Феномены рынка - страница 33

Новый комментарий
 
joo:
Не то что бы неправильно. Правильно, настолько правильно, как выражение "покупай дёшево, продавай дорого". Важна не только правильность, но и формализуемость. Нет смысла строить хитрые философские околорыночные построения, если от них (построений) как от козла молока.
Вы считаете что временной перерыв после принятия убытка трудно формализовать? Или что другое?
 
paukas:
Вы считаете что временной перерыв после принятия убытка трудно формализовать? Или что другое?
Да можно, конечно, без проблем. Можно также запрещать торговлю при низкой волантильности.
 
gpwr:

Спасибо. На досуге поразмышляю об SOM.

В статье по ссылке обзор методов сегментации временных рядов. Они все делают примерно одно и тоже. Не факт, что SOM это лучший метод для форекса, но и не худший, это факт ))

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.115.6594&rep=rep1&type=pdf

 

Коллеги, к сожалению дела, не позволяют уделять больше времени трейдингу, но все же, нашлось немного времени, решил уточнить (скорее для себя, что бы не забыть :о, шоб потом вернуться, когда свободного времени станет побольше)

Суть феномена

Напомню суть этого феномена. Он был обнаружен во время анализа влияния «длинных хвостов» на будущие уклонения траектории цены. Если классифицировать «длинные хвосты» и посмотреть временной ряд без них, то можно наблюдать любопытные явления, причем уникальные для каждого котира, ну почти для каждого. Суть феномена – очень специфичная классификация, в основе которой лежит в некотором роде «нейронный» подход. Фактически, эта классификация «разваливает» первичные данные, т.е. сам котировочный процесс на два подпроцесса, которые условно назвал «alpha» и «betta». Вообще говоря, развалить исходный процесс можно и на большее количество подпроцессов.

Система со случайной структурой

Этот феномен очень хорошо ложиться на системы со случайной структурой. Сама модель будет выглядеть очень просто. Можно посмотреть на примере. Исходный ряд EURUSD M15 (нужна длинная выборка, и как можно меньшего фрейма), с какого то «сейчас»:

1 шаг: Классификация

Выполняется классификация, получаются два процесса «alpha» и «betta». Определяется параметры управляющего процесса (процесс, который занимается окончательной «сборкой» котировки)

2 шаг Идентификация

Для каждого подпроцесса определяется модель на основе сети Вольтерри:

Ох и за..ся можно их идентифицировать.

3 шаг Прогноз подпроцессов

Выполняется прогноз на 100 отсчетов для каждого процесса (для 15 минуток, т.е. чуть больше суток).

4 шаг: Имитационное моделирование

Собирается имитационная модель, которая и будет генерить х.тучу будущих реализаций. Схема системы простая:


Три случайности: ошибка для каждой модели и условия перехода от процесса к процессу. Вот сами реализации (от нуля):

5 шаг: Торговое решение

Выполняется анализ смещения этих реализаций. Выполнять можно по-разному. Визуально видно, что большая масса траекторий смещена. Смотрим факт:

<>

Предварительное тестирование

Взял наугад порядка 70 «замеров» (считает долго). Где то в 70% система определила уклонение верно, т.е. это пока ни о чем не говорит, но надеюсь, через пару месяцев вернуться к этому направлению, хотя, еще не закончил работы по основному проекту :о(.

 
Может не совсем корректно: по какому принципу производится классификация и, собственно, разложение на какие процессы предполагается?
 

to sayfuji

Может не совсем корректно: по какому принципу производится классификация и, собственно, разложение на какие процессы предполагается?

Да нет, все корректно. Это и было одним из предметов обсуждения на нескольких десятках страниц этой темы. Все, что счел нужным - написал, развивать тему дальше сейчас времени к сожалению нет. К тому же, конкретно этот феномен хоть и интересный, но мало перспективный. Феномен "длинных хвостов" проявляет себя на длинных горизонтах, т.е. там где проявляются большие уклонения траекторий, а для этого нужно далеко прогнозировать процессы alpha и betta (и другие процессы). А это невозможно. Нет таких технологий...

:о(

to All

Коллеги, оказывается есть посты, на которые не отвел. Прошу меня простить, сейчас уже дергаться смысла нет.

 

Прохвессор Франсфорт, ответьте пожалуйста, какую программу вы используете для своих исследований.

И еще...если у кого-нибудь инструкция на русском языке или русификатор к программе http://originlab.com/ (OriginPro 8.5.1)

 
Матлаб это, если не ошибаюсь.
 
Farnsworth:
До более серьезной «фрактальной» математики в изучении «толстых хвостов», надеюсь, дойдем. Потребуется еще, какое-то время, а сейчас выкладываю околонаучное исследование, которое навело на некоторые мысли.
Предположения о модели.
Есть основания предположить, что в котирах сидит несколько процессов, которые и хочу найти. Основной, «несущий процесс» предположительно некий повышающий/понижающий тренд, который по какому-то стохастическому алгоритму прерывает другой процесс (или процессы). Идея простая для начала, - убрать те приращения, которые теоретически относятся к «толстым хвостам» (или к каким-то другим подпроцессам) и посмотреть на то, что получиться. Первый, самый простой способ классификации, «отфильтровать» все то, что сидит внутри +/- LAMBDA
Приращения Open(n)- Open(n-1), M15, EURUSD:
От 0.0001 с шагом 0.0001 до 0.025 перебираю LAMBDA, оставляю только те приращения, которые попали в конкретный канал +/- LAMBDA, суммирую, и определяю коэффициент детерминации линейной регрессии для каждой LAMBDA. Да, понятно, что будут пропуски (считаю их нулями), но сейчас просто хочу посмотреть на сам процесс.
Коэффициент детерминации (КД)/ LAMBDA
Напомню, КД, если совсем просто - это некий процент, показывающий, какое количество данных объясняет модель. Максимум (0.97) достигается для LAMBDA= 0.0006
Можно сложить отфильтрованные приращения, получаем два процесса:
Величина 0.0006 немного меньше СКО процесса приращений. Для сравнения, можно посмотреть второй локальный экстремум, с величиной LAMBDA 0.0023 (около 3 СКО):
Такие «тренды» можно выделить на всех котирах, причем, некоторые (и их больше всего) – повышательные, а некоторые понижательные. Понятно, что этот способ околонаучный, но с другой стороны это дало некие идеи, альтернативного представления систем со случайной структурой.

Интересный результат.

Может ли быть обусловлен этот феномен тем, что исторические данные - это цены Bid? (Lambda в эксперименте сравнимо со спредом)

Не кажется ли вам разумнее тестировать качество получаемого процесса "тренда" при помощи линейной регрессии с кусочно-постоянными коэффициентами, если рассматривать их как функции времени?

 
Проффессор, ваш график с 22 страницы, 2 рисунок очень похож на месячный график по евро-доллар -очень похож.

Можно сложить отфильтрованные приращения, получаем два процесса:



1...262728293031323334353637383940...75
Новый комментарий
Причина обращения: