基于艾略特波浪理论的交易策略 - 页 192 1...185186187188189190191192193194195196197198199...309 新评论 Forex Trader 2006.12.25 09:50 #1911 大家好! 在一般情况下，随机变量的居中是一个程序：X(t)-m(t)，其中X(t)是一个随机变量，m(t)是期望值（区间的平均值）。因此，通过对一个固定的滑动窗口进行平均计算期望值，我们摆脱了初始时间序列中的常数成分。这使得频谱图的阅读更加容易。事实上，比较一下原始系列和居中系列的光谱。原始系列在低频区域有很强的混杂性。但在选择平均窗口方面存在一些不确定性......谱图的低频边界取决于它。粗略地说，频谱不会包含周期长于平均时间的谐波。 我自己用的是系列的中心化，用的是公式。X[i]=Open[i-1]-Open[i].在这种情况下，不难得出与数值微分程序的类比（鉴于dt=1）。我们记得，如果我们对包含谐波函数的原始数列应用微分算子，输出将是一个包含相同谐波的数列，其振幅与频率成比例增加。即原始序列的微分程序： 1.不会导致有用信息的损失（我们谈论的是频谱分析）； 2.使我们能够以可消化的形式表示频谱密度； 3.使我们能够将与平均化程序相关的不可避免的相位滞后降到最低。 请记住，频谱密度A^2/Hz的维度是功率（振幅的平方）除以频率单位，而计算值（经过微分程序）的维度是：Hz*A^2，为了恢复频谱密度，结果矢量应除以频率的平方。此外，我们主要对某个特定谐波的振幅感兴趣。为了找到它，用所得到的频谱密度除以周期，然后从中取出平方根。 最后，我一定是在什么地方犯了一个错误......。Yurixx 会告诉你在哪里:-) to Candid 但另一个问题出现了：这种转换不是也产生了原数列的某种随机化吗？ 坎迪，很高兴见到你! 不，它没有。 相反，数列的微分会导致 "过度微分数列"，虽然是静止的，但有一些与MA成分的不可逆性有关的不良特性；原微分数列的相邻值有一个寄生的自相关 （短周期在频谱中占主导地位）。此外，它变得不可能使用参数估计和序列预测的通常算法（例如，见[Hamilton（1994），第4章和第5章]）。 然而，这是一个不同的故事。我们谈论的是自回归模型的特殊性。 Forex Trader 2006.12.25 12:15 #1912 最后，我一定是在什么地方犯了一个错误......。Yurixx会告诉我具体位置:-) 谢谢，我很欣赏你的幽默。:-))然而，为了断章取义，我想澄清一下低频部分。 你的帖子总是信息量很大，因此让我想了解和理解其中所述的内容。 因此，我不是在寻找错误，我是在寻找理解。为此，我必须澄清细节。:-) X[i]=Open[i-1]-Open[i]的操作实际上是一个系列微分，这一事实从一开始就发生在我身上。 而我一直试图理解你为什么要用它来做中心工作。这里似乎没有任何联系。现在我明白了，再次感谢你。 我唯一不明白的是系列X[i]=Open[i-1]-Open[i]的数学期望。据我所知，这个系列在你采取的间隔上的期望值是不为零的。因此，你不能对它适用关于期望值为零的静止序列的说法。 中子 16.12.06 10:43 严格的数学证明，人们无法通过任何一种TS在长期内击败由预期报酬为零的静止序列整合而成的时间序列（有一些保留，类似于货币工具的价格序列，类似于粒子的布朗运动）。 Forex Trader 2006.12.25 14:09 #1913 系列X[i]=Open[i-1]-Open[i]的期望值仍不清楚。据我所知，这个系列在你采取的间隔上的期望值是不为零的。因此，我们不能将与数学期望值为零的静止数列相关的声明应用于它。<br/ translate="no"> 中子 16.12.06 10:43 数学上严格证明，从长远来看，不可能用任何TS来打败一个由预期报酬为零的静止数列整合而成的时间数列（有一些保留，类似于货币工具的价格数列，让人想起粒子的布朗运动）。 在研究所里，我们被告知了很多关于博弈论的有趣事情。因为那是很久以前的事了--我是根据记忆引用的......也许它是正确的： ......从长远来看，不可能用任何一种TS来打败一个由零相关图的静止序列的积分所构建的时间序列。