eine Handelsstrategie auf der Grundlage der Elliott-Wellen-Theorie - Seite 23

 
Vladislav, glauben Sie, dass es möglich ist, die Berechnung der Hearst-Parameter auf einen Kanal anzuwenden, der durch eine quadratische Funktion approximiert wird? Das heißt, als S nehmen wir den RMS der geschätzten Fehler der Kanalannäherung, aber als R können wir wahrscheinlich entweder die traditionelle Differenz zwischen Maximum und Minimum des Kanals selbst nehmen, oder etwas anderes? Zum Beispiel kann man die Hälfte der quadratischen Funktion relativ zur Zeitachse nach oben oder unten drehen, um etwas wie y=-Ax^2 bei x<0 und y=Ax^2 bei x>0 zu erhalten, wenn der Kanal durch eine Parabel angenähert wird. Und versuchen Sie, die Kanalstreuung R aus einer solchen künstlich angeordneten Probe zu nehmen. Glauben Sie, dass dies sinnvoll ist? Oder ist es IMMER möglich, den Hearst-Koeffizienten nur für den linearen Regressionskanal zu verwenden oder z. B. durch Muving gemäß Ihren Empfehlungen?
 
Vladislav, die Berechnung des Hearst-Index durch muving erscheint mir etwas zweifelhaft, da nicht bekannt ist, welcher Wert für die Mittelungsperiode genommen werden soll. Ich nehme an, dass sich dieser Wert für jede einzelne Berechnung in Abhängigkeit von der Anzahl der Kleinkinder ändern sollte. Deshalb habe ich mich vorerst für einen linearen Regressionskanal entschieden.


Nochmals Entschuldigung für die späten Antworten. Ich wünschte, ich hätte früher nachgeschaut - es hätte Ihnen Zeit erspart, aber ich hoffe, sie war nicht verschwendet. Ich habe also nicht angeboten, das Hurst-Kriterium mit Hilfe eines muving zu lesen - ich habe angeboten, den Algorithmus aus der Standardauslieferung zu nehmen und anstelle der muving-Werte das zu ersetzen, was Sie brauchen. In dem Algorithmus, den Sie gepostet haben (ich habe mir den letzten noch nicht angesehen), gibt es eine Variable - den Stichprobenmedian. Wie sehen Sie das? Wenn der Kanal horizontal verläuft, ist es in Ordnung und Sie bekommen, was Sie brauchen, aber nicht im allgemeinen Fall. Das heißt, Sie müssen die Differenz zwischen dem tatsächlichen Preis und der Projektion dieses Preises auf jeden Balken nehmen. Lassen Sie mich versuchen, genauer zu sein: Wenn Sie den Schlusskurs durch einen muvin annähern, dann sollten Sie die Differenz zwischen dem muvin-Wert und dem Schlusskurs auf jedem Balken nehmen. Wenn es sich um eine nicht lineare Regression handelt, dann entsprechend den Wert dieser Regression, wenn es sich um eine lineare Regression handelt, dann den Wert der Regressionsgeraden, aber all dies für jeden Balken. Deshalb habe ich geschrieben, dass Sie mindestens eine Reihe von Projektionen haben müssen - jeder Balken hat seine eigene Projektion. Dann können Sie schätzen: Nehmen Sie nicht die gesamte Stichprobe, sondern nur einen Teil davon, bilden Sie ein Intervall - wenn alles noch innerhalb des Bereichs liegt, nehmen Sie die gesamte Stichprobe und bilden Sie eine Projektion in die Zukunft (Extrapolation).

Viel Glück und viel Erfolg mit Trends.
Und dies ist ein allgemeiner Ansatz, sowohl für lineare als auch für nichtlineare Annäherungen.
 
