eine Handelsstrategie auf der Grundlage der Elliott-Wellen-Theorie - Seite 185
![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
In der Wissenschaft gibt es Standardansätze und -methoden für die Lösung eines bestimmten Problems. Das Schöne an diesem Ansatz ist seine Sicherheit, die Verfügbarkeit von bewährten Instrumenten und der unveränderliche Erfolg (natürlich nur, wenn es eine prinzipielle Lösung für das Problem gibt). Ein solcher Ansatz spart Zeit und garantiert Ergebnisse. Sie ist attraktiv. Übrigens lässt sich an dem von Ihnen zitierten Link deutlich zeigen, wie man ein Problem nicht lösen kann. Um uns nicht mit empirischen Beobachtungen über die Quantität und Qualität von Elliott-Wellen zu langweilen, genügt es in der Tat, einen entwickelten Apparat zur Spektralanalyse von Zeitreihen zu verwenden oder die Spektraldichte einer stationären Zeitreihe zu analysieren, die durch ihre Autokorrelationsfunktion bestimmt wird. Der Markt ist volatil, und die Verwendung eines stationären Modells, das z. B. aus fünf Wellen besteht, ist dem Tod ähnlich. Einmal hat es funktioniert, aber sechs Monate später wäre es richtiger gewesen, das Elf-Wellen-Modell zu verwenden. Also... ... sollen wir das Modell jedes Mal empirisch an einen volatilen Markt anpassen? Dies ist kein Beispiel für rationales Verhalten.
Yurixx schien in seinen obigen Beiträgen meinen Standpunkt zu teilen, und es wäre interessant, seine Arbeit in diesem Bereich zu sehen.
Was Ihre Bemerkung über die Zufälligkeit bei der Wahl der Quoten des autoregressiven Modells angeht (wenn ich das richtig verstanden habe), muss ich Ihnen widersprechen, denn die gegebenen Quoten werden eindeutig durch die Autokorrelationskoeffizienten der untersuchten Zeitreihen bestimmt, indem die Yule-Walker-Gleichungen [Yule (1927)], [Walker (1931)] gelöst werden.
Grasn, könnten Sie uns bitte mehr über Ihre Forschung in diesem Bereich erzählen?
Herzliche Grüße.
Bitte erläutern Sie, welchen Ansatz Sie meinen. Welches ist der Ansatz, der den Erfolg sicherstellt und die Ergebnisse garantiert?
Ich stimme mit Ihrer Einschätzung voll und ganz überein. Jedes deterministische Modell ist zur Kurzlebigkeit verdammt. Und je deterministischer sie ist, desto kürzer wird ihre Lebensdauer sein. Es ist nur unklar, wie Sie es schaffen, eine solche Ansicht mit dem zu verbinden, was Sie im ersten Beitrag geschrieben haben:
Übrigens, als jemand, der von DSP mehr als weit entfernt ist, würde ich Sie bitten, Details zur Analyse der Spektraldichte einer stationären Zeitreihe, die über ihre Autokorrelationsfunktion definiert ist, zu erklären. Insbesondere darüber, wie eine Zeitreihe über ihre Autokorrelationsfunktion definiert ist.
OK, ich werde versuchen, es kurz zu beschreiben.
Rosh
grasn, was ist Ihrer Meinung nach der Unterschied zwischen Extrem 1 und Extrem 2 (Ihre Argumentation) und wie kann man sie online erkennen (auf der richtigen Seite der Geschichte)?
In gewisser Weise ein alternativer Ansatz für die Auswahl eines zuverlässigen Kanals.
