市场预测的群集方法。 - 页 5

 

至少要乘以5:))

 
Yuriy Asaulenko:

我想换一种说法。存款应该等于交易金额(CS)+交易本身的安全性+估计的最大缩水。嗯,对于5年来说,这有点牵强)。例如,对于一个季度,是可以理解的。也就是说,在最大缩水时,我们继续交易。但最大缩水不是存款的80-90%。 这不是交易,而是受虐狂,我认为。

尤里,你是以1/10的杠杆率来计算的。

这不是用来做外汇的,对吗?

对于外汇来说,这将是同样的8-10%的存款。
 

因此,我想让这个话题回到正轨。在此,我想在各位的帮助下,找出现有的 市场预测集群方法优点和缺点,并概述新的、也许更有希望的方法。

我将在我的手指上解释(对于那些不知道的人),什么是与市场有关的集群方法。

但首先,关于市场的动态。

价格在强势事件(关于:经济法令、大灾难、重大商业和政治事件等的重要新闻)中会经历大的、确实不可预测的(对大多数人来说)高峰(1)。在这种情况下,由其引起的波动有一个放松的过程,时间与~1/N成正比。然而,市场 "过着自己的生活"(自组织过程在这里发生),经历(2)自己的(不是由外界影响造成的),有时甚至是 最小的跳跃,其特点是另一种放松的规律。我们注意到,这种情况比放松~1/N要频繁得多,因此,不管我们听起来多么不寻常,市场主要是 按照它自己的规律运作

第一种类型的跳跃不会立即发生(因为许多人参与了它的制造),这就给引用的历史部分带来了一些具体的特征,它夹在一个强势事件发生的时刻和由它引起的激增之间。此外,在第二类跳跃之前的历史部分应该包含 一些特定的特征(市场的延迟摆动和它从下一个不稳定平衡状态的下降)。

现在是聚类。

因此,最初的假设 是,在价格跳跃之前,有一小部分报价历史(加上成交量历史,那里有什么),关于下一次跳跃的信息被编码。

此外,还有一个纯粹的技术部分。引入了某些参数或状态的空间,例如:。(1)烛台图案形式的微不足道的几何图像,或(2)通过对该图(时间序列)进行傅里叶分解得到的不同频率模式的空间,或(3)通过正交天鹅绒函数进行频谱扩展(这要好得多,因为该图很短)或(4)通过其他一些正交函数进行频谱扩展,等等。

然后抽取一组巨大的--具有统计学意义的此类(前面的跳跃)部分,并分析它们对这个状态空间的占用情况。而如果它们明显地集中在这个空间的某些部分(而历史的其他部分--不在跳跃之前--没有到达那里),那么这将是集群(或类型1和2的集群集合),它允许做出预测。


 

烛台形态,在逻辑上属于这种聚类,当然,没有人以这种方式聚类(统计学上正确)。它们是商人们多年来观察市场的结果。但是,尽管如此,这是第一个也是最广为人知的交易员集群的类型,这也是我现在想讨论的--在第一阶段(不涉及数量)。

而且,事实上,我向那些做蜡烛图分析的论坛参与者建议。

要在以下图表中找到典型的(最常见的没有体积的)模式。

图1.

图2.

图3.

图4.

图5.

 

Aleksey Ivanov:

...........

Sqrt(1/N)放宽,我们注意到,这比~1/N的放宽频繁得

..........

负1/N的平方根

你能不能说得更具体一点--我们在和什么作比较?
 
Renat Akhtyamov:

负1/N的根?

没有负数的根源,但有一个相称性的标志~。
 
Aleksey Ivanov:
这里没有负数的根,但有一个比例的符号~~

对不起

 
Renat Akhtyamov:

负1/N的平方根?

你能不能说得更具体一点--我们在和什么作比较?
N - 条形图的数量,自尖峰以来经过的时间(随你喜欢)。
 
Renat Akhtyamov:

尤里,你是以1比10的杠杆率来计算的

这不是针对外汇的,对吗?

这倒是真的。对于堡垒来说~1/10。但对于外汇来说,计算方法是类似的。当然,1/100杠杆的数字将是不同的。解释了很久,其实差别不大,这不是取决于杠杆,而是取决于交易额。堡垒和外汇的盈亏都是根据交易的总和来计算的。如果你在两者中购买同样的东西,你将获得相等的利润/损失。

也就是说,交易的安全性和提款将是完全一样的。但在外汇市场上的损失可能会更小,因为杠杆率是-100。这就是唯一的区别。

一般来说,我在外汇市场上从未经历过超过20%的缩水。

 


对没有成交量的模式的讨论是日本模式或价格行动,突出显示的区域(悬挂-射击之星-悍马),市场实施了一个运动模式=向上和向下和向上通过底部。

原因: