ловля тренда на живца
Можно корреляцию с параболой посчитать.
одна парабола x^2, x^3 не пойдёт. слагаемое sqrt конечно тоже парабола, но с малым ростом и резким фронтом, её не выкинуть
да и корреляция незачем, корреляция ненужна...
надо именно интерполировать, чтобы получить коэфф и по их измению выявить начало. Ошибки интерполяции можно учесть, но они не особо важны
Можно не заморачиваться и по графику ренко смотреть.
Тренда не существует.
одна парабола x^2, x^3 не пойдёт. слагаемое sqrt конечно тоже парабола, но с малым ростом и резким фронтом, её не выкинуть
да и корреляция незачем, корреляция ненужна...
надо именно интерполировать, чтобы получить коэфф и по их измению выявить начало. Ошибки интерполяции можно учесть, но они не особо важны
Наверно аппроксимировать, а не интерполировать.
Корреляция с параболой равная 1 или -1 будет означать, что коэффициент при x^2 максимален, потому что он будет единственным коэффициентом, а коэффициенты при остальных членах будут равны 0.
Кроме того, давно известен паттерн "складной метр".
Наверно аппроксимировать, а не интерполировать.
Корреляция с параболой равная 1 или -1 будет означать, что коэффициент при x^2 максимален, потому что он будет единственным коэффициентом, а коэффициенты при остальных членах будут равны 0.
Кроме того, давно известен паттерн "складной метр".
да, аппроксимировать возможно..я эти термины вечно путаю :-)
у паттернов есть неисправимая проблема - они зависят от тараканов в голове ;-) один и тот-же паттерн у двух разных людей будет выглядить по разному.
Коэффициенты пляшут, нет точного значения. Думаю лучше смотреть на робастные модели, у них погрешность меньше.
А так, и коэффициент угла наклона регрессии, показывает некую величину, на которую обращают внимание.
Посетила мысль и я ей резко делюсь, как можно детектировать смену тренда. Более-менее не наобум
В скользящем окне (довольно значительно) фиксированного размера, проводим интерполяцию (МНК) вот такой простой функцией:
y=a*sqrt(x)+b*x+c*x^2
получаем коэфф A,B,C
пока цена движется в тренде/канале, мы остаёмся в рамках "блуждание вокруг тренда", коэфф "C" будет малым; при разворотах его роль будет расти а коэфф "A" наоборот будет уменьшатся
то есть из коэфф. можно получить неплохой и разумный сигнал
конечно хотелось-бы пригласить г-на @Nikolai Semko, он мастер интерполяторов и презентативной графики.
А зачем использовать квадратный корень? Что это дает?
Мне кажется проще использовать классический аппроксимирующий полином с более высокими степенями. Во всяком случае в вычислениях гораздо проще. С корнем замучаешься считать эти коэффициенты.
Вот видео с демонстрацией пучка аппроксимирующих полиномов различных периодов. Коэффициенты выводятся. Наглядно видно, когда коэффициенты меняют знак (зеленый - плюс, красный - минус):
Мне кажется, что для ловли момента смены тренда более правильно ловить момент пробоя сформированных параболических или линейных каналов.
Посетила мысль и я ей резко делюсь, как можно детектировать смену тренда. Более-менее не наобум
В скользящем окне (довольно значительно) фиксированного размера, проводим интерполяцию (МНК) вот такой простой функцией:
y=a*sqrt(x)+b*x+c*x^2
получаем коэфф A,B,C
здесь можете поиграться слайдерами:
https://www.desmos.com/calculator/bypmms2x2l?lang=ru
y=a*sqrt(x)+b*x+c*x*x
y=a*x+b*x*x+c*x*x*x
Второй вариант гораздо проще считается, но при этом выглядит даже более привлекательно.
Тоже поделюсь мыслёй. Важны не столько коэффициенты регрессии, сколько поведение её остатков. Если остатки ведут себя "плохо" (сильно не похожи на белый шум), то модель регрессии должна отправляться "фтопку" - об этом неоднократно писал Сан Саныч, но видимо зря. Коэффициенты, конечно, тоже важны, но только с учётом значимости их отличия от нуля (или подсчёта доверительного интервала), которые считаются на основе остатков.
Помимо этого, поскольку регрессия скользящая, то и учёт поведения остатков должен быть скользящим - нужно что-то навроде теста CUSUM.
Ну и пожалуй не стоит ограничиваться только регрессией на время, а добавлять к ней авторегрессию.
Тоже поделюсь мыслёй. Важны не столько коэффициенты регрессии, сколько поведение её остатков. Если остатки ведут себя "плохо" (сильно не похожи на белый шум), то модель регрессии должна отправляться "фтопку" - об этом неоднократно писал Сан Саныч, но видимо зря. Коэффициенты, конечно, тоже важны, но только с учётом значимости их отличия от нуля (или подсчёта доверительного интервала), которые считаются на основе остатков.
Помимо этого, поскольку регрессия скользящая, то и учёт поведения остатков должен быть скользящим - нужно что-то навроде теста CUSUM.
Ну и пожалуй не стоит ограничиваться только регрессией на время, а добавлять к ней авторегрессию.
Во ! действительно надо смотреть остатки.. а не только полученные коэфф.
как только модель регрессии по остаткам квалифицируется как плохая, значит на рынке что-то поменялось и цена не ведёт себя как раньше, это сигнал к действиям.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Посетила мысль и я ей резко делюсь, как можно детектировать смену тренда. Более-менее не наобум
В скользящем окне (довольно значительно) фиксированного размера, проводим интерполяцию (МНК) вот такой простой функцией:
y=a*sqrt(x)+b*x+c*x^2
получаем коэфф A,B,C
пока цена движется в тренде/канале, мы остаёмся в рамках "блуждание вокруг тренда", коэфф "C" будет малым; при разворотах его роль будет расти а коэфф "A" наоборот будет уменьшатся
то есть из коэфф. можно получить неплохой и разумный сигнал
конечно хотелось-бы пригласить г-на @Nikolai Semko, он мастер интерполяторов и презентативной графики.