让我们构建一个数列，其中每个连续的项等于前一个项乘以系数，例如，a=-0.5： X[i+1]=-0.5*x[i]+sigma，其中sigma是一个期望值为零的正态分布随机变量。 这是一个一阶AR(1)自回归模型，具有强烈的负自相关（类似于反弹市场）。满足X[i+1]=a*x[i]+sigma关系的序列通常也被称为马尔可夫过程。因此，在任何足够长的时间间隔内，对它的期望值都等于零，在这样的市场上赚钱很容易。 这确实与我的第一个声明相矛盾。有趣的是，对于具有负自相关系数的马尔科夫过程（几乎所有外汇价格序列的类似物），我们可以很容易地得到TS预期收益的估计公式。重要的是，对于所选的时间框架要满足以下条件： |a(t)|*s(t)>Spread，其中s是sigma的标准偏差。 如果|a|接近于1，工具的波动率将远远高于s。而这意味着，如果系列x[i]的相邻值是强相关的，那么一系列相当弱的扰动将产生蔓延的价格波动。在这个意义上，用工具的波动率而不是描述定价过程中随机成分的标准差来代替估计工具收益的公式更为正确。 Forex Trader 2006.12.25 16:29 #1914 grasn 亚历克莎在哪里获得如此成功？在没有止损的情况下工作，他在那笔交易中几乎损失殆尽。虽然，从另一方面来说，如果他再赚两三百万，那也不可怕，....，但也是高手。<br/ translate="no"> 你是对的 ， 没有止损的交易是非常危险的!在我出差的时候，我做了一笔没有止损 的交易，我的模拟账户就变成了零 :( 我开了一个新的账户。我现在正试图制定我的交易策略，并设置止损。 我将在一个月内看到结果 :) Forex Trader 2006.12.25 19:03 #1915 2中子 谢谢你，澄清已来相当。"相当"--在数学的意义上。:-) 我同时也学到了许多有趣的东西。而最重要的是--在外汇上赚钱的希望与数学理论并不矛盾! 顺便说一下，我最近和grasn 讨论了外汇中的波动性是如何衡量的。我的观点是，它使用了一种工具的钉子来做。据我所知，这并不完全正确，但或多或少是充分的。关于你的声明 从这个意义上说，使用工具的波动率而不是标准差更为正确，标准差在公式中描述了定价过程中的随机成分，以估计工具的回报。 我想问的是，它究竟是如何计算的。也许你能给我点启发？只是为了让我们高兴。:-)) Forex Trader 2006.12.25 19:30 #1916 所选时间框架上的工具的波动率可以通过公式计算。 Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)]，其中k=0...n上进行求和。 Forex Trader 2006.12.26 00:26 #1917 一个工具在选定的时间框架上的波动率可以通过公式计算：<br / translate="no">Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)]，其中k=0...n时进行求和。 T 和n 之间的联系是什么？当然，如果有的话。 Forex Trader 2006.12.26 05:21 #1918 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. T 和n 之间有什么联系？当然，如果有的话。 在方程式的右边部分，High[i]和Low[i]的数值取决于TimeFrame (T)。作为第一个近似值。 Vol[T]与以min表示的TimeFrame的根数成正比，并乘以Vol[1 min]。 Vol[T]==Vol[1 min]*SQRT（T）。 n是出于统计学有效性的考虑而选择的，例如至少有100条。 Forex Trader 2006.12.26 11:34 #1919 大家好! <br / translate="no"> grasn 亚历克莎在哪里获得如此成功？在没有止损的情况下工作，他在那笔交易中几乎损失殆尽。虽然，从另一方面来说，如果他再赚两三百万，那也不可怕，....，但也是高手。 你是对的 ， 没有止损的交易是非常危险的!在我出差的时候，我做了一笔没有止损的交易，我的模拟账户就变成了零 :( 我开了一个新的账户。我现在正试图制定我的交易策略，并设置止损。 我将在一个月内看到结果 :) "先知先觉:o)"。一旦我意识到同样的事情，承担风险的人，有时并不总是喝香槟，他必须喝白水。