торговая стратегия на базе Волновой теории Эллиота - страница 192
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
В общем случае, центрированием случайной величины называют процедуру: X(t)-m(t), где X(t) - случайная величина, m(t) - матожидание (среднее на промежутке). Таким образом, мы, вычисляя матожидание путём усреднения по фиксированному скользящему окну, избавляемся от постоянной составляющей в исходном временном ряде. Это облегчает чтение спектрограммы. Действительно, сравните спектр исходного ряда и центрированного. У исходного ряда наблюдается сильный задир в области низких частот. Но появляется некоторая неопределённость с выбором окна усреднения... от этого зависит низкочастотная граница спектрограммы. Грубо, в спектре не будут присутствовать гармоники с периодом больше времени усреднения.
Я для себя использую центрирование ряда по формуле: X[i]=Open[i-1]-Open[i]. Нетрудно провести в данном случае аналогию с процедурой численного дифференцирования (учитывая, что dt=1). Мы помним, что при воздействии на исходный ряд, содержащим гармонические функции, оператором дифференцирования, на выходе мы получим ряд содержащий те же гармоники с амплитудой увеличенной пропорционально частоте. Т.е. процедура дифференцирования исходного ряда:
1. не ведёт к потере полезной информации (мы говорим о спектральном анализе);
2. позволяет представить спектральную плотность в удобоваримой форме;
3. позволяет минимизировать неизбежную фазовую задержку, связанную с процедурой усреднения.
Необходимо помнить, что размерность спектральной плотности А^2/Гц - мощность (квадрат амплитуды) отнесённая на единицу частоты, размерность же вычисляемой нами (после процедуры дифференцирования) величины: Гц*А^2, и для восстановления спектральной плотности необходимо полученный вектор разделить на квадрат частоты. Кроме того, нас, прежде всего, интересует амплитуда той или иной гармоники. Для её нахождения необходимо полученную спектральную плотность разделить на период и извлечь из этого квадратный корень.
И последнее, я наверняка где-то ошибся... Yurixx подскажет, где именно:-)
to Candid
Candid, рад тебя видеть!
Нет, не производит.
Напротив, дифференцирование ряда приводит к “передифференцированному ряду”, который хотя и является стационарным, но обладает некоторыми нежелательными свойствами, связанными с необратимостью его МА-составляющей; при этом возникает паразитная автокоррелированность соседних значений продифференцированного ряда (в спектре доминируют короткие циклы). Более того, становится невозможным использование обычных алгоритмов оценивания параметров и прогнозирования ряда (см., например, [Hamilton (1994), главы 4 и 5]).
Но, это уже из другой оперы. Речь идёт об особенностях авторегрессионных моделей.
Спасибо, юмор оценил. :-)) Однако, чтобы убрать низкочастотную составляющую из контекста, хочу пояснить.
Ваши посты всегда содержательны и поэтому вызывают у меня желание разобраться и понять то, что в них изложено.
Так что я ищу не ошибки, а понимание. А для этого приходится уточнять детали. :-)
Вот то, что операция X[i]=Open[i-1]-Open[i] является по сути дифференцированием ряда, пришло мне в голову с самого начала.
И я все силился понять, почему Вы используете ее для центрирования. Вроде бы нет тут никакой связи. Теперь понял, еще раз спасибо.
Непонятным остался только момент связанный с мат.ожиданием ряда X[i]=Open[i-1]-Open[i]. Насколько я понимаю, мат.ожидание этого ряда на интервалах, которые Вы брали, отлично от нуля. Поэтому к нему нельзя относить утверждения касающиемя стационарных рядов с нулевым мат.ожиданием.
Математически строго доказано, что нельзя в долгосрочной перспективе обыграть, с помощью какой бы то не было ТС, временной ряд построенный интегрированием стационарного ряда с нулевым матожиданием (это, с некоторыми оговорками, аналог ценовых рядов валютных инструментов и напоминает броуновское движение частицы)
Математически строго доказано, что нельзя в долгосрочной перспективе обыграть, с помощью какой бы то не было ТС, временной ряд построенный интегрированием стационарного ряда с нулевым матожиданием (это, с некоторыми оговорками, аналог ценовых рядов валютных инструментов и напоминает броуновское движение частицы)
Нам о теории игр в институте много чего интересного рассказывали. Поскольку было это давно - цитировал по памяти...