In meiner letzten Variante wird zunächst eine lineare Regression für die Stichprobe konstruiert und die Differenz zwischen dem realen Barrenpreis und der für den gesamten Kanal konstruierten linearen Regressionsgleichung auf einmal gezählt. Aber ich verstehe, dass Sie eine andere Berechnungsmethode verwenden?
Soweit ich das verstanden habe, sollte der Algorithmus zur Berechnung des Hearst-Parameters nach Ihrer Methodik wie folgt aussehen:
1. Wir nehmen eine Stichprobe von Punkten, für die wir den Hearst-Parameter ermitteln wollen. Zur Verdeutlichung ein Beispiel: Nehmen wir eine Stichprobe von Punkten zwischen 0 und N.
2. Nehmen wir nacheinander einen Teil der Stichprobe von 0 bis M, wobei 0<M<=N. Das heißt, theoretisch haben wir N Proben mit den folgenden Bereichen: 0-1, 0-2, 0-3, 0-4,...0-(N-1), 0-N.
3. Für jede Stichprobe konstruieren wir einen linearen Regressionskanal. Wir erhalten eine Reihe von Kanälen und deren Projektionen für die Zukunft.
4. Berechnen Sie die Differenz zwischen dem Schlusskurs des Balkens M und der Projektion des linearen Regressionskanals auf diesen Balken, der für die Stichprobe 0-(M-1) konstruiert wurde. Das heißt, die Daten der linearen Regressionsprojektion für die VERGANGENHEIT, ohne den aktuellen Balken, werden zur Berechnung der Differenz herangezogen? Oder?
5. Dann haben wir eine solche Reihe von Differenzen, aus denen wir den RMS (S)
6 bestimmen. Wir finden R als Differenz zwischen Maximal- und Minimalwert der Stichprobe
7. Berechnen Sie den Hearst-Parameter.
Verstehe ich nun richtig, wie man den Hearst-Parameter berechnet oder nicht?
Wenn ich Ihre Idee richtig verstehe, scheint mir dies eine SEHR WICHTIGE Ergänzung der Methode zur Berechnung des Hearst-Parameters zu sein, die durch die Formel im Buch vorgegeben ist. Diesem Umstand wird bei der Berechnung keine Bedeutung beigemessen.
 
Ja, aber die Stichprobe selbst muss mindestens eine bestimmte Anzahl von Balken umfassen. Mit anderen Worten, Sie legen die Mindestanzahl der Balken in der Stichprobe fest (sie ist extrem klein - etwa 30, wenn sie kleiner ist, wird der Fehler groß sein, aber es gibt tatsächlich ein Pearson-Kriterium). Dann berechnen Sie die Regression für den aktuellen Balken. Wenn die Stichprobe größer als das zulässige Minimum ist, führen wir die Stichprobe zunächst bis etwa 2/3 durch, zählen den Effektivwert, zeichnen das Intervall auf und sehen, wo wir jetzt stehen. Wenn wir uns noch im Intervall befinden, nehmen wir die gesamte Stichprobe vom Anfang an und berechnen erneut den RMS bis zum letzten Takt (im allgemeinen Fall ist es anders). Konstruieren Sie das Intervall - im Falle der Konvergenz darf es zumindest nicht größer werden ;). RMS - wir nehmen die Quadrate der Differenzen zwischen dem Regressionswert (in diesem Fall, oder ein muving, wenn wir es durch ein muving oder irgendeine Funktion annähern, die den Wert der Schlusskurse annähert) und den Schlusskursen auf jeder Bar. Wenn alles in Ordnung ist - wir berechnen Hearst. Der RMS ist bereits vorhanden, als nächstes definieren wir die maximale und minimale Abweichung. Logarithmus ..... - weiter - die Technik. Als Option können dies nicht die Schlusskurse sein, sondern z.B. die Gewinne aus den Geschäften - dann kann man die Zufälligkeit der Gewinnmitnahme durch diese Strategie bewerten).

Viel Glück und gute Trends.
 
Nebenbei möchte ich noch folgende Frage stellen. Meinen ersten Berechnungen zufolge ist es besser, als Balkenpreis nicht einen bestimmten Eröffnungs-, Schluss-, Höchst- oder Tiefstpreis zu nehmen, sondern den durchschnittlichen Balkenpreis (O+C+H+L)/4. Dann werden alle Parameter besser zentriert sein, d. h. es wird nur eine minimale Abweichung nach oben oder unten von der tatsächlichen Position der Vorhersage geben. Dann können wir einfach Linien der Konfidenzintervalle für die Durchschnittspreise der Balken in der Stichprobe in das Fehlerdiagramm einzeichnen und die Fehler selbst mit zwei Linien darstellen. Eine Linie zeigt die Stichprobenfehler bei hohen Preisen, eine andere Linie die Fehler bei niedrigen Preisen. Eine solche Darstellung muss eine bequemere Visualisierung der aktuellen Preisposition im Konfidenzintervall ermöglichen. Vladislav, was hältst du davon? Oder haben Sie einfach einmal den traditionellen Schlusskurs als Bar-Referenzpunkt gewählt und dieser hat sich bereits bewährt?
 
Vladislav, ich möchte diesen Satz von dir auf http://forex.ua/forum/viewtopic.php?t=1634&postdays=0&postorder=asc&start=100 klarstellen.
Die Niveaus müssen noch verfeinert werden, da die Zeit bis zum Erreichen der Niveaus immer sehr lang ist.

