Auf digitalen Filtern basierende Handelsstrategien - Seite 72
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
Das ist eine große Hilfe
Vielen Dank für Ihre freundliche Hilfe durch die Veröffentlichung. Es ist eine große Hilfe für mich.
Herzliche Grüße an euch alle
Großartig
Ich habe den #MFT_STLM2_v2-Indikator heruntergeladen, der von dem großartigen Simba gepostet wurde, aber bei mir auf meiner Plattform nicht funktioniert hat.
Diese Version ist abgelaufen oder so?
Ich bin auf der Suche nach einem STLM MTF, um den Trend zu definieren.
Vielen Dank im Voraus Freunde.
Freundlich.Boyens,
Finden Sie sie hier, müssen Sie beide in Ihrem Indikator-Ordner für die MTF kompiliert zu arbeiten, dann können Sie nur die MTF anhängen und spielen mit ihm, schlage ich vor, dass Sie h4 und / oder d1 für Trend-Definition auf unteren tf Charts verwenden.
Mit freundlichen Grüßen
S
Alternativen für die Berechnung von FATL, SATL usw.
Irgendwie habe ich meine Zweifel an diesem mehrfach zyklischen Modell des Devisenmarktes. Damit will ich nicht den Nutzen der auf diesem Modell basierenden Indikatoren in Frage stellen, aber ich frage mich, woher solche resonanten Strukturen kommen können. Normalerweise erfordert Resonanz eine verzögerte Reaktion auf einen Reiz. Die Resonanzstruktur schwingt mit einer Periode, die der Verzögerung entspricht. Was kann in unserem Informationszeitalter 200 Stunden lang verzögert werden? (Vielleicht ließe sich die Resonanz leichter erklären, wenn sie in kleineren Zeitabständen in der M1 TF aufträte). Was kann der Stimulus sein? Nachrichten, Furcht und Gier von Händlern, die als Gruppe handeln? Eine interessante soziologische Frage, aber hier nicht hilfreich.
Ein zweiter Einwand ist die von Simba aufgezeigte Tatsache, dass die Resonanzperioden nicht übereinstimmen, wenn sie bei verschiedenen TFs gemessen werden. Wenn es wirklich eine Resonanzstruktur bei, sagen wir, 48 1H-Perioden gibt, dann sollte sie sich als Resonanz bei 12 4H-Perioden oder 192 15M-Perioden zeigen. Dies scheint aber nicht der Fall zu sein. Warum eigentlich? Macht es Sie nicht nervös, die zyklische Annahme für den Handel zu verwenden?
Wie auch immer die Antworten lauten, wenn die Indikatoren nützlich sind, dann gibt es alternative Möglichkeiten, sie zu berechnen. Wir müssen uns nicht auf die kontinuierliche Spektralanalyse und adaptive digitale Filter verlassen, wenn wir erst einmal davon überzeugt sind, dass zwei oder drei Zyklen dominieren und dass sie ihre Frequenz (Periode) und Amplitude langsam ändern usw. Wir können FFTs, MESA, Goertzel oder was auch immer verwenden, um uns davon zu überzeugen... Ich bin noch nicht überzeugt, obwohl die 3-D-Bilder ziemlich überzeugend sind. Dann können wir bewährte Methoden anwenden, um die zyklischen Signale voneinander und vom Rauschen zu trennen.
Dieses Problem der Signalextraktion ist bei der Entwicklung von Kommunikationssystemen ziemlich häufig. Denken Sie nur daran, wie Ihr Radioempfänger (oder Ihr Mobiltelefon, wenn es sein muss) sein Signal aus dem Hintergrundrauschen und anderen Signalen in der Nachbarschaft herauszieht. Diese Signale sind nicht stationär, ebenso wenig wie das Rauschen, auch wenn es normalerweise so modelliert wird. Sie sind ziemlich komplex und variieren in Phase, Frequenz und Amplitude. Dennoch können sie in Umgebungen mit geringem Signal-Rausch-Verhältnis zuverlässig extrahiert werden, vorausgesetzt, sie stören sich nicht gegenseitig.