Возможно, корректно так:
...нельзя в долгосрочной перспективе обыграть, с помощью какой бы то не было ТС, временной ряд построенный интегрированием стационарного ряда с нулевой коррелограммой...
Построим ряд, каждый последующий член которого равен предыдущему, умноженному на коэффициент например а=-0.5:
X[i+1]=-0.5*x[i]+sigma, где sigma - нормально распределённая случайная величина с нулевым матожиданием.
Это модель авторегрессии 1-го порядка AR(1) с сильной отрицательной автокорреляцией (аналог откатного рынка). Последовательности, удовлетворяющие соотношению X[i+1]=а*x[i]+sigma, часто называют также марковскими процессами. Так вот, матожидание для него, на любом достаточно длинном промежутке равно нулю, а зарабатывать на таком рынке труда не составит.
Это, действительно, противоречит моему первому утверждению.
Интересно, что для марковских процессов с отрицательным коэффициентом автокорреляции (аналог почти всех ценовых рядов на рынке Форекс) можно легко получить выражение для оценки ожидаемой доходности ТС. Важно, что бы на выбранном таймфрейме выполнялось условие:
|a(t)|*s(t)>Spread, где s - стандартное отклонение для sigma.
Если величина |а| близка к единице, то волатильность инструмента будет намного больше s. А это значит, что если соседние значения ряда x[i] сильно коррелированы, то ряд довольно слабых возмущений будет порождать размашистые колебания цены. В этом смысле, в формулу для оценки доходности инструмента, корректнее подставлять волатильность инструмента вместо стандартного отклонения, характеризующего случайную компоненту процесса ценообразования.
Вы правы grasn торговать без стопов очень опасно! Пока я был в командировке, одна сделка без стоп лося и демо счёт обнулился :( Открыл новый счёт. Сейчас пробую выработать стратегию торговли со стопами.
Посмотрю через месяц какой будет результат :)
Спасибо, прояснение наступило вполне. "Вполне" - в математическом смысле этого слова. :-)
Заодно узнал много интересного. А главное - надежда зарабатывать на форексе не противоречит математической теории !
Кстати, недавно мы с grasn дискутировали по поводу того, как измеряется волатильность на форексе. Моя точка зрения заключалась в том, что для этого используется ско инструмента. Насколько мне известно, это не совсем корректно, но более менее адекватно. В связи с Вашим утверждением
хотелось бы спросить, как же она вычисляется на самом деле. Может просветите ? Для полного счастья. :-))
Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)], где суммирование ведётся по k=0...n.
Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)], где суммирование ведётся по k=0...n.
А какая связь между T и n ? Если она конечно есть.
Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)], где суммирование ведётся по k=0...n.
А какая связь между T и n ? Если она конечно есть.
В правой части уравнения, величины High[i] и Low[i] зависят от TimeFrame (Т). В первом приближении,
Vol[T] пропрциональна корню из TimeFrame выраженному через минутки и умноженному на Vol[1 min]:
Vol[T]==Vol[1 min]*SQRT(T).
n выбирается из соображений статистической достоверности полученного результата, например не менее 100 баров.
grasn
Вы правы grasn торговать без стопов очень опасно! Пока я был в командировке, одна сделка без стоп лося и демо счёт обнулился :( Открыл новый счёт. Сейчас пробую выработать стратегию торговли со стопами.
Посмотрю через месяц какой будет результат :)
«Предупрежден, значит вооружен :о)». Когда-то я так же понял, кто рискует, не всегда пьет шампанское иногда, приходится пить простую воду. Утешают в этом случае только советы врачей, что вода значительно полезнее, чем шампанское. :о)
Alex, искренне желаю удачи в новом торговом периоде. Ждем ваших потрясающих результатов.
Neutron
Волатильность инструмента на выбранном TimeFrame можно вычислить по формуле:
Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)], где суммирование ведётся по k=0...n.
Если не ошибаюсь, на моей памяти это уже 3 или 4 определение волатильности и все они значительно отличаются друг от друга. В нашей дискуссии с Yurixx мы уделили, если память не изменяет мне, значительное место самой философии этого понятия, как меры риска. В моем понимании, все знакомые мне расчеты не отражают самой сути. Чаще всего, волатильность в общих чертах повторяет «крупные» движения цены, т.е. если рынок растет, то волатильность так же растет, и вроде бы это следует трактовать, как повышенный риск и не пытаться вести торговлю с повышенным риском. А тогда, где смысл? К сожалению, не могу найти достойное место волатильности. Может, кто подскажет, как ее можно использовать.