Elliot Dalga Teorisine dayalı ticaret stratejisi - sayfa 250
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Kuzey Rüzgarı , üzgünüm, artık "konu dışı" taşmayacağım ...
Hadi ama, yüksek sesle gülmesi gereken harika bir şakaydı.
dizlerini tokatlıyor ve parmağını işaret ediyor. :)
Kuzey Rüzgarı , üzgünüm, artık "konu dışı" taşmayacağım ...
Alexey , iyi günler!
Alexey , konuyla ilgili biraz daha konuşalım, olur mu? :))
Lütfen bir resim eklememe yardım edin, bir açıklama ("Bu foruma nasıl resim eklenir (açıklayıcı)"), bir şey tam olarak açıklamıyor :)
Demo hesabınız nasıl? Zaten denge nedir?
Grafiğin önceki açıklamasıyla ilgili olarak şunu kastettim: Euro, 1 saat
Ek olarak, tahminin hesaplanması, dizinin kendisinin özel yapısına bağlı olarak zaten 3-7 saat sürmektedir. Ve bu oldukça fazla...
Grash Algoritmanızda yineleme kullanıyorsanız , genetik algoritmayı deneyebilirsiniz. Hesaplamaları hızlandırmak mümkün olabilir. Soru: (Tabii ki bu bir sır değilse.) Kendinize ait bir tür zor dalgacık dönüştürme yöntemi kullandığınızdan şüpheleniyorum. Haklıyım?
Ek olarak, tahminin hesaplanması, dizinin kendisinin özel yapısına bağlı olarak zaten 3-7 saat sürmektedir. Ve bu oldukça fazla...
Grash Algoritmanızda yineleme kullanıyorsanız genetik algoritmayı deneyebilirsiniz. Hesaplamaları hızlandırmak mümkün olabilir. Soru: (Tabii ki bu bir sır değilse.) Kendinize ait bazı zor dalgacık dönüşüm yöntemini kullandığınızdan şüpheleniyorum. Haklıyım?
Haklısın dalgacıkları kullanıyorum ama her şey teori çerçevesinde, inisiyatif yok.
Şimdi sadece genetik algoritmayı düşünüyorum.
EVA, kaotik dinamiklerin bir dizi eylem modeli olarak temsil edilebilir.
ayrıca, set mükemmel olmaktan uzak. daha gelişmiş (ve kesinlikle haklı) bir analiz sistemi var - Tactica Adversa.
Bu arada, stokastik yaklaşım prensipte bana uymuyor.
(yani, nasıl olur da pahalı mı ucuz mu aldığımı bilemem ..? kafama uymuyor; kesinlikle her zaman bir “adil fiyat” vardır ... dünya çapında , belirli parametreleri dikkate alarak / dikkate almadan, ancak yine de _is_!)
determinizm fikirlerinden anladığım kadarıyla, bizim durumumuz için en gelişmiş ve uygun olanı doğrusal olmayan dinamiklerdir ..
Dikkat, soru!
daha verimli yaklaşımlar var mı? (ağlar/oyun teorisi/salınımlar vb.)
Matematik, ne yazık ki, oldukça yakın zamanda çalışıyorum, bu yüzden başka ne uygulanabilir bilmiyorum ..
Not Bu arada, kaosun ağdan çıkma olasılığının değişmesiyle ilgili komik bir belgeselim var ... Gönderiyorum ..
http://tovaroved.lv/nonlin/p7-14.pdf
PPS varsa, terminoloji Kuznezov'un "Dinamik Kaos" ders kitabında açıklanmıştır.
Hesaplanan geri dönüş bölgesi bana bir dikdörtgen olarak sunuluyor ve zaman içinde nispeten genişletilebilir. Dolayısıyla burada, “boş zamanımda” başladığım “doğal açgözlülük”ten tabii ki mini tahminlere ihtiyacım vardı.
Benim fikrime göre, böyle bir geri dönüş bölgesine girildiğinde mini tahmin çalışmaya başlıyor. Tek amaç, fiyat hareketinin tahmini yönünü ve sınır koşullarını bilerek, bir anlaşmanın optimal sonucu için yerel ekstremi mümkün olduğunca doğru bir şekilde belirlemektir: geri dönüş bölgesinin alanı ve içindeki mevcut fiyat pozisyonu. Küçük bir tahmine dayalı bir ters karede yerel bir ekstremum belirleme algoritması, benim dışımda kimseyi ilgilendirmez. Ama kendi içinde, küçük bir tahminin herkes için ilginç bir görev olduğuna inanıyorum.
Diğer şeylerin yanı sıra Hurst üssüne dayanan kanıtlanmış metodolojiyi kullanamadığım için mesele daha da kötüleşiyor - örnekler çok küçük ve paradoksal olarak tahmin küçük.
Sürekli olarak çeşitli seçenekleri araştırmaya karar verdim ve burada ilk testin sonuçlarını paylaşıyorum. Yani, otokorelasyon ve diğer zor şeyleri kullanana kadar. Başlangıç olarak, her şey basittir: süreç, önceden seçilmiş birkaç işlevin üst üste binmesiyle temsil edilir:
Aşağıdakileri bu tür işlevler olarak tanımladı:
(1) Beklenti çizgisi (yatay düz çizgi)
(2) Doğrusal regresyon
(3) Parabolik regresyon
(4) armonika
(5) ve birkaç tane daha...
