ZigZag Çobanları - sayfa 14

 

Tanrım. Bunun olacağını hayal edemezdim.

EURUSDM5n3

 
Uladzimir Izerski :

Tanrım. Bunun olacağını hayal edemezdim.


Numara. Bu göstergelere güvenmiyorum.

Yalan söylüyorlar.

Göstergelere güvenmeyin. Güven bana.

 
Uladzimir Izerski :

Numara. Bu göstergelere güvenmiyorum.

Yalan söylüyorlar.

Göstergelere güvenmeyin. Güven bana.

Muller biraz farklı konuştu: Kimseye güvenemezsin ..., ben güvenebilirim. )

 
khorosh :

Muller biraz farklı konuştu: Kimseye güvenemezsin ..., ben güvenebilirim. )

Bugün beni onbirinci kez güldürmek için uğraştın))). Bir sonraki dalı okuduğumda on kez.

Ama kesinlikle güvenebilirim. Ben Mueller değilim

 
Novaja :

Bu, 3Z Kagi için eşik değerindeki değişime bağlı olarak uçlar arasındaki farkın belirlenmesinin sonucudur. Şekil b) - kümülatif eğri.

ZZ Renko için de aynı.

İlginç bir özellik fark ettim: Ki-kare dağılımı:

Bakın, k=1'de ZZ Kagi'nin benzerliğini görebilirsiniz, k=2'de üs, ZZ Renko tablosundakiyle tamamen aynı.

Ki-kare dağılımı, artan k ile normal olma eğilimindedir.

İyi bilmiyorum...

Özellik ilginç, ancak nasıl kullanılır? "Hiç" kelimesinden Kagi veya Renko'yu bilmediğim için bir şey önermek zor.

Ama deneyeceğim.

1. Normal bir dağılım sağlama arzusundan vazgeçmeli ve yüzyıllarca aramalıyız. Halihazırda bulunan düzenliliklerle çalışmak zaten çok, çok fazla.

2. https://en.wikipedia.org/wiki/Generalized_normal_distribution

3. Basitçe söylemek gerekirse, k=1 ile xi-kare normal dağılımlı MF'nin karelerinin toplamıdır, k=2 ile xi-kare Laplace dağılımı ile MF'nin toplamıdır

4. k = 2 olan durumla ilgilendim, çünkü çalışmalar pazara Laplace dağılımının hakim olduğunu gösteriyor (daha doğrusu çift geometrik dağılım)

5. Burada net değil - bu Renkos'ta ne düşünülür? Farklar Toplamı (Yüksek-Düşük)?

6. Eğer öyleyse, Renko'daki fark (Yüksek-Düşük) Laplace dağılımına ait CV'dir - bu da deneysel olarak doğrulanmalıdır.

7. Daha sonra, kayan penceredeki (belirli bir örneklem boyutu için) farklılıkların (Yüksek-Düşük) toplamı, bilinen bir kuantil fonksiyonu ile k=2 olan bir xi-kare oluşturur.

https://keisan.casio.com/exec/system/1180573197

8. Belirli bir miktar için güven aralığı sınırlarının ötesinde kayan pencerede çıkışı (Yüksek-Düşük) bekliyoruz ve ticarete giriyoruz.


Eh, bu çok - algoritmanın kaba bir taslağı, sadece konuyu geliştirmek ve başka bir şey değil :)))

Generalized normal distribution - Wikipedia
Generalized normal distribution - Wikipedia
  • en.wikipedia.org
Generalized Normal (version 1) Parameters Support PDF CDF Mean Median Mode Variance Skewness Ex. kurtosis Entropy Known also as the exponential power distribution, or the generalized error distribution, this is a parametric family of symmetric distributions. It includes all normal and Laplace distributions, and as limiting cases it includes all...
 