Ich beginne mit dem Text. Eines Tages besuchte ich einen alten Freund von mir. An meinem Blick erkannte er sofort den Grund für mein Erscheinen und sagte, ohne etwas zu fragen: "Wenn Sie eine Idee haben, setzen Sie sich erst einmal hin, beruhigen Sie sich, gießen Sie sich ein Glas guten Cognac ein und stellen Sie die Frage, warum es bei Ihren Vorgängern nicht geklappt hat". Wahrscheinlich war ich nicht der Einzige, der auf diese Idee gekommen ist, aber zumindest habe ich in den mir zur Verfügung stehenden Quellen keine Entsprechungen gefunden. Aber was soll's, vielleicht lese ich nicht viel und gebe gar nicht vor, Autor zu sein (obwohl ich mir das ehrlich ausgedacht habe, da ich mich mit neuronalen Netzen beschäftige). Ihre vollständige Umsetzung scheint mir sehr schwierig, ja stellenweise unmöglich. Aber das ist nicht der Grund, warum ich "darüber reden möchte :o)". Es gibt immer noch eine Menge Unklarheiten. Wenn wir darüber diskutieren, können wir den richtigen Weg finden und ihn bis zum Ende gehen. Obwohl, wenn wir uns vorstellen, dass wir zusammen ein großes Superhirn sind, können wir ein solches Problem wahrscheinlich vollständig lösen. :о)
Ich spreche von einer Idee, die die Grundlage für eine alternative Vorhersage der Preisbewegung werden und schließlich ihren rechtmäßigen Platz in den entwickelten Systemen einnehmen könnte (dies ist nicht von Bedeutung, sondern eine persönliche Einschätzung). Die Implementierung in mein System betrachte ich als Hilfsmodul und sehe die Anwendung direkt als zusätzliches Kriterium für die Auswahl eines zuverlässigen Kanals, aber natürlich nicht als einziges, und wenn Sie bis zum Ende gelesen haben, können Sie verstehen, warum ich "und Gott sei Dank ist es nicht das einzige" zuschreiben möchte. Aber näher am Körper, wie der alte Maupassant zu sagen pflegte.
Die Grundidee
Ich habe mir also folgendes Ziel gesetzt: Modellierung (Vorhersage) der Kursbewegung auf der Grundlage der Darstellung von Nachrichten als Signale (sorry, das ist alles der Einfluss der digitalen Signalverarbeitung). Das ist die einfache Idee. Es gibt keine Trends, keine Zyklizität oder sonst etwas, nichts davon. Es gibt eingehende Nachrichten und ein damit zusammenhängendes Signal.
Annahmen (in Kurzform und nicht alle)
Der Markt befindet sich zu jedem Zeitpunkt in einem einzigen Zustand, der in zwei parallele und miteinander verbundene Unterzustände unterteilt ist: Warten auf Nachrichten und Reagieren auf die erhaltenen Nachrichten. Der Markt ist jetzt in diesem Zustand, er wird es in einer Minute, einer Stunde, einem Monat, immer sein.
Die Nachrichten verpacken lediglich Informationen (Daten oder sonstiges Wissen) in eine Hülle und liefern sie über verschiedene Kommunikationskanäle. Und es sind natürlich nicht die Nachrichten, die den Markt "halten", sondern die Informationen. Dabei spielt es keine Rolle, ob "Uncle Sam" oder ein Händler mit einer Einlage von 200 Dollar diese Informationen direkt oder indirekt erhält und verarbeitet. Machen Sie sich keine Illusionen darüber, dass indirekte Nachrichten einen Händler, der keine formelle Nachrichtenanalyse durchführt, nicht beeinflussen. Jeder Indikator, der auf einer Preisreihe basiert, enthält bereits transformierte Informationen (erstes Postulat der TA). Und damit die Nachrichten. Für manche Menschen kann ein erhaltenes Zitat eine "Neuigkeit" sein, ähem, nur ein Scherz.
Unter Informationen verstehe ich alle aussagekräftigen Daten, die sich auf einen Kurs auswirken (Gerüchte, Berichte, Vorhersagen von Fundamentaldaten, das Eintreffen von Fundamentaldaten, Wahlen usw. usw.), die in den Nachrichten enthalten sind.
Beschränkungen (kurz und bei weitem nicht alle)
Erhalten wir alle Nachrichten? Diese Frage kann nicht bejaht werden. Wir wissen zum Beispiel nichts über ein extremes Geschäft. Es kann sein, dass wir einfach nicht alle Nachrichten bekommen, weil wir einen schlechten Anbieter gewählt haben, und es ist sicher nicht möglich, dass jeder von uns alles erledigen kann.
Haben die Nachrichten eine Wirkung? Ich habe hier zwei Absätze geschrieben, hauptsächlich für Alex(erinnerst du dich, dass Alex geschrieben hat, dass Nachrichten keinen Einfluss auf die Zeit haben, in der Fachleute an ihnen verdienen), aber ich habe sie gelöscht. Lassen wir die Philosophie beiseite, und ich werde sofort meine eigene Meinung äußern: Ja, sie tun es.
Es geht nicht darum, ein Wirtschaftsmodell aufzubauen und nicht in diesen Bereich abzurutschen. Der Kern der Idee besteht darin, eingehende Informationen zu klassifizieren und mit einem bestimmten Signal zu vergleichen und auf der Grundlage der qualitativen Analyse der eingehenden Informationen ein "Feedback" in Form von Signalparametern zu geben.
Modell (kurz und weit entfernt von allem)
Wenn wir nicht alle Nachrichten bekommen, was dann? Die Antwort liegt wahrscheinlich in der Tatsache, dass wir nicht alle Informationen benötigen. Es ist unwahrscheinlich, dass ein Spieler auf alle Nachrichten hintereinander reagiert, am ehesten erwartet er, je nach den Zielen (es gibt nicht viele), einige spezifische Nachrichten. Folglich müssen wir auf der Grundlage statistischer Prinzipien die wirklich wichtigen Informationen ermitteln, die von der großen Mehrheit erwartet werden, und dann nur mit ihnen arbeiten. Im Allgemeinen scheint diese Arbeit für uns getan worden zu sein, und um mit der Forschung zu beginnen, kann man sie nutzen und ihr vertrauen, was ich auch getan habe.
Die Strukturierung von Informationen und vieles mehr ...... sind separate interessante Themen.
Mathematisch gesehen wird jede (betrachtete) Nachricht durch eine bestimmte Signalklasse (das Signal wird im Zusammenhang mit der digitalen Signalverarbeitung verwendet) mit ihren eigenen Eigenschaften modelliert. Eine bedingte Faltung solcher Signale (ein Impuls ist auch ein Signal) ergibt ein vollständiges prädiktives Signal. Folglich muss jede wichtige Nachricht, die berücksichtigt wird, mit den Parametern und der Art des verwendeten Signals abgestimmt werden. Die Parameter aller Impulse sollten normalisiert und auf der Grundlage des aktuellen Preisniveaus berechnet werden. Die Prognose sollte auf wöchentlicher Basis erfolgen, wobei eine strategische Langzeitprognose auf dem Prognosewert vom Freitag basieren sollte.
Anwendung
Die Anwendung ist vielfältig. Man kann sie an die Wand nageln, ausdrucken und mit ins Badezimmer nehmen oder man kann z. B. einen zuverlässigen Kanal verfeinern, indem man das Vorhersagesignal einfach in die Kanäle "einpasst".
PS: Dies ist keine Idee, die Ihnen sehr genaue Preisvorhersagen ermöglicht, ganz und gar nicht. Und die Lösung der Yule-Walker-Gleichung wird uns leider nicht weiterhelfen, obwohl ich es begrüßen würde, wenn Neutron sich daran beteiligen würde.
Über Willkür und Forschung
Dort liegt die wahre Willkür, dort kann man sich umdrehen und sie in vollen Zügen genießen. Ich habe es genossen: von den verblüffenden Ergebnissen (ich rannte an der Decke und stolperte über den Kronleuchter, weil mich die Emotionen überwältigten) bis hin zum philosophischen "Ja... lesen die überhaupt die Nachrichten?". :о))
Entwicklung der Idee
Es ist durchaus möglich, dass die Ergebnisse einer ordnungsgemäßen Umsetzung mit der EWT korrelieren werden. Um es grob, aber behutsam auszudrücken: Warum sollte man in dieser Theorie nicht vom Gegenteil ausgehen, d.h. von der "Menge" und ihrer Stimmung?
Sollen wir also eine "Stimmungsformel" erstellen, liebe Forumsmitglieder? :о)
Die Verwendung einer Autokorrelationsfunktion ist eine Möglichkeit zur Berechnung des Spektrums
Insbesondere darüber, wie eine Zeitreihe durch ihre Autokorrelationsfunktion definiert ist
und das habe ich selbst nicht verstanden, vielleicht nicht den genauen Wortlaut
Wenn Sie nun diese Diagramme und ein halbes Dutzend nicht allzu komplizierter Regeln des Marktverhaltens hinzufügen, könnten Sie ein Buch über den Devisenhandel veröffentlichen. Nicht schlechter als Williams und Elliott. :-)))
Wenn Sie nun diese Charts und ein halbes Dutzend nicht allzu komplizierter Regeln des Marktverhaltens hinzufügen, können Sie bereits Bücher über den Devisenhandel veröffentlichen. Nicht schlechter als Williams und Elliott. :-)))
Hallo Juri!
Sie und ich haben entschieden, wann wir mit der Veröffentlichung von Büchern beginnen werden. Ich habe mich noch nicht von dieser Idee verabschiedet.
:о)))
Sie müssen nur noch ein paar Schritte nach vorne machen...
Aber von irgendetwas muss man ja leben! Forex ist gut, aber es ist rein wissenschaftlich. :-)
Ich verwende in meiner Strategie einen Ansatz, der es erlaubt, das Mechanische Handelssystem (MTS) zu nutzen. Schon eine kursorische Analyse möglicher Handelsalgorithmen zeigt, dass nur der Ansatz, der auf der Analyse bereits verfügbarer historischer Daten beruht, dieser Anforderung gerecht wird. Mit anderen Worten, ich habe die Hypothese aufgestellt, dass sich die Geschichte wiederholt und es möglich ist, eine Strategie zu entwickeln, die die Eigenschaft der Vorhersagbarkeit für einige Schritte vor einer Zeitreihe eines Instruments ausnutzt.
Natürlich musste diese Hypothese bestätigt und ein angemessenes Modell des Preisbildungsprozesses erstellt werden. Als Modell erschien es logisch, davon auszugehen, dass der Preis additiv eine zufällige und eine deterministische Komponente enthält. Diese Annahme beruht auf einer Vermutung über die stabilisierende Rolle der Zentralbank (die Zentralbank profitiert davon, den Preis innerhalb einer begrenzten Bandbreite zu halten, d. h. es muss eine stabilisierende Wirkung aufgrund der Einführung einer negativen Rückkopplungsschleife zwischen Preisbewegungen und den Maßnahmen der Zentralbank geben) und, in Kombination, die destabilisierende Rolle der Marktteilnehmer (die Menge neigt zum Herdenverhalten, d. h. sie profitiert von tendenziellen Preisbewegungen). Gleichzeitig schließen wir das Vorhandensein einer saisonalen oder zyklischen Komponente und möglicher deterministischer Trends (gezielte Aktionen großer Akteure) nicht aus.
Lassen Sie uns einige grundlegende Konzepte vorstellen:
1. Eine Reihe wird als streng stationär (oder stationär im engeren Sinne) bezeichnet , wenn die gemeinsame Wahrscheinlichkeitsverteilung von m Beobachtungen die gleiche ist wie für m Beobachtungen.
Mit anderen Worten: Die Eigenschaften einer streng stationären Zeitreihe ändern sich nicht, wenn der Ursprung der Zeit verändert wird. Insbesondere folgt aus der Annahme der strikten Stationarität einer Zeitreihe, dass das Wahrscheinlichkeitsverteilungsgesetz einer Zufallsvariablen unabhängig von der Zeit ist und somit alle ihre wichtigsten numerischen Merkmale, einschließlich Mittelwert und Varianz, ebenfalls unabhängig von der Zeit sind.