Wie wäre es mit drei festen Bandpassfiltern, deren Bandpass eng genug ist, um die drei Signale zu trennen, aber breit genug, um die erwarteten Frequenzschwankungen durchzulassen. Jedem Filter folgt ein Phasenregelkreis, um die Frequenzänderung zu extrahieren, und ein kohärenter Demodulator, um die Amplitude zu extrahieren. Keine Spektralanalyse erforderlich. (Außer für die Auswahl der drei Bänder.) Es ist keine relative Bedeutung erforderlich, und es ist keine fliegende Entwicklung und Änderung von Filtern erforderlich. (Das extrahierte Signal wird phasenkontinuierlich sein).
Alle diese Elemente sind entweder Filter, Multiplizierer oder ein Oszillator mit digital gesteuerter Frequenz (VCO). Der einzige Filter, der einen wichtigen Frequenzgang hat, ist der Schleifenfilter, und für diesen gibt es viele Entwürfe. Ich habe viele Referenzen, falls jemand daran interessiert ist. Wenn mein Gedächtnis mitspielt, damit ich nicht vergesse, was ich programmieren will, und wenn ich wieder einigermaßen in C programmieren kann, werde ich es vielleicht selbst versuchen.
MadCow
Vorverarbeitung von Daten
Richcap, danke, dass Sie Ihren Code zur Verfügung stellen.
Kennen Sie diese andere Version von MESA, die für Amibroker geschrieben wurde?
AmiBroker - AFL-Bibliothek
Sie implementiert verschiedene Vorverarbeitungen (Filterung, Detrending), die in Ihrem Code nicht enthalten sind und von denen Sie profitieren könnten, da sie bessere Ergebnisse bei realen Daten ermöglichen sollten.
Ich hoffe, es wird Ihnen helfen.
Resonanz
Irgendwie habe ich meine Zweifel an diesem mehrfach zyklischen Modell des Devisenmarktes. Ich möchte nicht die Nützlichkeit der auf diesem Modell basierenden Indikatoren in Frage stellen, aber ich frage mich, woher solche resonanten Strukturen kommen können. Normalerweise erfordert Resonanz eine verzögerte Reaktion auf einen Reiz. Die Resonanzstruktur schwingt mit einer Periode, die der Verzögerung entspricht. Was kann in unserem Informationszeitalter 200 Stunden lang verzögert werden? (Vielleicht ließe sich die Resonanz leichter erklären, wenn sie in kleineren Zeitabständen in der M1 TF aufträte). Was kann der Stimulus sein? Nachrichten, Furcht und Gier von Händlern, die als Gruppe handeln? Eine interessante soziologische Frage, aber hier nicht sinnvoll.
Ein zweiter Einwand ist die von Simba erwähnte Tatsache, dass die Resonanzperioden nicht übereinstimmen, wenn sie bei verschiedenen TF gemessen werden. Wenn es wirklich eine resonante Struktur bei, sagen wir, 48 1H-Perioden gibt, dann sollte sie sich als Resonanz bei 12 4H-Perioden oder 192 15M-Perioden zeigen. Dies scheint aber nicht der Fall zu sein. Warum eigentlich? Macht es Sie nicht nervös, die zyklische Annahme für den Handel zu verwenden?
Wie auch immer die Antworten lauten, wenn die Indikatoren nützlich sind, dann gibt es alternative Möglichkeiten, sie zu berechnen. Wir müssen uns nicht auf die kontinuierliche Spektralanalyse und adaptive digitale Filter verlassen, wenn wir erst einmal davon überzeugt sind, dass zwei oder drei Zyklen dominieren und dass sie ihre Frequenz (Periode) und Amplitude langsam ändern usw. Wir können FFTs, MESA, Goertzel oder was auch immer verwenden, um uns davon zu überzeugen... Ich bin noch nicht überzeugt, obwohl die 3-D-Bilder ziemlich überzeugend sind. Dann können wir bewährte Methoden anwenden, um die zyklischen Signale voneinander und vom Rauschen zu trennen.
