eine Handelsstrategie auf der Grundlage der Elliott-Wellen-Theorie - Seite 138
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
"Der Zweck des Besuchs? - Mittagessen" (c) "Men in Black"
Gut.
:-)))
Wenn ein Forscher ein Experiment mit einer Ratte durchführt, die durch ein Labyrinth läuft, und wenn die Ratte in die falsche Richtung läuft, ist der Forscher eher geneigt zu glauben, dass die Ratte krank ist, als dass die Erfahrung seine Theorie widerlegt.
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Это совершенно другой подход к торговле, который не может быть описан в рамках математической статистики.
Не согласен. Для каждого образа, на основе которого оценивается рынок, необходимо сделать статистический анализ поведения рынка при появлении этого образа на истории, построить распределение, определить его параметры. Далее можно опять-таки статистически определить оптимальные параметры образа. Имея эти данные в базе данных образов можно с известной точностью определять вероятность ошибки/успеха при принятии решений.
Die Schätzung statistischer Merkmale von Mustern halte ich in der Praxis für eher fragwürdig, obwohl man im Internet ständig Informationen über entsprechende Versuche findet. Zum Beispiel wird hier die neueste Version vorgestellt : "MQL4: The Self-Learning Expert Advisor" Diese Methode bezieht sich auf Neuronetze. Aber aus irgendeinem Grund habe ich nie quantitative Merkmale solcher Systeme gefunden. Vielleicht habe ich nur schlecht aufgepasst?
Und ich denke, das Problem dabei ist, dass man einfach nicht genug Historie hat, um die Parameter einzelner Muster zu schätzen, wenn man Muster für die Schätzung auf der Grundlage recht strenger Parameter auswählt. Oder wenn Sie ALLE Kombinationen von Balken, die dem Konzept eines Musters bedingt zugeordnet werden können, statistisch schätzen wollen, dann werden Sie meiner Meinung nach entweder eine riesige Menge aller möglichen Mustermodifikationen haben, die sich um einen sehr kleinen statistisch unbedeutenden Wert voneinander unterscheiden, oder die statistischen Schätzungen der Muster werden sehr verschmiert sein (eine große Varianz der Schätzungen). Und in der Zukunft wird es für einen Automaten im realen Handel sehr schwierig sein, zu verstehen, zu welcher der bestehenden Mustermodifikationen in der Basis, die auf den letzten Balken erschienen sind, nun gehört. Damit ein Muster statistisch signifikant ist, brauchen wir meines Erachtens eine Historie zu unserem Arbeits-Währungspaar, die wir nicht haben, und das alles mit der Garantie, dass der Markt in der nicht trainierten Stichprobe (in der Zukunft) nach denselben Regeln spielt. In dieser Hinsicht ist ein einfacher linearer Regressionskanal statistisch viel besser abgesichert. Was ist zuverlässiger? Informationen über die Marktbedingungen, die IMMER mit einem einfachen Standardalgorithmus auf der Grundlage der letzten 300 Balken in der Geschichte berechnet werden, oder Informationen darüber, dass diese kürzlich erhaltenen Balken dem Durchschnittswert von 100 Kopf-Schulter-Mustern ähneln (gut korreliert sind), die in der Geschichte der letzten 5 Jahre vorhanden waren? Meiner Meinung nach ist die Regression zuverlässiger, da es sich um eine gut untersuchte und ausgearbeitete mathematische Technik handelt, im Gegensatz zur Mustererkennung, bei der es zu viele Abhängigkeiten von verschiedenen anderen Faktoren gibt.
Ich denke jedoch, dass die Aufgabe der Mustererkennung auf eine einfachere Trendlinienaufgabe reduziert werden kann (schräge Widerstands-/Unterstützungslinien, die entlang der Extrema gezogen werden). Das heißt, viele klassische Muster können durch eine Reihe von Trendlinien ersetzt werden, die durchbrochen werden, was bedeutet, dass man aus dem Muster herausarbeitet. Aber auch hier ist es nicht so einfach. In dieser Datei können wir zum Beispiel die Dynamik eines konvergenten Dreiecks sehen https://c.mql5.com/mql4/forum/2006/08/triangle.zip.