Meinen Sie damit die Tatsache, dass das Konzept eines Niveaus (sein angegebener Wert) nur für den aktuellen Zeitpunkt von Bedeutung ist? Und in einiger Zeit werden sich die Niveaus natürlich ändern, da der Kanal, entlang dessen sich der Preis bewegt, eine gewisse Strecke zurücklegt und die Grenzen der Konfidenzintervalle in Zukunft an anderen Stellen liegen werden. Oder haben Sie mit diesem Satz etwas anderes gemeint? Meinen Sie zum Beispiel die Geschwindigkeit, mit der der Preis dieses Niveau erreicht hat? Vielleicht meinten Sie die Berechnung der Hearst-Parameter? Das heißt, wenn der Kurs ein Niveau fast erreicht hat, aber Hearst die Trendfortsetzung anzeigt, wird das Niveau durchbrochen, wenn auch nicht sofort? Dies ist vielleicht besonders für die Werte innerhalb des Konfidenzintervalls von Bedeutung.
 
Wenn noch im Intervall - nehmen Sie die gesamte Stichprobe vom Anfang bis zum letzten Bar

Vladislav, und welche Breite des Konfidenzintervalls nehmen Sie speziell für den Fall der Hearst Berechnung, sowie für die allgemeine Suche nach der optimalen Stichprobe?
90 %
95 %
99 %
99,9 %
Oder legen Sie bei Ihrer allgemeinen Suche nach der optimalen Stichprobe stets unterschiedliche Breiten des Konfidenzintervalls fest? Haben Sie z. B. nach einer Stichprobe von 90 % gesucht und eine Stichprobe gefunden, dann nach 95 % gesucht und eine weitere gefunden und so weiter bis zu 99,9 %?
Oder haben Sie auf der Grundlage von Experimenten festgestellt, dass z. B. Stichproben, die für Konfidenzintervalle von mehr als 95 % gewonnen wurden, für die Vorhersage wenig nützlich sind und bei der Analyse verworfen werden sollten?
Oder lassen Sie sich nur davon leiten, dass die später konstruierten Intervalle kleiner sein sollten als das erste, das durch 2/3 Stichproben konstruiert wurde?
Das Intervall sollte zumindest nicht mit der Konvergenz zunehmen ;).

Dennoch sollten Sie beim Erstellen des ersten Intervalls dessen Breite festlegen, oder?

Und noch eine Frage zum Ablauf der Berechnungen (endgültige Berechnungszeit). Ich verstehe, dass wir bei der Suche nach einem linearen Regressionskanal damit beginnen sollten, Stichproben vom aktuellen Zeitpunkt bis weit in die Vergangenheit zu nehmen. Angenommen, wir haben eine Reihe von Stichproben gefunden, die die Konvergenzanforderungen erfüllen. Aber wir haben immer noch ungezählte Balken, und wir zählen weiter, um Stichproben zu erhalten, die außerhalb des Intervalls liegen. Welches Kriterium könnte dann dafür herangezogen werden, dass weitere Berechnungen sinnlos sind und wir den Zyklus der Auszählung von Proben beenden können? Auf den ersten Blick stelle ich mir vor, dass es ausreicht, die gleiche Anzahl von Takten zu zählen, die der Anzahl von Takten in der längsten erfolgreichen Stichprobe entspricht? Oder haben Sie andere Möglichkeiten? Reicht es beispielsweise aus, nur 30 % der längsten Probe oder eine andere Anzahl von Balken zu zählen? Oder schätzen Sie unabhängig von den Ergebnissen die gesamte Preisreihe für das letzte halbe Jahr und schätzen dann die berechneten Fehler für die Approximation der Preisreihen durch Funktionen anderer Ordnungen? Zum Beispiel die quadratische, die Sie bereits erwähnt haben.

Bitte sagen Sie mir, ob Sie noch andere Funktionen zur Annäherung verwenden? Zum Beispiel harmonische, exponentielle, logarithmische, Potenzfunktionen (höher als zweiter Ordnung), usw.? Oder reicht die Anwendung von nur zwei Funktionen - linear und quadratisch - für den erfolgreichen Handel auf dem Devisenmarkt aus?
 
Übrigens möchte ich eine weitere Frage stellen. Nach meinen ersten Berechnungen scheint es besser zu sein, den durchschnittlichen Barpreis (O+C+H+L)/4 und nicht einen bestimmten Eröffnungs-, Schluss-, Höchst- oder Tiefstpreis als Barpreis zu nehmen. Dann werden alle Parameter besser zentriert sein, d. h. es wird nur eine minimale Abweichung nach oben oder unten von der tatsächlichen Position der Prognose geben.


Natürlich können Sie das.