Dieses Problem der Signalextraktion ist bei der Entwicklung von Kommunikationssystemen ziemlich häufig. Denken Sie nur daran, wie Ihr Radioempfänger (oder Ihr Mobiltelefon, wenn es sein muss) sein Signal aus dem Hintergrundrauschen und anderen Signalen in der Nachbarschaft herauszieht. Diese Signale sind nicht stationär, ebenso wenig wie das Rauschen, auch wenn es normalerweise so modelliert wird. Sie sind ziemlich komplex und variieren in Phase, Frequenz und Amplitude. Dennoch können sie in Umgebungen mit geringem Signal-Rausch-Verhältnis zuverlässig extrahiert werden, vorausgesetzt, sie stören sich nicht gegenseitig.
Wie wäre es mit drei festen Bandpassfiltern, deren Bandpass eng genug ist, um die drei Signale zu trennen, aber breit genug, um die erwarteten Frequenzschwankungen durchzulassen. Jedem Filter folgt ein Phasenregelkreis, um die Frequenzänderung zu extrahieren, und ein kohärenter Demodulator, um die Amplitude zu extrahieren. Keine Spektralanalyse erforderlich. (Außer für die Auswahl der drei Bänder.) Es ist keine relative Bedeutung erforderlich, und es ist keine fliegende Entwicklung und Änderung von Filtern erforderlich. (Das extrahierte Signal wird phasenkontinuierlich sein).
Alle diese Elemente sind entweder Filter, Multiplizierer oder ein Oszillator mit digital gesteuerter Frequenz (VCO). Der einzige Filter, der einen wichtigen Frequenzgang hat, ist der Schleifenfilter, und für diesen gibt es viele Entwürfe. Ich habe viele Referenzen, falls jemand interessiert ist. Wenn mein Gedächtnis mitspielt und ich nicht vergesse, was ich zu programmieren versuche, und wenn ich wieder einigermaßen in C kodieren kann, werde ich es vielleicht selbst versuchen.
MadCowHallo Madcow,
200 Stunden verzögerte Reaktion auf den Finanzmärkten wird zum Aussterben der Akteure führen, die dieses Verhalten vorgaben, und folglich würde das Verhalten verschwinden...., wie Sie zu Recht angedeutet haben.
IMHO kann es verschiedene Ursachen für Zyklen geben. Wenn Sie die Materialien der Foundation for the Study of Cycles lesen, werden Sie feststellen, dass sie unter den genannten wahrscheinlichen Ursachen die Sterne, die Planeten, die Aktivität der Sonneneruptionen, geomagnetische Stürme usw. anführen, also so viele Ursachen, dass es am besten ist, die Möglichkeiten nur im Privaten zu studieren, während man mit den Auswirkungen handelt, wenn sie auf einer Lohn-Risiko-Basis quantifizierbar sind.
Im Grunde genommen sind Zyklen IMO wie eine voreingestellte Kette von Aktionsreaktionen, die in der Regel von Woche zu Woche, von Tag zu Tag, von Stunde zu Stunde ähnlich lange dauern (denken Sie an Raubtier- und Beutetiermodelle)... wie viel Zeit braucht es, um die Verkaufsstopps auszuführen und dann den Kaufauftrag des Großkunden zu einem besseren Preis auszuführen?... wie viel Zeit braucht Ihr Konkurrent, um es zu bemerken und in Ihr Spiel einzudringen?Wie lange dauert es, bis die vorherigen Longs entweder ausgestoppt werden oder aus ihren Positionen aussteigen (und hier gibt es eine Komponente der Volatilität)?.. Nun, ich glaube, dass dieser Prozess in der Regel x Zeit +- y std. dauert... also, solange die std. praktikabel ist und die y. Sie beim Warten nicht umbringt, sind diese Muster handelbar.
In Bezug auf den konzeptionellen Handel, wenn ich 2 oder 3 Stunden nach der Frankfurter Eröffnung, während der Londoner Sitzung, sehe, dass die Preise an einem wöchentlichen S1 nach einer Abwärtsbewegung, die gerade schnell und wütend 50 Pips unter die vorherige Unterstützung ging (auch bekannt als das Ausführen von Stopps), zum Stillstand kommen... und gleichzeitig meine H4-Zyklen eine Wende signalisieren, gehe ich long.
Währungspaare können eine nahezu optimale Komprimierung der Volatilität auf H4 haben (alle TFs komprimieren die Volatilität aus den Tick-Daten), und die unteren Zeitrahmen können für unsere Filter zu verrauscht sein, um die Zyklen zu erkennen .... Oder vielleicht, und sehr wahrscheinlich
, sind unsere Filter nicht gut genug dafür.
Fühlen Sie sich frei, mit Ihrer Idee fortzufahren, sie könnte eine alternative Sichtweise auf dieses faszinierende Thema bieten... Ich glaube, die meisten der Leute hier werden versuchen, Ihnen zu helfen.
Mit freundlichen Grüßen
S
Interessanter Beitrag...
Weiß jemand, wie Noxa den SSA-Algorithmus geändert hat, um ihn kausal zu machen?
Ich habe mich in den letzten zwei Monaten mit dem Thema beschäftigt, hatte aber nicht viel Zeit, um es zu Ende zu bringen.
Ich habe in einigen Beiträgen dieses Threads gelesen, dass Noxa CSSA neuronale Netze verwendet? Kann das jemand bestätigen?
Übrigens, nur ein mehrschichtiges Feed Forward NN oder vielleicht ein Auto-Encoder NN?
'' Der '''beiläufige''' Teil stammt aus dem Echo State Network:Echo State Network - Scholarpedia
Aber der SSA-Algorithmus ist nichts anderes als eine Kurvenanpassung.
Hallo MadCow,
...
Fühlen Sie sich frei, mit Ihrer Idee fortzufahren, es kann eine alternative Sichtweise über dieses faszinierende Thema bieten ... Ich glaube, die meisten Menschen hier werden versuchen, Ihnen zu helfen.
Mit freundlichen Grüßen
SVielen Dank, Simba, für die Erklärung und die Ermutigung, aber bevor ich fortfahre, möchte ich sicherstellen, dass die Zyklen nicht nur ein Hirngespinst der Art und Weise sind, wie der Preis verarbeitet wird. Ich möchte fragen, ob die zyklischen Komponenten möglicherweise das Ergebnis von Aliasing sein könnten.
Schauen wir uns nun das Spektrum von GU H1 an, auf das kein Anti-Aliasing-Filter angewendet wurde.
Woher kommen all diese Spitzen? Wenn ich die Kirchendame wäre, würde ich denken, es sei SATAN... aber ich glaube, es handelt sich um Aliasing. Vielleicht sollte ich den gefilterten M1-Preis subsampeln und mir sein Spektrum ansehen. Aber das ist für einen anderen Tag.
Übrigens, vielen Dank an RC für die hervorragenden Software-Tools.
Mit freundlichen Grüßen... MadCow...
P.S. Stellen Sie sich vor, wie viel mehr wir in das H4-Spektrum aliasieren können.
H4, Nichtlinearität und fraktale Skalierung
Vielen Dank, Simba, für die Erklärung und die Ermutigung, aber bevor ich weitermache, möchte ich sicherstellen, dass die Zyklen nicht nur ein Hirngespinst sind, das sich aus der Art und Weise ergibt, wie der Preis verarbeitet wird. Ich möchte fragen, ob die zyklischen Komponenten möglicherweise das Ergebnis von Aliasing sein könnten.