Öngörü, az sayıda çubuk için yapılması gerektiğinden, her bir işlevin ana kalıplarının yaklaşık olarak kalacağını varsayıyorum. Örneğin, harmonik için bulunan periyot yine de belirli bir minimum çubuk sayısı olarak kalacaktır. Ve bu işlevlerin üst üste binmesi "yaklaşık - doğru" değerleri göstermelidir. Evet, bunun kesinlikle asla olmayacağını biliyorum, ama kesinlikle buna ihtiyacım yok ve aniden işe yarayacak ..
Temel Algoritma
(1) Her fonksiyon için, en küçük kareler yöntemiyle, matematiksel beklenti doğrusu dışında, elbette optimal katsayıları buluyoruz :o)
(2) En küçük kareler yöntemini kullanarak, önceden tanımlanmış fonksiyonların doğrusal üst üste binmesi için katsayıları buluruz.
Böyle bir tahminin anlamının kanaldaki bir oyun değil, yerel bir ekstremumun tanımı olduğunu hatırlatırım. Yalnızca bir giriş parametresi vardır, bu tahmin için örneklem boyutudur. Tahminin maksimum değerinin numunenin 1/3'ünden fazla olmaması gerektiğini düşünüyorum. Hesaplama için girdi olarak (H + L) / 2 kullanıyorum.
Test örneğindeki toplam okuma sayısı………………………………………………………..50139
Rastgele alınan mevcut çubuğun sayısı………………………………………………………………… 25000
Örnekteki çubuk sayısı………………………………………………………………………………..18
Bu yüzden, mevcut çubuğu rastgele seçtim ve olan buydu:
Siyah kademeli çizgiler sırasıyla Yüksek ve Düşük, kırmızı düz çizgi hesaplanan tahmin işlevidir, kırmızı noktalı çizgiler tahmin işlevinden standart sapmalardır, mavi kesikli çizgi örneğin matematiksel beklentisidir, mavi düz çizgiler matematiksel beklentiden oluşturulan standart sapmalardır, gri kalın daireler (H + L )/2'yi sembolize eder.
Parabolü andıran bir eğrinin ortaya çıkması şaşırtıcı değil. OLS, katsayıları, veri kaynağına en çok benzeyen özellik “kazanacak” şekilde hesaplar.
Sonuçlar cesaret verici görünüyor, ancak sonuçta, büyük olasılıkla tahmin bir yerde olmalı. Girdi parametresini (örnekteki çubuk sayısı) koruyarak, zaten oluşturulmuş olduğunu varsayarak 25010 çubuk ileri kaydırıyoruz. Hemen tahminin yalan olduğunu görüyoruz:
Güçlü bir şekilde yalan söyler. ANCAK! Elle bir düzine deney kurduktan ve tüm numune üzerinde küçük bir test yazdıktan sonra, bu şemaya göre yapılan tahminin doğru sonuçları göstereceği mevcut sayımdan böyle N'yi bulmanın her zaman mümkün olduğu bana açıktır. Test çok basitti: +1'lik bir adımla her numune için, tahminin yapıldığı numune arttırıldı ve ardından RMS sınırlarına kaç tane gelecek çubuğun düştüğü izlendi. Bu test, bu forumda sıklıkla tartışılanları doğruladı. Numune bulamamanın ve doğru bir tahminde bulunmamanın imkansız olduğu tek bir numuneye bile rastlamadım. 25010'luk bir numune için, bu tür iki N değeri vardı (tabii ki ayarlanmış):
on dört
71
Şimdi okuma sayısı kriteri hakkında çok düşünüyorum. Bu arada, grafiklere dikkatlice bakarsanız, böyle bir kriter “çıplak” gözle görülebilir. Şimdi onu geliştiriyorum. Ama bir tane yetmez, birkaç tane daha bulmanız gerekiyor.
İlgilenen var mı ya da Pastukhov'u okumaya devam eden var mı? :hakkında)))
nötron için
Sergey, nereye gittin? "Uyuma!!!" yazmak için çok çekiciyim. :hakkında)))
Bu benim için ilginç, aslında fiyat için değil, gösterge için.
Ve Pastukhov'da, ilgilenen birkaç kişinin bile hayal kırıklığına uğradığı görülüyor. Ve merhaba!
Sonuç olarak, tartışma en ilginç noktada sona erdi: nasıl, tamamen matematiksel olarak
gerçek bir çalışma stratejisi yapmak için sonuçlar. Tamam, kimin ihtiyacı var?
HERKESİN HER ŞEYLE İLGİLENDİĞİNDEN emin olabilirsiniz! Ve Pastukhov ve araştırmanız.
Ve neden kırmızı noktalı çizgiler olarak RMS değil, 3 sigma kriteri temelinde oluşturulan veya örneğin %99 güven aralığı için Student'a göre hesaplanan güven aralıklarının sınırlarını kullanmıyorsunuz? Yoksa seçilen bordür yapımı için özel hedefleriniz mi var? Sadece meraktan soruyorum.