在这种情况下，唯一的安慰是医生的建议，即水比香槟酒更健康。 :о) 亚历克斯，祝你在新的交易时期好运。我们正在等待你的惊人成果。 中子 一个工具在选定的时间框架上的波动率可以用公式计算。 Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)] 其中k=0...n上进行求和。 如果我没有记错的话，这已经是我记忆中第三或第四个关于波动性的定义了，而且它们之间都有很大的区别。在我们与Yurixx 的讨论中，如果我没有记错的话，我们用了相当大的篇幅来讨论这个概念作为风险衡量标准的哲学。按照我的理解，我所熟悉的所有计算方法都没有反映出最本质的东西。更多的时候，波动性松散地复制了 "大的 "价格运动，即如果市场在上升，那么波动性也在上升，这似乎应该被解释为风险增加，而不是试图在风险增加的情况下进行交易。但这样一来，意义何在？不幸的是，我找不到一个像样的地方进行波动。也许有人能告诉我如何使用它。 Forex Trader 2006.12.26 11:44 #1920 波动性由ATR（平均真实范围）最充分地反映出来，恰如高收盘RMS并不反映所有的风险。 1...185186187188189190191192193194195196197198199...309 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
在一般情况下，随机变量的居中是一个程序：X(t)-m(t)，其中X(t)是一个随机变量，m(t)是期望值（区间的平均值）。因此，通过对一个固定的滑动窗口进行平均计算期望值，我们摆脱了初始时间序列中的常数成分。这使得频谱图的阅读更加容易。事实上，比较一下原始系列和居中系列的光谱。原始系列在低频区域有很强的混杂性。但在选择平均窗口方面存在一些不确定性......谱图的低频边界取决于它。粗略地说，频谱不会包含周期长于平均时间的谐波。
我自己用的是系列的中心化，用的是公式。X[i]=Open[i-1]-Open[i].在这种情况下，不难得出与数值微分程序的类比（鉴于dt=1）。我们记得，如果我们对包含谐波函数的原始数列应用微分算子，输出将是一个包含相同谐波的数列，其振幅与频率成比例增加。即原始序列的微分程序：
1.不会导致有用信息的损失（我们谈论的是频谱分析）；
2.使我们能够以可消化的形式表示频谱密度；
3.使我们能够将与平均化程序相关的不可避免的相位滞后降到最低。
请记住，频谱密度A^2/Hz的维度是功率（振幅的平方）除以频率单位，而计算值（经过微分程序）的维度是：Hz*A^2，为了恢复频谱密度，结果矢量应除以频率的平方。此外，我们主要对某个特定谐波的振幅感兴趣。为了找到它，用所得到的频谱密度除以周期，然后从中取出平方根。
最后，我一定是在什么地方犯了一个错误......。Yurixx 会告诉你在哪里:-)
to Candid
坎迪，很高兴见到你!
不，它没有。
相反，数列的微分会导致 "过度微分数列"，虽然是静止的，但有一些与MA成分的不可逆性有关的不良特性；原微分数列的相邻值有一个寄生的自相关 （短周期在频谱中占主导地位）。此外，它变得不可能使用参数估计和序列预测的通常算法（例如，见[Hamilton（1994），第4章和第5章]）。
然而，这是一个不同的故事。我们谈论的是自回归模型的特殊性。
谢谢，我很欣赏你的幽默。:-))然而，为了断章取义，我想澄清一下低频部分。
你的帖子总是信息量很大，因此让我想了解和理解其中所述的内容。
因此，我不是在寻找错误，我是在寻找理解。为此，我必须澄清细节。:-)
X[i]=Open[i-1]-Open[i]的操作实际上是一个系列微分，这一事实从一开始就发生在我身上。
而我一直试图理解你为什么要用它来做中心工作。这里似乎没有任何联系。现在我明白了，再次感谢你。
我唯一不明白的是系列X[i]=Open[i-1]-Open[i]的数学期望。据我所知，这个系列在你采取的间隔上的期望值是不为零的。因此，你不能对它适用关于期望值为零的静止序列的说法。
严格的数学证明，人们无法通过任何一种TS在长期内击败由预期报酬为零的静止序列整合而成的时间序列（有一些保留，类似于货币工具的价格序列，类似于粒子的布朗运动）。
数学上严格证明，从长远来看，不可能用任何TS来打败一个由预期报酬为零的静止数列整合而成的时间数列（有一些保留，类似于货币工具的价格数列，让人想起粒子的布朗运动）。