Alexander_K2 :

5. Burada net değil - bu Renkos'ta ne düşünülür? Farklar Toplamı (Yüksek-Düşük)?


7. Daha sonra, kayan penceredeki (belirli bir örneklem boyutu için) farklılıkların (Yüksek-Düşük) toplamı, bilinen bir kuantil fonksiyonu ile k=2 olan bir xi-kare oluşturur.

https://keisan.casio.com/exec/system/1180573197

8. Belirli bir miktar için güven aralığı sınırlarının ötesinde kayan pencerede çıkışı (Yüksek-Düşük) bekliyoruz ve ticarete giriyoruz.

5. Renko, "Renko tuğlası" tarafından belirtilen aralığın 1 "tuğla" değeriyle kırılmasını dikkate alır ve bozulma "tuğla" değerine göre olmalıdır, yani. 10 pp "tuğla", yeni bir Renko tuğlası çizmek için fiyatın önceden oluşturulmuş Renko çubuğunun 10 pp + 1 pp (veya 10 pp + 1 pp) üzerine çıkması ve ardından yeni bir "tuğla" çizmesi gerekir. Onlar. aslında, fiyat, "Renko tuğlasının" değerine göre zaman dikkate alınmadan ayrıdır. Renko, fiyatın gürültü bileşenlerini ortadan kaldırır, ancak herhangi bir filtrede olduğu gibi, yeni bir Renko çubuğu çizmek için bir gecikme vardır, fiyatın 2 aralığı geçmesi gerekir = 2 Renko tuğla yüksekliği

7.8 ATR göstergesidir, yazdığınız şeye genellikle volatilite dökümü denir ama burada bile ebedi sorun ATR periyodudur, periyot kısa ise o zaman gürültü olur, periyot büyükse o zaman bir gürültü olur gecikme

 
Igor Makanu :


Burada

Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi hakkında forum

ZigZag Çobanları

Novaja , 2018.08.26 23:22

Bu, 3Z Kagi için eşik değerindeki değişime bağlı olarak uçlar arasındaki farkın belirlenmesinin sonucudur. Şekil b) - kümülatif eğri.

ZZ Renko'da da aynı.

İlginç bir özellik fark ettim: Ki-kare dağılımı:

Bakın, k=1'de ZZ Kagi'nin benzerliğini görebilirsiniz, k=2'de üs, ZZ Renko tablosundakiyle tamamen aynı.

Ki-kare dağılımı, artan k ile normal olma eğilimindedir.


Novaja, ekstremumlar arasındaki bazı farklılıklardan bahsediyor... Kapsam (Yüksek-Düşük) veya ne hakkında? Anlayamıyorum ... Çok kuru ve özlü yazılmış ...

Ama bir xi-kare gibi görünüyor - bu yüzden ilgilenmeye başladım. Net desenler bulmak nadirdir.

 
Ve çalışmaya hangi ZZ ve hangi ayarlar dahildir?
 
Alexander_K2 :

İyi bilmiyorum...

Özellik ilginç, ancak nasıl kullanılır? "Hiç" kelimesinden Kagi veya Renko'yu bilmediğim için bir şey önermek zor.

Ama deneyeceğim.

1. Normal bir dağılım sağlama arzusundan vazgeçmeli ve yüzyıllarca aramalıyız. Halihazırda bulunan düzenliliklerle çalışmak zaten çok, çok fazla.

2. https://en.wikipedia.org/wiki/Generalized_normal_distribution

3. Basitçe söylemek gerekirse, k=1 ile xi-kare normal dağılımlı MF'nin karelerinin toplamıdır, k=2 ile xi-kare Laplace dağılımı ile MF'nin toplamıdır

4. k = 2 olan durumla ilgilendim, çünkü çalışmalar pazara Laplace dağılımının hakim olduğunu gösteriyor (daha doğrusu çift geometrik dağılım)

5. Burada net değil - bu Renkos'ta ne düşünülür? Farklar Toplamı (Yüksek-Düşük)?

6. Eğer öyleyse, Renko'daki fark (Yüksek-Düşük) Laplace dağılımına ait CV'dir - bu da deneysel olarak doğrulanmalıdır.

7. Daha sonra, kayan penceredeki (belirli bir örneklem boyutu için) farklılıkların (Yüksek-Düşük) toplamı, bilinen bir kuantil fonksiyonu ile k=2 olan bir xi-kare oluşturur.

https://keisan.casio.com/exec/system/1180573197

8. Belirli bir miktar için güven aralığı sınırlarının ötesinde kayan pencerede çıkışı (Yüksek-Düşük) bekliyoruz ve ticarete giriyoruz.