Offensichtlich definiert der Mittelwert ein konstantes Niveau, um das die analysierte Zeitreihe schwankt, während die Streuung (D) die Bandbreite dieser Schwankungen charakterisiert. Da das Gesetz der Wahrscheinlichkeitsverteilung einer Zufallsvariablen für alle t gleich ist, können sie selbst und ihre wichtigsten numerischen Merkmale anhand von Beobachtungen geschätzt werden.
2. Der deterministische lineare Trend ist eine gerichtete Preisbewegung, die durch bestimmte Ereignisse auf dem Markt verursacht wird. Das Kriterium ist ein von Null abweichender Erwartungswert einer erzwungenermaßen stationären Zeitreihe, der mit Hilfe von digitalen Filtern mit niedrigen Frequenzen ermittelt wird.
3. Nicht-deterministischer linearer Trend - eine gerichtete Preisbewegung, die durch einen zufälligen Preisbildungsprozess verursacht wird. Das Kriterium ist der Nullerwartungswert einer zwangsläufig stationären Zeitreihe und kann von digitalen Tiefpassfiltern aufgrund der unvermeidlichen Phasenverzögerung gelegentlicher Filterverfahren nicht erfasst werden.
4. Die realen Zeitreihen auf dem Devisenmarkt können als integrierte stationäre Reihen betrachtet werden. Dabei kann angenommen werden, dass der Erwartungswert der erzeugenden stationären Reihe gleich Null ist.
Der letzte Punkt ergibt sich aus den Ergebnissen der Studie über stationäre Zeitreihen, die durch die Differenzierung der vorhandenen realen Daten aus den Kursarchiven gewonnen wurden. Der Einfachheit halber wird im Folgenden von stationären Reihen gesprochen, wobei zu beachten ist, dass eine reale Zeitreihe aus einer stationären Reihe durch einfache Integration der letzteren rekonstruiert wird. Außerdem ergibt sich aus Absatz 4, dass es auf dem Devisenmarkt keine deterministischen Richtungsbewegungen gibt, während jede ähnliche Richtungsbewegung zufälliger Natur ist und daher von keinem praktischen Interesse ist (trend do not friend!). Durch die Differenzierung der Ausgangsreihen können wir die stochastischen Trends eliminieren, was unser Modell weiter vereinfacht.
Wir gehen also davon aus, dass der Preisbildungsprozess durch ein Modell beschrieben werden kann, das eine zyklische Komponente und eine stationäre Zeitreihe mit einer erwarteten Auszahlung von Null enthält. Die Frage, ob eine zyklische Komponente in den Preisreihen vorhanden ist oder nicht, kann durch Anwendung einer Fourier-Analyse oder durch Beeinflussung der Zeitreihen mit einem schmalbandigen Digitalfilter beantwortet werden. In meiner Praxis habe ich beide Methoden angewandt. Die erzielten Ergebnisse deuten darauf hin, dass es zwar Zyklen auf dem Devisenmarkt gibt, diese aber stochastisch sind, d.h. es gibt keine Zyklen mit einer stationären oder nahezu stationären Periode. Diese Eigenschaft macht es leider grundsätzlich unmöglich, Strategien zu nutzen, die auf der Zyklizität des Preisbildungsprozesses basieren. Ich wiederhole, dass diese Schlussfolgerung nur für den Devisenmarkt gilt! Der Aktienmarkt weist eine stationäre saisonale Komponente und deterministische Trends auf. Diese Tatsache lässt auf eine mögliche Ausnutzung dieser Eigenschaften des Aktienmarktes in TS hoffen. In Anbetracht der obigen Ausführungen bin ich der Meinung, dass die Elliott-Theorie nur auf dem Aktien- und Futures-Markt, nicht aber auf dem Devisenmarkt anwendbar ist.