在研究所里，我们被告知了很多关于博弈论的有趣事情。因为那是很久以前的事了--我是根据记忆引用的......也许它是正确的： ......从长远来看，不可能用任何一种TS来打败一个由零相关图的静止序列的积分所构建的时间序列。让我们构建一个数列，其中每个连续的项等于前一个项乘以系数，例如，a=-0.5：
X[i+1]=-0.5*x[i]+sigma，其中sigma是一个期望值为零的正态分布随机变量。 这是一个一阶AR(1)自回归模型，具有强烈的负自相关（类似于反弹市场）。满足X[i+1]=a*x[i]+sigma关系的序列通常也被称为马尔可夫过程。因此，在任何足够长的时间间隔内，对它的期望值都等于零，在这样的市场上赚钱很容易。 这确实与我的第一个声明相矛盾。有趣的是，对于具有负自相关系数的马尔科夫过程（几乎所有外汇价格序列的类似物），我们可以很容易地得到TS预期收益的估计公式。重要的是，对于所选的时间框架要满足以下条件：
|a(t)|*s(t)>Spread，其中s是sigma的标准偏差。 如果|a|接近于1，工具的波动率将远远高于s。而这意味着，如果系列x[i]的相邻值是强相关的，那么一系列相当弱的扰动将产生蔓延的价格波动。在这个意义上，用工具的波动率而不是描述定价过程中随机成分的标准差来代替估计工具收益的公式更为正确。
你是对的 ， 没有止损的交易是非常危险的!在我出差的时候，我做了一笔没有止损 的交易，我的模拟账户就变成了零 :( 我开了一个新的账户。我现在正试图制定我的交易策略，并设置止损。 我将在一个月内看到结果 :)
谢谢你，澄清已来相当。"相当"--在数学的意义上。:-)
我同时也学到了许多有趣的东西。而最重要的是--在外汇上赚钱的希望与数学理论并不矛盾!
顺便说一下，我最近和grasn 讨论了外汇中的波动性是如何衡量的。我的观点是，它使用了一种工具的钉子来做。据我所知，这并不完全正确，但或多或少是充分的。关于你的声明
我想问的是，它究竟是如何计算的。也许你能给我点启发？只是为了让我们高兴。:-))
Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)]，其中k=0...n上进行求和。
T 和n 之间的联系是什么？当然，如果有的话。
Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)], где суммирование ведётся по k=0...n.
T 和n 之间有什么联系？当然，如果有的话。
在方程式的右边部分，High[i]和Low[i]的数值取决于TimeFrame (T)。作为第一个近似值。
Vol[T]与以min表示的TimeFrame的根数成正比，并乘以Vol[1 min]。
Vol[T]==Vol[1 min]*SQRT（T）。
n是出于统计学有效性的考虑而选择的，例如至少有100条。
你是对的 ， 没有止损的交易是非常危险的!在我出差的时候，我做了一笔没有止损的交易，我的模拟账户就变成了零 :( 我开了一个新的账户。我现在正试图制定我的交易策略，并设置止损。
我将在一个月内看到结果 :)
"先知先觉:o)"。一旦我意识到同样的事情，承担风险的人，有时并不总是喝香槟，他必须喝白水。在这种情况下，唯一的安慰是医生的建议，即水比香槟酒更健康。 :о)
亚历克斯，祝你在新的交易时期好运。我们正在等待你的惊人成果。
中子
一个工具在选定的时间框架上的波动率可以用公式计算。
Vol[T]=SQRT[SUM{(High[i-k]-Low[i-k])^2}/(n-1)] 其中k=0...n上进行求和。
如果我没有记错的话，这已经是我记忆中第三或第四个关于波动性的定义了，而且它们之间都有很大的区别。在我们与Yurixx 的讨论中，如果我没有记错的话，我们用了相当大的篇幅来讨论这个概念作为风险衡量标准的哲学。按照我的理解，我所熟悉的所有计算方法都没有反映出最本质的东西。更多的时候，波动性松散地复制了 "大的 "价格运动，即如果市场在上升，那么波动性也在上升，这似乎应该被解释为风险增加，而不是试图在风险增加的情况下进行交易。但这样一来，意义何在？不幸的是，我找不到一个像样的地方进行波动。也许有人能告诉我如何使用它。