Şey, öyle - algoritmanın kaba bir taslağı, sadece konuyu geliştirmek için ve başka bir şey değil :)Cgfcb,j

Çok teşekkürler, harika bir yorum.

zz'nin yapısı hakkında birkaç söz. Kagi varyantı.

Onay grafiği mavi renkte gösterilir, eşik 3p'dir. Sayaç hareketi 3p'den fazlaysa. bir ekstremum çizilir, değilse, devam ederiz. Onlar. salıncaklar 2,66 içerebilir; 3.66; bu tür eşiklerin (segmentlerin) n'inci sayısı ve kesirli bir değer. Renko tipi yapıda, bu kesirli değer atılır, ancak prensip aynıdır. Onlar. tamsayı değeri 2,3, vb. Onlar. kesirli köşelerin yapıda nasıl dikkate alınmadığını görüyoruz. Aşağıdaki şekil bir Renko varyasyonunu göstermektedir.

Şimdi farkın açık olduğunu düşünüyorum. Yani, salınım uzunluğunun eşik değerine oranının oluşma sıklığı (3p'deki segment.) Kagi için:

Şekil b) Eğrilerin kümülatif toplamı. k=1'deki Ki-kare dağılımı bu eğriye uyar.

Ve bu, Renko'yu oluşturmak için salınımın eşiğe (segment) oranının oluşma sıklığının kümülatif toplamıdır. Ki-kare k=2'de.

Onlar. Saf bir üs elde ettiğimiz için yalnızca kesirli kısımları atmak gerekir.

 
Novaja :

Çok teşekkürler, harika bir yorum.

zz'nin yapısı hakkında birkaç söz. Kagi varyantı.

Onay grafiği mavi renkte gösterilir, eşik 3p'dir. Sayaç hareketi 3p'den fazlaysa. bir ekstremum çizilir, değilse, devam ederiz. Onlar. salıncaklar 2,66 içerebilir; 3.66; bu tür eşiklerin (segmentlerin) n'inci sayısı ve kesirli bir değer. Renko tipi yapıda, bu kesirli değer atılır, ancak prensip aynıdır. Onlar. tamsayı değeri 2,3, vb. Onlar. kesirli köşelerin yapıda nasıl dikkate alınmadığını görüyoruz. Aşağıdaki şekil bir Renko varyasyonunu göstermektedir.

Şimdi farkın açık olduğunu düşünüyorum. Yani, salınım uzunluğunun eşik değerine oranının oluşma sıklığı (3p'deki segment.) Kagi için:

Şekil b) Eğrilerin kümülatif toplamı. k=1'deki Ki-kare dağılımı bu eğriye uyar.

Ve bu, Renko'yu oluşturmak için salınımın eşiğe (segment) oranının oluşma sıklığının kümülatif toplamıdır. Ki-kare k=2'de.

Onlar. Saf bir üs elde ettiğimiz için yalnızca kesirli kısımları atmak gerekir.

Salıncaklar... Eh-ma... :)))

TAMAM. Terminolojiye derinlemesine girmeyeceğim. Bir kere.

Her şeyde en saf üsselliğe sahibiz.

Bu bileşenlerin toplamı, negatif bir binom dağılımı olacaktır (sürekli SW'ler için Erlang dağılımı), yine vurguluyorum, bilinen bir varyansla. Limitte, aradığınız normal dağılım.

Neden: