Hodrick-Prescott filtresi - sayfa 4
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
+5
Hiç bir anlamı yok.
Eh, boşuna ...... Kanımca, hareketlerin farkı, fiyatın gerçekten nerede olduğunu gösteren mükemmel bir göstergedir. Ayrıca, orijinal sinyalde minimum bozulma sağlar ..... ))))))
Hareketli ortalamaların farkı, daha hızlı hareket eden ortalamanın ilk türevinden başka bir şey değildir ve bir tırnak işareti değil, ITS ekstremumlarını gösterir. Birkaç makul soru ortaya çıkıyor:
İlk olarak, kandan külot giymek ve klasik bir türev varsa türevi belirlemek için SUCH bir yol kullanmak ne için?
İkincisi, fiyat türünün zaman serisinin (TS) analizinde birinci türevin kullanılması, bu durumda böyle bir yaklaşımın geçerliliğini ima eder, ancak değildir! Gerçekte, VR düzgün değildir (otokorelasyon katsayısı tüm TF'lerde negatiftir) ve yöntem burada çalışamaz ve çalışmaz. Bizim durumumuzda yumuşatma uygulamasının sonucu, kotira üzerindeki aşırı uçları zamanında tespit etmeye yönelik tüm girişimleri geçersiz kılacak olan kaçınılmaz bir faz gecikmesi olacaktır.
Üçüncüsü, zayıf da olsa, ancak yine de yeniden çizilen hareketli bir ortalama kullanmanın ne anlama geldiğini anlamadım, eğer üzerinde işlem yapmak hala yeniden çizilmeyen bir hareketli ortalama üzerinde çalışmakla aynıysa. Neden bu "hileler"? Ne bu, kendinle flört mü ediyorsun?
ticareti bir meslek olarak adlandırmamızı sağlayan bu özelliktir,
hareketli ortalamalar, ampirik grafik analiz, sinir ağları ,
ve hatta oldukça şaşırtıcı bir şekilde istatistiksel yarı deneysel yöntemler.
Fiyat serisinin otokorelasyon katsayısı (artı) 0,6-0,9 arasında değişmektedir.
ticareti bir meslek olarak adlandırmamızı sağlayan bu özelliktir,
hareketli ortalamalar, ampirik grafik analiz, sinir ağları ,
ve hatta oldukça şaşırtıcı bir şekilde istatistiksel yarı deneysel yöntemler.
Kabul ediyorum!
Fiyat serisinin otokorelasyon katsayısı (artı) 0.6-0.9 aralığındadır,
Ticaret sorununa yukarıdan bakarsanız, sonunda, mutlak değerleriyle değil, fiyat artışlarıyla ilgileniriz, paranın yapıldığı fiyat değişiklikleridir.
Bu nedenle, bizim durumumuzda, orijinal fiyat serisinden değil, teklifin ilk farkının serisinden bahsediyoruz. Bu nedenle, birinci fark serisi için (örneğin, Open[i]-Open[i+1]), bitişik okumalar arasındaki korelasyon katsayısı küçüktür (<<1) ve her zaman negatiftir. Diferansiyel hesap aygıtını keyfi bir VR'ye uygulamak için (örneğin, bir Taylor serisine genişleme ve buna dayalı bir tahmin modeli oluşturma - hepimizin hareketli ortalamalardan çıkarmaya çalıştığımız şey), serinin ilk farkının pozitif otokorelasyona sahip olması (bu, orijinal serinin düzgünlüğünü sağlar), ne yazık ki fiyat serileri bu koşulu sağlamamaktadır. İşimizde taşınmaların prensipte hiçbir beklentisi olmadığını söylerken aklımdan geçen tam olarak buydu - tarihi gösteriyorlar. Bu arada, 20 yıl önce, fiyat serileri zayıf olmasına rağmen, pozitif olarak ilişkilendirildi (ilk farkları), klasik TA'nın basit modellerini kullanarak para kazanmayı mümkün kılan şey buydu. Şimdi resim farklıdır ve etkili ticaret sorununu çözmek için önemsiz olmayan yaklaşımlara ihtiyaç vardır.
Kabul ediyorum!
Şimdi resim farklıdır ve etkili ticaret sorununu çözmek için önemsiz olmayan yaklaşımlara ihtiyaç vardır.
Etkili ticaret sorununu çözmek için "önemsiz" yaklaşımlarla ne demek istiyorsunuz?
İyi soru.
Örneğin, birinci fark serisinde negatif otokorelasyonlu VR için de çalışan Taylor serisi açılımına bir alternatif var. Birden çok girdiye sahip tek katmanlı bir Yapay Sinir Ağı için problemin çözülmesinin bir sonucu olarak açıkça elde edilebilir. Örneğin, iki girişli bir NN için bir çözüm olarak elde edilen böyle bir genişlemenin ilk terimi:
Bu, elbette, her derde deva değil, en azından önemsiz olmayan bir şey ... bana öyle geliyor.
Gelecek ne gösteriyor?
İyi soru.
Örneğin, birinci fark serisinde negatif otokorelasyonlu VR için de çalışan Taylor serisi açılımına bir alternatif var. Birden çok girdiye sahip tek katmanlı bir Yapay Sinir Ağı için problemin çözülmesinin bir sonucu olarak açıkça elde edilebilir. Örneğin, iki girişli bir NN için bir çözüm olarak elde edilen böyle bir genişlemenin ilk terimi:
, burada d[i+1], i+1 fiyat serisi artışlarının tahminidir.
Bu, elbette, her derde deva değil, en azından önemsiz olmayan bir şey ... bana öyle geliyor.
Genel olarak, pratik açıdan tek katmanlı bir sinir ağından bahsetmemek daha iyidir. Bu sadece sabit ağırlıklı lineer bir filtredir ve başka bir şey değildir. Göründüğü kadar garip, "önemsiz yaklaşımlar", önemsiz olmayan düşünme ile oldukça etkilidir. Şampiyonluğun kazananlarına bakın, güzellik sadelikte, herkes bu stratejileri biliyor ama herkes onları nasıl kullanacağını bilmiyor. Fiyat hareketini bir milyon formülle tanımlayabilir ve asıl şeye sahip olamazsınız - kar.
Her şey mümkündür (her şey mümkündür), sorun şu ki her şeyi bilmiyoruz.
Hangisi daha iyi, önemsiz olmayan bir yaklaşımla önemsiz bir yöntem veya önemsiz olmayan bir düşünce ile önemsiz bir yaklaşım? Bilmiyorum... mükemmellik için hangi kriterlerin kullanılacağı ayrı bir konu. Tüm hayatını karanlıkta böyle bir şey aramak için dolaşarak geçirebilirsin ya da sessizce, uzun zamandır herkes tarafından bilinen bir şekilde kullanabilirsin ... Zevk meselesi.
Sorunu çözmek için en uygun yöntemlerin olduğu ve bilimsel paradigma çerçevesinde "bence" veya "herkes yapıyor" gibi ikilemler olmaksızın kesinlikle gerçekleştirilebileceği görüşündeyim.