ловля тренда на живца - страница 2
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
А зачем использовать квадратный корень? Что это дает?
Мне кажется проще использовать классический аппроксимирующий полином с более высокими степенями. Во всяком случае в вычислениях гораздо проще. С корнем замучаешься считать эти коэффициенты.
Вот видео с демонстрацией пучка аппроксимирующих полиномов различных периодов. Коэффициенты выводятся. Наглядно видно, когда коэффициенты меняют знак (зеленый - плюс, красный - минус):
Только сомневаюсь, что это будет эффективный метод распознания смены тренда.Мне кажется, что для ловли момента смены тренда более правильно ловить момент пробоя сформированных параболических или линейных каналов.
у sqrt(x) хороший фронт в начале и отрицательная 3-я производная, он "затухает". У нас значительные участки цены буквально сами просятся "мы затухающий тренд"
Но можно/нужно выбрать другую функцию, с корнем замотаешься. Он обратная функция к x^2 и с предложенной функцией МНК может просто не справиться без дополнителных ограничений
степенные полиномы ( sum K*x^n ) высоких степеней не пойдут - они будут пытаться в точности "укласться" в изгибы цены. Чем больше степень тем больше перегибов могут повторить. и ошибка будет зависить от чётности перегибов
у sqrt(x) хороший фронт в начале и отрицательная 3-я производная, он "затухает". У нас значительные участки цены буквально сами просятся "мы затухающий тренд"
Но можно/нужно выбрать другую функцию, с корнем замотаешься. Он обратная функция к x^2 и с предложенной функцией МНК может просто не справиться без дополнителных ограничений
степенные полиномы ( sum K*x^n ) высоких степеней не пойдут - они будут пытаться в точности "укласться" в изгибы цены. Чем больше степень тем больше перегибов могут повторить. и ошибка будет зависить от чётности перегибов
в общем соглашусь
Да в общем то большой разницы нет. На картинке цены закрытия EUR/USD H1, 120 отсчетов - типа торговая неделя. Красная F0=A0+B0*t+C0*t^2, зеленая F1=A1+B1*t+C1*t^2+D1*t^0.5.
Да в общем то большой разницы нет. На картинке цены закрытия EUR/USD H1, 120 отсчетов - типа торговая неделя. Красная F0=A0+B0*t+C0*t^2, зеленая F1=A1+B1*t+C1*t^2+D1*t^0.5.
Было бы неплохо проверить остатки регрессий. Хотя бы простым стат. тестом (не помню точного названия), где считается число смены знаков в последовательности.
На первый взгляд кажется, что знаки меняются слишком редко.
Было бы неплохо проверить остатки регрессий. Хотя бы простым стат. тестом (не помню точного названия), где считается число смены знаков в последовательности.
На первый взгляд кажется, что знаки меняются слишком редко.
На мой взгляд, обычный остаток от СБ. Зеленым - разность между ценой и зеленой апроксиматой, красным соответственно разность между ценой и параболой.
На мой взгляд, обычный остаток от СБ. Зеленым - разность между ценой и зеленой апроксиматой, красным соответственно разность между ценой и параболой.
Белый шум выглядит примерно так:
Число смен знака здесь порядка - 55, что достаточно близко к матожиданию - 59.5, у вас - число смен знаков для красной линии - максимум 22. Это соответствует очень маленькому p-value порядка 1е-12, что говорит о необходимости отвергнуть нулевую гипотезу о том, что остатки представляют собой белый шум.
На мой взгляд, это говорит о том, что для цен надо применять авторегрессионные модели, а не регрессии на время, поскольку последние неспособны адекватно описать зависимость между соседними приращениями.
На картинке представлена четвертая функция в пространствах функций (1 x x^2 x^3 ), (1 x x^2 x^0,5 ) , ортогональная пространству функций (1 x x^2), представленная в конечных разностях для 20 точек. Видно, что они похожи (их скалярное произведение 0,744).
У корня есть недостаток - сингулярность производной в нуле. Соответственно, разница, с какой стороны запрягать телегу.
Белый шум выглядит примерно так:
Число смен знака здесь порядка - 55, что достаточно близко к матожиданию - 59.5, у вас - число смен знаков для красной линии - максимум 22. Это соответствует очень маленькому p-value порядка 1е-12, что говорит о необходимости отвергнуть нулевую гипотезу о том, что остатки представляют собой белый шум.
На мой взгляд, это говорит о том, что для цен надо применять авторегрессионные модели, а не регрессии на время, поскольку последние неспособны адекватно описать зависимость между соседними приращениями.
Но эти остатки и не являются белым шумом. По моему это тоже самое случайное блуждание из которого удалили трендовую параболу, т.е. по сути увеличили степень антиперсистентности СБ. Можно взять эти остатки построить на них регрессию какой нибудь периодикой - аля синусоиды, затем вычесть ее из остатков - получим более близкое приближение к белому шуму. Если сделать несколько таких итераций то на выходе получим практически белый шум. К стати, а если просуммировать найденные периодики и параболу, то получится мечта всех местных поклонников ЦОС - кривулина которая идеально ложится на ценовой ряд (в пределах аппроксимации конечно) и состоит из табличных функций. Типа можно экстраполировать ценовой ряд хоть на тыщщу лет вперед )):
Но эти остатки и не являются белым шумом. По моему это тоже самое случайное блуждание из которого удалили трендовую параболу, т.е. по сути увеличили степень антиперсистентности СБ. Можно взять эти остатки построить на них регрессию какой нибудь периодикой - аля синусоиды, затем вычесть ее из остатков - получим более близкое приближение к белому шуму. Если сделать несколько таких итераций то на выходе получим практически белый шум. К стати, а если просуммировать найденные периодики и параболу, то получится мечта всех местных поклонников ЦОС - кривулина которая идеально ложится на ценовой ряд (в пределах аппроксимации конечно) и состоит из табличных функций. Типа можно экстраполировать ценовой ряд хоть на тыщщу лет вперед )):
Не совсем понял, можно подробнее раскрыть сей момент?
Но эти остатки и не являются белым шумом. По моему это тоже самое случайное блуждание из которого удалили трендовую параболу, т.е. по сути увеличили степень антиперсистентности СБ. Можно взять эти остатки построить на них регрессию какой нибудь периодикой - аля синусоиды, затем вычесть ее из остатков - получим более близкое приближение к белому шуму. Если сделать несколько таких итераций то на выходе получим практически белый шум. К стати, а если просуммировать найденные периодики и параболу, то получится мечта всех местных поклонников ЦОС - кривулина которая идеально ложится на ценовой ряд (в пределах аппроксимации конечно) и состоит из табличных функций. Типа можно экстраполировать ценовой ряд хоть на тыщщу лет вперед )):
На мой взгляд, лучше построить для остатков ARMA модель. А ещё лучше - сразу строить ARIMA модель для цен (с выделением какого-нибудь простого тренда - линейного или квадратичного). В любом случае, в итоге остатки модели должны быть похожи на белый шум - это позволит определять моменты, когда пора делать пересчёт параметров модели (посредством CUSUM, например).
"На тыщу лет вперёд" в любом случае не получится) Сама по себе идея цосников, что кто-то кому-то отправляет сигналы посредством цены, кажется несколько безумной) "Юстас - Алексу" шлёт шифровки)