uma estratégia comercial baseada na Teoria da Onda de Elliott - página 61
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
Para aplicar a abordagem sugerida no livro, você tem que fazer exatamente o mesmo que o descrito no livro. O livro dá um exemplo detalhado SOMENTE para o tráfego browniano! Isto é, mostra como uma amostra de "influxos" de movimento browniano deve ser visualmente parecida com os diferentes coeficientes de Hurst. Se você pegar um gerador de números aleatórios e depois criar transações interdependentes em ruído branco, definindo sua probabilidade de ocorrência, você obterá aproximadamente as mesmas imagens que no livro. Isto é, primeiro você obterá o ruído de observação fractal (uma amostra de "tributários"), ao somá-lo você obterá o movimento físico de algo (neste caso o oscilograma do ruído Browniano). A partir da amplitude do movimento físico, você verá que quanto maior era o fator Hearst (probabilidade de transações interdependentes), maior era a amplitude do próprio movimento físico. O que podemos entender no final das contas pelo exemplo do livro? Só podemos entender o que eu já disse "quanto maior a relação Hearst (probabilidade de transações interdependentes), maior a amplitude do próprio movimento físico". Em seguida, responda, por favor, o que exatamente estas informações nos dão em termos preditivos? Posso responder precisamente - NÃO, exceto o que escrevi 2 vezes (vamos apenas determinar o grau de interdependência das transações)! O que os autores fazem a seguir no livro? Eles aplicam o cálculo proposto (análise do movimento browniano) a diferentes mercados de capitais. Em todos os mercados (ou quase em todos os mercados) o índice Hurst é superior a 0,5, em particular para EURUSD é de 0,64, se não me esquecer. Então, o que segue? BEM-VINDO, NÃO! Exceto que sabemos que os negócios nos mercados são, em sua maioria, interdependentes. Mas vamos supor que sempre soubemos o tempo todo, que as pessoas estão mais propensas a ir com a tendência do que contra ela, olhando para qual direção o preço mudou ontem. Devido a isso, há períodos de uma clara tendência nos mercados com base no movimento anterior. É óbvio para todos. E Vladislav tentou aplicar esta abordagem para prever os canais de regressão linear. Ou seja, ele mudou significativamente a forma de calcular "marés" com base no movimento de preços existente, a fim de responder à pergunta "O que acontecerá com o canal num futuro muito próximo - ele continuará ou terminará sua existência".
O destaque "SOFTLY THERE" indica que eu estava enganado? Possivelmente, mas parece que me esforcei muito e fiz tudo de acordo com as regras. E nele é indicada a abordagem geral do cálculo do índice, e como exemplo o resultado é dado para o movimento browniano e para o ciclo 19 da série Wolf (honestamente, não sei o que é).
Verifiquei meu algoritmo com caminhada aleatória e obtive o resultado quase correto (anexei log(R/S) gráfico do log(N)).
Nos algoritmos de Vladislav e no seu, eventualmente é feita uma estimativa aproximada do índice em si, pela fórmula H=log(R/S)/log(0,5*N) - exatamente como no livro. E, como escrevi antes, decidi implementar um algoritmo mais preciso.
Obrigado pela explicação detalhada, não entendi vagamente alguns detalhes da abordagem de Vladislav. Agora parece se tornar mais claro. Não estou questionando seus cálculos e os de Vladislav, especialmente porque eles funcionam bem.
:о)))))
Não, você não está errado! Por "EXATAMENTE MESMO" quis dizer que a abordagem utilizada no livro só é adequada para resolver o problema para o qual foi desenvolvido, e que repeti várias vezes - "para estimar a interdependência das transações (marés) sob algum processo semelhante ao processo Browniano". Mas usá-lo para resolver nosso problema de "prever movimentos ao longo do canal num futuro muito próximo" na forma em que é dado no livro, definitivamente NÃO é possível! Vladislav finalizou-o para nosso problema em termos de amostragem "de maré" tomando como média o valor previsto de um canal de regressão linear traçado em uma amostra que não inclui a barra atual. Se pensar bem no sentido dessa revisão, que ele sugeriu, pode ser necessária pelo menos uma dissertação de doutorado (em matemática ou economia, dependendo do que se foca mais) com uma elaboração apropriada e apresentação de material adicional ;o))))! Vladislav, pense nisso, se você precisar mesmo!
Não, você não está enganado! Por "EXATAMENTE o mesmo" quis dizer que a abordagem utilizada no livro só é adequada para resolver o problema para o qual foi desenvolvido, e que já repeti várias vezes - "para estimar a interdependência das transações (marés) em algum processo semelhante ao processo browniano". Mas usá-lo para resolver nosso problema de "prever movimentos ao longo do canal num futuro muito próximo" na forma em que é dado no livro, definitivamente NÃO é possível! Assim, Vladislav o melhorou para nosso problema em termos de obtenção de uma amostra de "marés", tomando o valor previsto do canal de regressão linear construído sobre a amostra não incluindo a barra atual como o nível médio.
Sim, mas o algoritmo dado no livro não impõe nenhum requisito especial para o conteúdo do "influxo". Pelo menos eu não encontrei nada do tipo e uma das questões que discutimos foi qual deveria ser o fluxo de entrada. Recebi conselhos valiosos de vocês. Obrigado.
Não é o Hurst médio que é calculado, mas as duas coordenadas Y=Log(R/S) e X=Log(N). E o que fazer com ele parece ser claro também.
Há uma equação Y=Y(X) que se parece com isto: Log(R/S) = H*Log(N) + A. Você precisa construir uma regressão linear e determinar seu coeficiente e o termo livre. Hurst é seu coeficiente.
E apenas a proporção de logaritmos não é Hurst de forma alguma.
IMHO
Não, é um Hurst médio sobre estas amostras :)
Вычисляется не средний Херст, а две координаты Y=Log(R/S) и X=Log(N). И что с этим делать, тоже вроде бы ясно.
Есть уравнение Y=Y(X), которое выглядит так: Log(R/S) = H*Log(N) + A. Нужно построить линейную регрессию и определить ее коэффициент и свободный член. Херст - это ее коэффициент.
А просто отношение логарифмов - это совсем не Херст.
ИМХО
Não, é a média Hearst destas amostras :)
Li este algoritmo hoje no livro "Análise Fractal". Eu a implementei usando um algoritmo diferente, de acordo com fórmulas diferentes. Vou de 1 a N e para cada n atual conto log(R/S) e log(N). Então construo uma linha reta aproximada y(x)=ax+b. O coeficiente a é o expoente do Hurst. Pode haver aqui um erro de princípio.
:о)
PS: Não pode ser contado dessa forma?
Percebo que o código pode não ser o mais ideal em termos de desempenho (muitas chamadas de função e tudo mais), mas o principal é que eu queria esclarecer por mim mesmo se entendi corretamente a lógica de seu cálculo, porque os resultados me parecem questionáveis, e decidi perguntar às pessoas que sabem.
...
PS: Espero que os participantes do fórum me ajudem a entender. Eu ficaria muito grato se Vladislav me desse algum tempo e explicasse onde eu erro com uma metodologia tão simples.
Pegue 1000 partículas Brownianas aleatórias em milhares de grades de coordenadas no ponto zero. Ao longo destes pontos começam a bombardear forças aleatórias em uma direção aleatória. Aqui Hirst argumenta que, com o tempo, a distância entre a partícula e a origem dos corrdinatos (comprimento vetorial) será proporcional à raiz quadrada do tempo. Por que 1000 bate-papos? Para uma boa média. Este problema não é difícil de ser programado e testado.
Pegue 1000 partículas Brownian aleatórias em mil grades de coordenadas no ponto zero. Ao longo destes pontos, forças aleatórias começam a bombardear em uma direção aleatória. Aqui está o raciocínio de Hirst de que com o tempo a distância entre a partícula e a origem dos corrdinatos (comprimento vetorial) será proporcional à raiz quadrada do tempo. Por que 1000 bate-papos? Para uma boa média. Este problema não é difícil de ser programado e testado.
Eu acredito nele. Mas Feder argumentou que se há necessidade de um valor exato, então você também deveria contar com mais precisão. Então eu tentei fazer isso. E hoje descobri que o Sr. Peters não o calcula dessa forma.
Será suficiente - apenas uma coluna de números, eu mesmo farei o resto.