торговая стратегия на базе Волновой теории Эллиота - страница 138
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
"Цель визита? - Ланч" (с) "Люди в черном"
Ok.
:-)))
Если исследователь ставит опыт с крысой, бегущей по лабиринту, и если крыса бежит не в ту сторону, исследователь более склонен полагать, что крыса больна, а не что опыт опровергает его теорию.
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Это совершенно другой подход к торговле, который не может быть описан в рамках математической статистики.
Не согласен. Для каждого образа, на основе которого оценивается рынок, необходимо сделать статистический анализ поведения рынка при появлении этого образа на истории, построить распределение, определить его параметры. Далее можно опять-таки статистически определить оптимальные параметры образа. Имея эти данные в базе данных образов можно с известной точностью определять вероятность ошибки/успеха при принятии решений.
Я думаю, что оценка статистических характеристик паттернов - дело достаточно сомнительное в практическом плане, хотя информация о попытках это проделать постоянно встречается в интернете. Например последний свежий вариант присутствует вот здесь "MQL4: Самообучающийся ЭКСПЕРТ" Данный метод относится к нейросетям. Правда почему-то я нигде не встречал каких-то количественных характеристик работы таких систем. Возможно просто плохо смотрел?
И проблема здесь думаю состоит в том, что у вас просто может не хватить истории для оценки параметров отдельных паттернов, если вы будете отбирать паттерны для оценки на основе достаточно жёстких параметров. Либо же если Вы будете проводить статистическую оценку ВСЕХ объединений баров, которые можно условно отнести к понятию паттерн, то думаю, что у вас либо появится огромное количество всевозможных модификаций паттернов, отличающихся друг от друга на весьма малую статистически незначимую величину, либо статистические оценки паттернов будут сильно размазаны (большая дисперсия оценок). И в будущем на реальной торговле автомату будет весьма трудно понять к какой из имеющихся в базе модификаций паттернов может принадлежать то, что появилось на последних барах сейчас. Для того чтобы какой-то паттерн обладал статистической значимостью думаю нужна история на нашей рабочей валютной паре, которой у нас нет, причём всё это при наличии гарантий, что рынок будет играть по таким же правилам и на выборке, по которой не проводилось обучение (в будущем). В этом плане простой канал линейной регрессии статистически обеспечен гораздо лучше. Посмотрите что является надёжнее? Информация о состоянии рынка, которая ВСЕГДА просчитывается по стандарному незамысловатому алгоритму по последним 300 барам на протяжении всей истории, или же информация например о том, что вот данные бары, поступившие в последний момент времени похожи (хорошо коррелированы) на усреднённый по 100 экземплярам паттерн голова-плечи, присутствующим в истории за последние 5 лет? На мой взгляд регрессия надёжнее, поскольку является хорошо изученной и отработанной математической методикой по сравнению с распознаванием образом, где слишком много зависимостей от разных других факторов.
Однако на мой взгляд задачу по распознаванию паттернов можно привести к решению более простой задачи о трендовых линиях (наклонные линии сопротивления/поддержки, проведённые по экстремумам). То есть многие классические паттерны можно заменить набором трендовых линий, пробитие которых и будет означать отработку паттерна. Хотя и здесь тоже не всё так просто. Например вот в этом файле можно посмотреть динамику сходящегося треугольника https://c.mql5.com/mql4/forum/2006/08/triangle.zip
Виден выход из сходящегося треугольника 8 августа. Только вот в соответствии с классическим описанием этого треугольника пробитие должно было произойти только лишь наверх. Однако на практике цена сходила и наверх и вниз, то есть попали на деньги и быки и медведи. Данный пример сразу перечёркивает смысл паттерна "Сходящийся треугольник" как таковой.
На приведённых графиках трендовые линии строятся без учёта последних 2х баров. Благодаря чему при пробитии трендовой линии хорошо видно какая именно трендовая линия была пробита.
Более полная версия развития динамики трендовых линий за последний месяц выложена вот здесь "MQL4: Картинка для форума на metaquotes" solandr 31.08.2006 08:02 (Многотомный RAR архив. Всего 16 частей. После скачивания всех частей расширение zip заменить на rar и распаковать в WinRAR3.50.) Весьма полезно начинающим трейдерам ознакомиться с этим мультфильмом например через программу ACDSee для понимания того как может меняться настроение рынка с течением времени и что можно предпринять для минимизации своего риска.
На мой взгляд с трендовыми линиями работать намного проще нежели с многопараметрическими паттернами, которые нужно отлавливать на исторических данных и потом собирать статистику. Трендовые линии - гораздо проще! Я даже экспериментировал с ними в своём эксперте. Заменял ими подтверждающий осциллятор и даже сам показатель Хёрста! И в целом полученный результат был весьма осмысленным, явно отличающимся от совершенно случайного. Но я пока что отложил применение трендовых линий в своём эксперте на некоторое время, поскольку расчёт показателя Хёрста по моим наблюдениям даёт примерно ту же информацию что и трендовые линии, но только на основе более формализованного алгоритма расчёта, что более эффективно в плане создания и практического использования МТС.
Ну а нейросети полезны скорее всего в тех областях, где можно заранее просчитать всевозможные комбинации, которые могут случиться в будущем и на основе этих комбинаций в шуме просто найти подтверждение тому или другому варианту. Например заранее зная (записав предварительно на испытательном полигоне, или расчитав всевозможные варианты сигналов на основе адекватной ситуации математической модели) всевозможные варианты сигналов при приближении одного объекта к другому, в будущем (при реальном использовании обученного таким образом объекта) можно отыскать из имеющихся вариантов сигналов наиболее близкий и принять соответсвующее решение о необходимых дальнейших действиях объекта, на котором установлена система, обученная на нейросетях. Но только всё это работает в рамках того, что имеющаяся в базе данных ситуаций случится и будет развиваться согласно когда-то записанному алгоритму. Боюсь что Форекс в этом плане более разнообразен :o(
Yurixx, мне кажется Вы зря с этим не соглашались.
Почему ? В смысле почему Вам так кажется ?
Судя по этой страничке форум там не очень научный. Соответственно и рекомендации.
Видимо летом наука просто была на каникулах ;o). А сейчас начался учебный год и появились какие-то более соответствующие статусу научного форума ответы:
http://www.lib.mexmat.ru/forum/viewtopic.php?t=3254&sid=a6468f00350c4e81f1b818be89ec1869
Спасибо за ссылку, завтра почитаю.