Folglich enthält unser Modell nur zwei Komponenten: eine deterministische und eine zufällige Komponente. Der Preisbildungsprozess kann als Erinnerung des Marktes an eine unendliche Anzahl früherer Preissprünge beschrieben werden, von denen jeder sein eigenes abnehmendes Gewicht und eine Zufallskomponente hat. Im allgemeinen Fall müssen wir die Anzahl der an der Preisbildung beteiligten Mitglieder vernünftig begrenzen und einen Weg finden, die gegebenen Koeffizienten (Gewichte) aus den verfügbaren und berechenbaren Parametern zu berechnen, die den interessierenden stationären Prozess charakterisieren. Und auch die Parameter der Zufallskomponente zu bestimmen, ist keine schwierige Aufgabe. In diesem Fall wird der nächste (dritte+1) Preissprung bestimmt durch die Summe der n vorangegangenen Preissprünge S(i), jeweils multipliziert mit ihrem Gewicht a(i), das monoton mit der Entfernung von der Vorderkante der Geschichte abnimmt, und einer Zufallsvariablen sigma mit bekanntem Verteilungsgesetz, Erwartungswert Null und bekannter Standardabweichung:
S(i+1)=SUMME(a(i-k)*S(i-k))+sigma, wobei die Summierung über alle k von Null bis n erfolgt.
Wir haben es also mit einem autoregressiven Modell der n-ten Ordnung zu tun.
Im Prinzip brauchen wir die genaue Form der Zufallsvariablen nur dann, wenn wir eine Zeitreihe S(i) erhalten wollen, die mit der erzeugenden völlig identisch ist (in Bezug auf die Merkmale), aber diese Aufgabe erscheint mir überflüssig. In der Tat sind wir nur an der Vorhersagefähigkeit des Modells interessiert, die unweigerlich unter einem Element der Unsicherheit leidet, das durch den Term, der für die Zufallskomponente verantwortlich ist, eingeführt wird, aber in Anbetracht des zufälligen Vorzeichens des eingeführten Fehlers können wir sicher sagen, dass nach einer großen Anzahl von Durchläufen der Vorhersagefehler, der mit dem Zufallsterm verbunden ist, auf Null reduziert wird! Und schließlich sieht unser Modell ganz einfach aus:
S(i+1)=SUM(a(i-k)*S(i-k)), wobei die Summierung über alle k von null bis n erfolgt.
Die Spektraldichte des autoregressiven Prozesses n-ter Ordnung wird nach folgender Formel definiert:
p(omega)=2D/|1-SUM(a(k)*exp{-i*2k*omega})|^2, wobei die Summierung über alle k von 1 bis n erfolgt,
i=SQRT(-1) und 0<=omega<=1/2 .
Einleitend stelle ich fest, dass
Das spiegelt sich auch in meiner Forschung wider:
Geschichte wiederholt sich, und das zeigt der Hurst-Index, nur dass er die Möglichkeit der Wiederholung/Fortsetzung der etablierten Struktur bewertet (wie ich bereits geschrieben habe), was den Ansatz für TC etwas verändert.
Eine korrekt durchgeführte "rückgekoppelte" Normalisierung, d. h. die Anpassung der Signalparameter an die Informationsqualität, ermöglicht es im Allgemeinen, eine lokal deterministische Komponente zu erhalten. Es gibt keine wirklichen Zyklen (es werden keine Galoschen verkauft :o), aber es sind die grundlegenden Informationen (M0, M1, Kurse usw.), die Zyklen aufweisen. Die Basisprognose ("near-deterministic") basiert auf konjunkturellen Informationen.
Das einzige Problem ist, dass sich der Einfluss bestimmter Informationen im Laufe der Zeit ändert, und wenn man die Geschichte einmal rationiert hat, kann man sie wieder von vorne beginnen :o(. Bislang ist dieser Ansatz jedoch nicht mehr als ein wissenschaftliches Hobby.