Quando eu estava calculando períodos usando todo o histórico disponível, o resultado não era melhor - eu simplesmente gastei mais tempo em cálculos.
O número de barras a serem calculadas é determinado pela própria estrutura e as oitavas são construídas para isso - então não posso nem mesmo dizer em que momento elas são calculadas - o computador vem contando há muito tempo :). Os métodos em si não dependem das TFs, portanto você pode fazê-lo em qualquer TF, desde que tenha histórico suficiente para meio ano.
Eu não avalio castiçais, paternas e afins - você terá métodos dependentes do ruído. Ou seja, o resultado dependerá da qualidade da citação, o que, IMHO, não é bom.
Boa sorte e boas tendências.
...podemos assumir que uma função de trajetória pode ser adequadamente representada por uma certa forma quadrática - o que é quase simples: a busca de extremos de critérios funcionais de qualidade para tais formas é uma área altamente pesquisada. Ou seja, é preciso fazer uma seleção de amostras que satisfaçam os critérios de qualidade de uma forma extrema.
Um e o mesmo nível de reversão Murray para diferentes canais estará em diferentes intervalos de confiança - você precisa cortá-lo de alguma forma, não é mesmo? E o critério de qualidade é a energia potencial - ver sobre formas quadráticas - nada fora do comum.
Examinei a literatura sobre o assunto. Presumo que talvez nem tudo possa ser encontrado na aplicação a este caso em particular. Mas com base no que consegui analisar, no que diz respeito às formas quadráticas, as seguintes hipóteses. Antes de tudo, vamos começar com o método de encontrar esta função de série de preços mais aproximada. Suponho que posso assumir uma função de parábola na forma
y(t)=A(t-t0)^2+B onde y é um preço, t é tempo, t0 é um ponto na linha do tempo onde a parábola tem um extremo e A e B são coeficientes.
Segue-se o problema de encontrar tais coeficientes ótimos A e B que tornam a parábola ótima pelo critério de energia potencial mínima. Tanto quanto entendi das fontes analisadas, a essência desta otimização é a seguinte. Imaginamos a curva da parábola como uma linha com o mesmo potencial de campo. Que seja zero, com certeza. O gradiente de tal campo potencial será dirigido pré-pendicularmente à linha da parábola. Então o problema da potencial minimização de energia se reduz ao problema de encontrar tal parábola, na qual a soma dos quadrados das distâncias mais curtas entre os pontos da série de preços e a curva da parábola será mínima. Portanto, precisamos otimizar os parâmetros da parábola para encontrar a distância mais curta entre os pontos da série de preços e a linha da parábola. A distância mais curta é a distância ao longo da linha reta que intersecta a parábola em ângulos retos. Portanto, precisamos resolver o problema de encontrar as distâncias mais curtas. Você poderia compartilhar, pelo menos metodologicamente, qual método você usa. Eu, por exemplo, imagino o processo de encontrar essas distâncias mais curtas da seguinte forma.
1. Selecionamos (o algoritmo do cálculo ainda não está claro) mais ou menos verdadeira parábola para as séries de preços existentes, que queremos aproximar.
Nós o aproximamos por um polígono que tem a equação de uma linha passando por cada ponto tangente à parábola. A equação da linha para o ponto T Y(t,T)=a(t-T)+b, onde a=2A(t-t0) e b=y(T).
3. Então, para alguns pontos selecionados na série de preços, restringimos a região de valores ao longo dos eixos t e y em que existe um ponto de intersecção da perpendicular traçada do ponto até a parábola com a própria parábola.
4. Iterar as equações dos segmentos do polígono que se encontram nesta região do polígono para a interseção com a perpendicular. Faça o número necessário de iterações e aproximações para obter o erro requerido de cálculo do comprimento perpendicular do ponto até a curva.
5. Somar os quadrados desses segmentos e assim obter o valor da função alvo.
6. Em seguida, alterar os parâmetros da parábola e efetuar o cálculo nos itens 2 a 5 tantas vezes quanto necessário. O menor valor da função alvo corresponde ao valor dos parâmetros da parábola que se aproxima da série de preços de forma otimizada.
Então é provavelmente possível calcular os parâmetros condicionalmente falando "quase-dispersão" e "quase-CO" a partir do valor ótimo obtido da função alvo. Nesta base, além da parábola existente, podemos desenhar várias outras parábolas no gráfico de preços tendo condicionalmente as características de probabilidade numérica e incorporando as linhas de campo potenciais com a mesma probabilidade de inversão de tendência. Por exemplo, as linhas de 70%, 80%, 90% de probabilidade de inversão.
Vladislav, você acha que estou caminhando na direção certa para entender sua estratégia ou não entendo nada e fui em uma direção completamente diferente?
Esqueci o curso da VM, posso estar errado, mas você pode tentar desta forma:
A distância mais curta de um ponto até uma parábola seria a distância do ponto ao longo da linha que coincide com o normal.
O normal para a parábola pode ser calculado através da primeira derivada, (a derivada é a tangente do ângulo de inclinação da tangente).
portanto, um sistema de equações pode ser construído:
1. A equação da parábola.
2. A equação da linha reta (normal) (conhecendo a derivada)
3. O ponto pertencente à equação da linha reta (normal)
Se resolvermos o sistema, obtemos uma solução rigorosa.