торговая стратегия на базе Волновой теории Эллиота - страница 61
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
Для того чтобы применить предложенный в книжке подход нужно поступить ТОЧНО ТАКЖЕ как описано в книжке. В книжке приведён подробный пример ЛИШЬ для броуноского движения! То есть показано как визуально должна выглядить выборка "притоков" броуновского движения при разных коэффициентах Хёрста. Если Вы возьмёте генератор случайных чисел, а затем будете создавать взаимозависимые сделки в белом шуме посредством задания вероятности их возникновения, то и получите примерно такие же картинки, что в книжке. То есть у вас сначала будет получен фрактальный шум наблюдения (выборка "притоков"), просуммировав который Вы получите само физическое движение чего-либо (в данном случае осциллограмму броуновского шума). Из амплитуды физического движения Вы увидите, что чем больше у Вас был коэффициент Хёрста (вероятность взаимозависимых сделок), тем большим получился сам размах амплитуды физического движения. Что мы в конечном итоге можем понять из приведённого в книжке примера? Мы можем понять лишь только то, что я уже сказал "чем больше у Вас был коэффициент Хёрста (вероятность взаимозависимых сделок), тем большей амплитудой получился сам размах амплитуды самого физического движения". Далее просто ответьте, пожалуйста, что именно даёт нам ЭТА информация в прогностическом плане? Я могу ответить точно - НИЧЕГО, кроме того, что я 2 раза написал (определим лишь степень взаимозависимости сделок)! Что делается авторами далее в книжке? Они применяют предложенный расчёт (анализ броуновского движения) к разным рынкам капитала. На всех рынках (или практически на всех) показатель Хёрста более 0.5, в частности для EURUSD он 0,64, если не путаю. Ну и что дальше? А ТАКЖЕ НИЧЕГО! Кроме того, что мы знаем что сделки на рынках являются большей частью взаимозависмы. Но это мы допустим знали и всегда, что люди смотря на то куда двигалась цена вчера с большей вероятностью станут по тренду нежели против него. Благодаря этому на рынках присутствуют периоды явного тренда, основанные на предыдущем движении. Это и так всем очевидно. А Владислав же попытался применить данный подход для прогноза каналов линейной регрессии. То есть СУЩЕСТВЕННО он видоизменил способ расчёта "приливов" по уже имеющемуся движению цены с целью получения ответа на вопрос "Что будет с каналом в самом ближайшем будущем - будет ли он продолжен или же завершит своё существование".
Выделенное «ТОЧНО ТАКЖЕ» говорит о том, что я ошибся? Возможно, но вроде очень старался и делал все по книжке. А в ней изложен общий подход к расчету показателя, и в качестве примера дан результат для броуновского движения и для 19 цикла ряда Вольфа (честно, не знаю что это).
Свой алгоритм я проверил случайным радом, и получил вроде почти правильный результат (я прилагал график log(R/S) от log(N)).
В алгоритмах Владислава и в вашем, в конечном итоге, выполняется приближенная оценка самого показателя, по формуле H=log(R/S)/log(0.5*N) – ровно как в книжке. И как я уже писал, решил реализовать более точный алгоритм.
Спасибо за подробное объяснения, некоторые детали подхода Владислава я понимал смутно. Сейчас, вроде проясняется. Я же ведь не коим образом не ставлю по сомнения ваши расчеты и Владислава, тем более, что они прекрасно работают.
:о)))))
Нет Вы не ошиблись! Под словом «ТОЧНО ТАКЖЕ» я имел ввиду, что подход, использованный в книжке, годится лишь для решения той задачи, для которой разрабатывался, и которую я уже несколько раз повторил - "оценки взаимозависимости сделок (приливов) при каком-то процессе, сходным с броуновским". Но использовать его для решения нашей задачи "прогноз движения по каналу в самом ближайшем будущем" в том виде, в каком он дан в книжке, однозначно НЕЛЬЗЯ! Вот Владислав его и доработал для решения нашей задачи в плане получения выборки "приливов", считая за средний уровень прогнозное значение канала линейной регрессии, построенного на выборке, не включающей текущий бар. Если вдуматься поглубже в смысл той доработки, которую он предложил, то это тянет как минимум на кандидатскую диссертацию (по математике или экономике, смотря на что сделать больший упор) при соответсвующей проработке и представлении дополнительного материала ;o))))! Владислав подумайте над этим, если Вам это вообще нужно!