Meinen Sie damit die Tatsache, dass das Konzept des Niveaus (sein erklärter Wert) nur für den aktuellen Zeitpunkt von Bedeutung ist? Und in einiger Zeit werden sich die Werte der Niveaus natürlich ändern, weil der Kanal, entlang dessen sich der Preis bewegt, eine gewisse Strecke zurücklegt und die Grenzen der Konfidenzintervalle in Zukunft an anderen Stellen liegen werden.


Richtig. Das Zusammentreffen der Pivot-Zone mit einer der Pivot-Ebenen erhöht die Genauigkeit der Berechnung erheblich.


Und welche Breite des Konfidenzintervalls nehmen Sie für die Hearst-Berechnung und für die allgemeine Suche nach einer optimalen Stichprobe?


Ich glaube, dass die Stichprobe wahr ist, bis das 99%-Konfidenzintervall durchbrochen wird. Ich berücksichtige auch 90 und 95% - es ist oft das Ende eines Pullbacks und die Wiederherstellung des Thrends.

Aber wie auch immer, wenn Sie das erste Intervall erstellen, müssen Sie seine Breite festlegen, richtig?


Auf jeden Fall - in Standardabweichungen - die universellste Art.

Sagen Sie mir bitte, ob Sie noch andere Funktionen zur Annäherung verwenden? Zum Beispiel harmonisch, exponentiell, logarithmisch, Potenz (höher als die zweite Ordnung), usw.? Oder reichen, auf den Devisenmarkt angewandt, nur zwei Funktionen - eine lineare und eine quadratische - für einen erfolgreichen Handel aus?


Nein - harmonische Funktionen sind ein Spezialfall der quadratischen Form. Und im Übrigen - siehe Überlegungen zur Potenzialität des Preisfeldes und nicht nur in Bezug auf den Forex-Markt - überall dort, wo das Preisfeld potenziell ist, d.h. der Gewinn nicht vom Kursverlauf abhängt, sondern nur von der Differenz zwischen den Preisen der Eröffnungs- und der Schlussposition.

Zu den Kriterien - methodisch habe ich geschrieben: Der Preisverlauf minimiert das potenzielle Energiefunktional. Weitere Einzelheiten sind unter ..... zu finden.

Viel Glück und gute Trends.
 
Vladislav, im Prinzip habe ich die Kanalsuche auf der Grundlage der linearen Regression bereits abgeschlossen. Und jetzt muss ich Hearst in voller Übereinstimmung mit Ihren Empfehlungen berechnet haben (Prognoseberechnung für jeden Balken einzeln). Ich denke, dass die Berechnung von Hearst für jeden Balken mehr nützliche Informationen enthält, die ich mir noch ansehe, aber in der Praxis zu nutzen versuche.
Jetzt findet mein Skript lineare Regressionskanäle, die das Prinzip der Irreduzibilität erfüllen, d.h. der RMS aller Kanalproben ist kleiner als der RMS von 2/3 der Stichprobe und das Prinzip der Nichtabtastung des letzten 1/3 für ein 99%-Konfidenzintervall (alles gemäß Ihren Empfehlungen). Nun hat sich aber eine kleine technische Frage ergeben. Da es mehrere "echte" Kanäle gibt, die zum aktuellen Zeitpunkt aktiv sind, gibt es für diese Kanäle, wie überall in der Statistik, Streubereiche. Nehmen wir an, dass einer der "wahren" Kanäle ein linearer Regressionskanal ist, der auf einer Stichprobe vom aktuellen Zeitpunkt bis zu 200 Takten vor der Periode H1 basiert. Wenn die Probe beispielsweise im Bereich von 190-210 bar schwankt, sind die beiden oben genannten Bedingungen vollständig erfüllt. Wir sehen uns den RMS-Wert für diese Stichproben an und wählen den kleinsten Wert aus. Entsprechend Ihrer Strategie ist dieser Kanal für die Prognose geeignet.
Dann wechseln wir zu einem anderen Zeitrahmen, zum Beispiel zu M15. Wir versuchen, einen ähnlichen Kanal im gleichen Zeitrahmen zu finden. Und wir erhalten das folgende Ergebnis. Der optimale Kanal (mit minimaler Schiefe) bei M15 scheint ein Kanal der linearen Regression zu sein, der nicht auf einer Stichprobe von 800 Balken (200*4) erhalten wurde, wie es natürlich wäre, sondern auf einer Stichprobe von 640 Balken! Das heißt, der Zeitbereich gibt mir eine Stichprobenvarianz von bis zu 25 % (dies ist das Maximum - normalerweise weniger). Auch aus diesem Grund gibt es derzeit Unterschiede von etwa 5-10 Punkten bei der Definition der Konfidenzintervallgrenzen selbst. Da wir anscheinend den durchschnittlichen Barrenpreis (O+H+L+C)/4 als Beispiel nehmen und keine Musteranalyse durchführen, muss der optimale Kanalzeitrahmen, der für dasselbe Zeitintervall bei verschiedenen Zeitrahmen gezeichnet wird, doch derselbe sein, oder? Oder ist das nicht der Fall und wir sollten in diesem Fall auch statistische Methoden der Parameterschätzung anwenden? Und das Zeitintervall für den optimalen Kanal hat auch seine eigene Varianz, die diese Divergenz der Stichproben für den optimalen Kanal bei verschiedenen Zeitrahmen erklären kann?