Sie können den Ausstieg aus dem konvergierenden Dreieck am 8. August sehen. Nach der klassischen Beschreibung dieses Dreiecks hätte der Ausbruch jedoch nur nach oben erfolgen dürfen. Aber in der Praxis ging der Preis auf und ab, d.h. sowohl Bullen als auch Bären bekamen ihr Geld. Dieses Beispiel negiert sofort die Bedeutung des Musters "Konvergentes Dreieck" als solches.
Die Trendlinien in den angegebenen Charts sind ohne Berücksichtigung der letzten 2 Balken gezeichnet. Wenn eine Trendlinie durchbrochen wird, ist daher klar ersichtlich, welche Trendlinie durchbrochen wurde.
Eine vollständigere Version der Trendlinien-Dynamik für den letzten Monat finden Sie hier "MQL4: Ein Bild für das Metaquotes-Forum" solandr 31.08.2006 08:02 (Ein mehrbändiges RAR-Archiv. Insgesamt gibt es 16 Teile. Nachdem Sie alle Teile heruntergeladen haben, ändern Sie die Zip-Erweiterung in rar und entpacken Sie sie in WinRAR3.50. Es ist sehr nützlich für Trading-Anfänger, sich diesen Cartoon anzusehen, z. B. mit ACDSee, um zu verstehen, wie sich der Markttrend im Laufe der Zeit ändern kann und was man tun kann, um sein Risiko zu minimieren.
Meiner Meinung nach ist die Arbeit mit Trendlinien viel einfacher als die Arbeit mit Multi-Parameter-Mustern, die in historischen Daten erfasst und dann statistisch erfasst werden müssen. Trendlinien sind viel einfacher! Ich habe sogar mit ihnen in meinem Expert Advisor experimentiert. Ich habe sie verwendet, um einen bestätigenden Oszillator und sogar den Hurst-Indikator zu ersetzen! Und im Allgemeinen war das erzielte Ergebnis sehr aussagekräftig und unterschied sich deutlich von einem rein zufälligen Ergebnis. Ich habe beschlossen, die Verwendung von Trendlinien in meinem Expert Advisor vorerst zu verschieben, da die Berechnung des Hearst-Indikators nach meinen Beobachtungen in etwa die gleichen Informationen liefert wie die Trendlinien, allerdings mit einem formalisierteren Berechnungsalgorithmus, der effizienter in Bezug auf die Erstellung und den praktischen Einsatz von MTS ist.
Neuronale Netze sind am ehesten in den Bereichen nützlich, in denen man im Voraus alle möglichen Kombinationen berechnen kann, die in der Zukunft auftreten können, und nur auf der Grundlage dieser Kombinationen im Rauschen eine Bestätigung für die eine oder andere Variante findet. Zum Beispiel, wissend im Voraus (vorlÀufig auf der TestflÀche aufgezeichnet, oder alle möglichen Varianten der Signale aufgrund des mathematischen Modells, das der Situation angemessen ist) alle möglichen Varianten der Signale bei der AnnÀherung eines Objektes zu anderem, in der Zukunft (bei der realen Nutzung des auf diese Weise trainierten Objektes) ist es möglich, die nÀchstliegende von den vorhandenen Varianten der Signale zu finden und, die entsprechende Lösung ÃŒber die weiteren Handlungen des Objektes, wo das auf die Neuronetze trainierte System bestimmt ist zu machen. Aber all dies funktioniert innerhalb der Grenzen der in der Datenbank verfügbaren Situationen und entwickelt sich entsprechend dem einmal aufgezeichneten Algorithmus weiter. Ich fürchte, Forex ist in dieser Hinsicht vielseitiger :o(
Yurixx, ich glaube, du hast dich geirrt, wenn du dem nicht zustimmst.
Warum nicht? Ich meine, wie kommen Sie darauf?
Offenbar war die Wissenschaft im Sommer einfach im Urlaub ;o). Und jetzt hat ein akademisches Jahr begonnen und es gibt einige angemessenere Status eines wissenschaftlichen Forums:
http://www.lib.mexmat.ru/forum/viewtopic.php?t=3254&sid=a6468f00350c4e81f1b818be89ec1869
Danke für den Link, ich werde ihn morgen lesen.