Нет Вы не ошиблись! Под словом «ТОЧНО ТАКЖЕ» я имел ввиду, что подход, использованный в книжке, годится лишь для решения той задачи, для которой разрабатывался, и которую я уже несколько раз повторил - "оценки взаимозависимости сделок (приливов) при каком-то процессе, сходным с броуновским". Но использовать его для решения нашей задачи "прогноз движения по каналу в самом ближайшем будущем" в том виде, в каком он дан в книжке, однозначно НЕЛЬЗЯ! Вот Владислав его и доработал для решения нашей задачи в плане получения выборки "приливов", считая за средний уровень прогнозное значение канала линейной регрессии, построенного на выборке, не включающей текущий бар.
Да, но приведенный алгоритм в книге, не выдвигает каких то особенных требований к содержанию «притока». По крайне мере – я не нашел там ничего такого и один из вопросов, который мы обсуждали – каким быть притоку. От вас я получил ценный совет. Спасибо.
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
Нет, именно усредненный Херст по этим выборкам :)
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
Нет, именно усредненный Херст по этим выборкам :)
Этот алгоритм я прочитал сегодня в книге «Фрактальный анализ». Я то реализовывал по другому алгоритму в соответствии с другими формулами. Иду от 1 до N и для каждого текущего n считаю log(R/S) и log(N). Потом строю аппроксимирующую прямую y(x)=ax+b. Коэффициент а и есть показатель Херста. Возможно здесь принципиальная ошибка.
:о)
PS: Неужели его так считать нельзя?
Почитав дополнительные материалы по расчету показателя Херста, натолкнулся на исследования Федера. Он утверждал, что эмпирический закон – H=Log(R/S)/Log(0.5*N) достаточно плохо работает и дает относительно правильные данные только для небольших выборок (правда о величине этих выборок ничего не было сказано). Поэтому, решил реализовать расчет показателя Херста строго по методическим материалам (кажется, получилось еще хуже, чем предостерегал господин Федер).
Я понимаю, что код может не самый оптимальный с точки зрения быстродействия (много вызовов функций и все такое), но главное в другом, - хотел бы для себя уточнить, правильно ли я представляю логику его расчета, потому как, полученные результаты показались мне сомнительными, и я решил обратиться к людям знающим.
...
PS: Надеюсь, что участники форума помогут мне разобраться. Буду очень признателен, если Vladislav уделит мне немного времени и объяснит, где я ошибаюсь по такой простой методикой.
Берем 1000 случайных броуновских частиц в тысяче координатных сетках в нулевой точке. По этим точкам начинают бомбить случайные силы в случайном направлении. Вот Херст и утвреждает, что с течением времени расстояние между частицей и началом коррдинат (длина вектора) будет пропорционально корню квадратному из времени. Зачем 1000 чатиц? Для хорошего усреднения. Эту задачку несложно запрограммировать и проверить.
Берем 1000 случайных броуновских частиц в тысяче координатных сетках в нулевой точке. По этим точкам начинают бомбить случайные силы в случайном направлении. Вот Херст и утвреждает, что с течением времени расстояние между частицей и началом коррдинат (длина вектора) будет пропорционально корню квадратному из времени. Зачем 1000 чатиц? Для хорошего усреднения. Эту задачку несложно запрограммировать и проверить.
Я ему верю. Но вот Федер утверждал, что если есть потребность в точном значении, то нужно и считать точнее. Вот я попытался реализовать. А сегодня выяснил, что господин Петерс вообще считает его не так.
Будет достаточным – просто колонка цифр, дальше я сам все сделаю.