Deshalb habe ich eine Frage. Was tun Sie in dieser Situation? Worauf stützen Sie sich bei Ihren Berechnungen? Nehmen Sie beispielsweise einen Kanal, der auf einem kleineren Zeitrahmen aufgebaut wurde, als Entscheidungsgrundlage, oder schätzen Sie die Konfidenzintervallgrenzen zusätzlich, indem Sie die auf verschiedenen Zeitrahmen erhaltenen Kanalgrenzen mitteln? Das heißt, wenn Sie denselben Kanal auf 4 Zeitrahmen (M5, M15, M30 und H1) berechnen, wird die gemittelte Schätzung der Konfidenzintervallgrenzen für denselben Kanal wahrscheinlich doppelt so zuverlässig sein? Und Sie können sich darauf in größerem Maße verlassen als auf die Berechnung des Kanals für einen einzelnen Zeitrahmen? Oder haben Sie vielleicht einen anderen Ansatz? Obwohl, vielleicht, in dieser Situation Sie nicht Durchschnitt nichts und nur für die nächste geeignete Ebene der Murray suchen, wie es vorher gesagt wurde?

In welchem Zeitrahmen führen Sie die wichtigsten Berechnungen durch? Sie sagten, dass Ihr Programm die Daten für ein halbes Jahr in 30-40 Sekunden berechnet. Ich nehme an, dass der Zeitrahmen nicht kleiner als H1 sein sollte? Ist das so?
 
In meinen Algorithmen ist std_dev[][] eine Tabelle von RMS, die für Kanalproben und Projektionen berechnet wird. Anstelle des zweiten konstanten Indexes wird nun ein variabler Index verwendet - früher wurden Projektionen nur auf eine Weise erstellt - jetzt auf mehrere Arten. Ich weiß noch nicht, was besser ist - bis jetzt habe ich mich entschieden, alle zu behalten.

Vladislav, bitte beraten über die std_dev[][] Array. Soweit ich das verstanden habe, hat dieses Array die Dimension Nx2, wobei N die Anzahl der berechneten Kanäle ist. Die Werte der Zellen können wie folgt lauten:
std_dev[n][0] - RMS-Wert für 2/3 der Stichprobe in Kanal n
std_dev[n][1] - RMS-Wert für die gesamte Stichprobe von Kanal n (RMS für Projektion)
Oder irre ich mich und dieses Array enthält etwas anderes? Es ist zum Beispiel möglich, die dritte Zelle std_dev[n][2] zu haben, die die Nummer des Starttaktes für die Stichprobe enthalten würde.

Übrigens, welche anderen Varianten können neben der Standardvariante für die Erstellung von Projektionen verwendet werden? Die Projektion wiederholt die Funktion, die als Näherungsfunktion genommen wurde + Grenzen von Konfidenzintervallen, die die Näherungsfunktion in der Form wiederholen? Was fällt Ihnen in diesem Bereich noch ein? Ich könnte zum Beispiel annehmen, dass eine Projektion aus Daten erstellt werden kann, die vor mehreren Takten gewonnen wurden. Auf diese Weise scheint es noch vernünftiger zu sein, denn wenn wir die Projektion nur nach dem aktuellen Moment durchführen, zerstört der Preis einige Kanäle, die sich vor einigen Bars gebildet haben, wenn er sich der Umkehrzone nähert, und die verbleibenden Kanäle verschieben ihre Intervallgrenzen in die Unterschreitungszone. Mit anderen Worten: Wenn wir die Umkehrzone sehen und der Kurs sich in ihrer Nähe befindet, wird einer der als "wahr" angesehenen Kanäle eine der beiden Bedingungen nicht erfüllen. Wie gehen Sie mit diesem Problem um? Ziehen Sie bei Ihrer Analyse der aktuellen Situation auch die vor einigen Takten erstellte Prognose heran?