Parameter des variablen Marktes - Seite 2
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
Und Sie versuchen, Methoden aus einem Bereich auf einen anderen zu übertragen.
Und welche Methoden können angewandt werden? Nennen Sie sie, wenn es Ihnen nichts ausmacht.
Die Methoden sind (vereinfacht) - man muss sich überlegen, wer wie viel einsteigt, warum, und wann er wieder geht. Und dann tanzt man herum. Das hat mit dem Markt zu tun, ganz sicher. Die Volatilität zum Beispiel existiert auf dem Markt, sie ändert sich im Laufe des Tages, das ist eine unbestreitbare Tatsache, sie kann berechnet werden. Das ist also das, womit wir arbeiten müssen. Oder entwickeln Sie eine solche Eigenschaft des Marktes, wie den Grad der Rückkehr zu seinem Durchschnittspreis (so seltsam es klingen mag, aber in einer vereinfachten Form ist es MA)). Eine solche Umkehrung gibt es auf dem Basar, und es ist auch eine Tatsache... Oder Saisonalität... Nun, was ich aufgelistet habe, ist a priori marktrelevant. Vielleicht haben sogar Astromethoden etwas mit dem Markt zu tun - die Mondphasen, die Stimmung der Massen usw... Aber was haben die Wavelets damit zu tun? Oder die Quantenmechanik? Wavelets haben mit harmonischen Schwingungen zu tun, zum Beispiel in der Musik. Wenn mich ein DJ nach ihnen fragen würde, wäre das logisch. Die Quantenmechanik ist für Atomwissenschaftler interessant. Und so weiter. Aber was hat der Markt damit zu tun? Vielleicht gibt es sogar einen Zusammenhang, aber der muss erst einmal begründet werden (d.h. man muss sich einreden, dass sich Gruppen von Händlern wie Atome im Atomkern verhalten, weil so und so. Und dann sollte der Programmierer an den Kopf und das Ende dieses Bereichs gehen. Ansonsten ist es reine Zeitverschwendung. Imho.
Oder entwickeln Sie eine Markteigenschaft wie den Grad der Rendite zu seinem Durchschnittspreis (seltsamerweise ist es MA in vereinfachter Form :)).
Das tue ich auch, aber ich muss den MA (oder etwas anderes) um eine halbe Periode zurückstellen). Ich möchte den Predictor zu diesem Zweck verwenden. Zunächst werde ich sehen, welche Fehler auftreten können, und dann entweder die Methode weiterentwickeln oder nach einer anderen suchen.
Aber wie lassen sich Wavelets dort anwenden? Oder die Quantenmechanik? Wavelets haben mit harmonischen Schwingungen zu tun, z. B. in der Musik. Wenn mich ein DJ nach ihnen fragen würde, wäre das logisch. Die Quantenmechanik ist für Atomwissenschaftler interessant. Und so weiter. Aber was hat der Markt damit zu tun?
Die Methode der maximalen Entropie kam beispielsweise aus der geologischen Prospektion in die Funktechnik, die Regression wird in der Funktechnik und in der Wirtschaft verwendet, der Preis geht von Stufe zu Stufe, was nicht der Physik entspricht. Ich denke, wir sollten mehr experimentieren.
Was kann ein Wavelet leisten?
Die Antwort auf diese Frage findet sich in jedem Buch, das die Grundlagen der Wavelet-Transformation behandelt - im Gegensatz zur Fourier-Transformation, die eine Darstellung des Signals im Frequenzbereich liefert, liefert die Wavelet-Transformation eine Frequenz-Zeit-Darstellung des Signals. Wenn das Signal eine Summe von Sinusschwingungen mit unterschiedlichen Perioden ist, zeigt die Wavelet-Transformation, wie sich diese Perioden im Laufe der Zeit verändern (im Gegensatz zur Fourier-Transformation, die lediglich ein unscharfes Spektrum liefert).
Ist es möglich, die Fourier-Zerlegung zu ändern? Nehmen Sie für jede Frequenz eine begrenzte Anzahl von Perioden, z. B. nur 2. Dann wären die Daten weniger relevant als bei der üblichen Zerlegung. Dann könnten Phasen-, Frequenz- und Amplitudenänderungen auf Modulation überwacht werden, z. B. durch Einspeisung in den Eingang des neuronalen Netzes. Hat das schon jemand ausprobiert?
Was die Anwendbarkeit von Methoden der Zeitreihenanalyse angeht, so haben die Leute hier grundsätzlich recht.
Man sollte zunächst das eine oder andere Muster oder die eine oder andere Eigenschaft von BP feststellen und dann ein geeignetes Gerät für die Analyse der gegebenen Reihe auswählen. Solange der Wagen vor der Stute ist, ist das eine Verschwendung von Zeit und Mühe (vielleicht auch Geld). Bei aller Vielfalt der Methoden und ihrer Komplexität läuft unsere Aufgabe darauf hinaus, das Vorzeichen der erwarteten Kursbewegung (Kauf oder Verkauf) zu prognostizieren. Um nicht in Mystizismus zu verfallen, erfolgt die Vorhersage durch die Analyse des ursprünglichen BP (Geschichte) oder durch die Analyse seiner Umgebung (andere Instrumente). In der ersten Richtung werden alle Arten von Regressionsmodellen verwendet, oder wenn es keine Möglichkeit gibt, die Aufgabe zu formalisieren, werden neuronale Netze verwendet. Der zweite Ansatz verwendet die Kreuzkorrelationsanalyse mit all ihren Zuordnungen.
Was die Anwendbarkeit von Methoden der Zeitreihenanalyse angeht, so haben die Leute hier grundsätzlich recht.
Man sollte zunächst ein bestimmtes Muster oder eine bestimmte Eigenschaft der BP feststellen und dann ein geeignetes Gerät für die Matanalyse der gegebenen Reihe auswählen.
Man könnte sagen, ich habe ein Muster gefunden - Schwankungen um einen "fairen Preis", jetzt wähle ich eine geeignete Methode.
Ich habe nach Informationen über Wavelets gesucht, und es sieht ziemlich gut aus.
Vor- und Nachteile von Wavelet-Transformationen:
-Wavelet-Transformationen haben fast alle Vorteile der Fourier-Transformationen.
-Wavelet-Basen können sowohl in der Frequenz als auch in der Zeit gut lokalisiert werden. Beim Aufspüren gut lokalisierter Multiskalenprozesse in Signalen können nur die Skalen der Zerlegung berücksichtigt werden, die von Interesse sind.
-Wavelet-Basen verfügen im Gegensatz zur Fourier-Transformation über eine ganze Reihe von Basisfunktionen, deren Eigenschaften auf die Lösung unterschiedlicher Probleme ausgerichtet sind. Baseline-Wavelets können sowohl endliche als auch unendliche Träger haben, die durch Funktionen unterschiedlicher Glattheit realisiert werden.
Der Nachteil der Wavelet-Transformationen ist ihre relative Komplexität.
Das heißt, es gibt keine Minuspunkte als solche.
Besonders gefallen haben mir die Ergebnisse der Bewerbung hier (Andre69 28.06.2007 20:43). Es gibt ganz bestimmte Frequenz- und Zeitabhängigkeiten - eine gewisse Stationarität.
Im Archiv befinden sich Dateien zu Marktanwendungen von Wavelets und ein Vergleich mit Fourier.
IgorM, würden Sie uns bitte die Bibliothek zeigen?