Schauen wir uns nun das Spektrum von GU H1 an, auf das kein Anti-Aliasing-Filter angewendet wurde.
Woher kommen all diese Spitzen? Wenn ich die Kirchendame wäre, würde ich denken, es sei SATAN... aber ich glaube, es handelt sich um Aliasing. Vielleicht sollte ich den gefilterten M1-Preis subsampeln und mir sein Spektrum ansehen. Aber das ist für einen anderen Tag.
Übrigens, vielen Dank an RC für die hervorragenden Software-Tools.
Mit freundlichen Grüßen... MadCow...
P.S. Stellen Sie sich vor, wie viel mehr wir in das H4-Spektrum einbringen können.MadCow,
Ein Bild sagt mehr als tausend Worte...im Anhang sehen Sie einen Scan, den ich durchgeführt habe, um eine zusammengesetzte Zyklusneigung von bis zu 4 Zyklen (pro Zeitrahmen) in verschiedenen Zeitrahmen zu finden und zu zeichnen
H1...Gesucht wurde nach Zyklen mit einer Periodizität zwischen 90 und 180 Bars innerhalb der letzten 540 Bars
M30,M15,M5...Gleiche äquivalente Analyse...also im Grunde bin ich Oversampling 1,2,4 und 12 mal mit genau den gleichen Ergebnissen.
Wenn Sie die Bilder sehen, werden Sie sehen, dass der Scan nur 2 Zyklen gefunden hat, nicht 1 oder 4, genau die gleichen 2 Zyklen in den 4 verschiedenen Zeitrahmen, gleiche Periodizität 108 und 153 H1 Bars äquivalent, gleiche Amplitude und gleiche Phase...Dies geschieht nicht immer, Aliasing und Geister und spektrale Resonanz von Ober- und Unterharmonischen erscheinen normalerweise im Bild und vernebeln die Realität, aber wenn Sie diese perfekte Übereinstimmung sehen, wissen Sie, dass Sie dieses zyklische Modell handeln können, in jedem der 4 Zeitrahmen
... sogar in h4, wenn Sie dies wünschen....durch die Verwendung von Oversampling, können Sie mehrere Male pro Bar abtasten (verwenden Sie z.B. m15 Sampling in h4)... aber das ist wirklich nicht nötig.
Die Zyklen sind genau die gleichen...wie groß ist die Wahrscheinlichkeit, dass es sich um Geister handelt?...Wie ich Ihnen bereits sagte, ist es nur eine Frage der richtigen Instrumente, um zu messen, was passiert...
Richcap mag anderer Meinung sein, aber IMO ist MESA nicht das richtige Werkzeug, Fourier mit all seinen Variationen, einschließlich Goertzel, ist etwas besser... aber worüber wir wirklich nachdenken müssen, ist das Konzept der fraktalen Zyklen, wir müssen also in die Bereiche der Nichtlinearität und der fraktalen Skalierung eintreten, wenn wir den Markt wirklich "modellieren" wollen.
Ich werde nicht versuchen, irgendjemanden von irgendetwas anderem zu überzeugen, ich habe bereits alle Werkzeuge, die ich im Bereich der Zyklen benötige, also, wenn Sie nicht von Richcap und meinen Erkenntnissen überzeugt sind, dann ist die logische Schlussfolgerung, die Zyklen zu vergessen... Wenn Sie überzeugt sind, oder zumindest überzeugt genug, um es zu versuchen, werde ich Ihnen helfen, solange Ihr Ansatz originell und nützlich ist und, natürlich, solange ich keine geschützte Arbeit in unserer privaten Gruppe offenlegen muss.
Mit freundlichen Grüßen
S
Simba,
das sind sehr überzeugende Ergebnisse. Ich bin mir nicht sicher, worauf ich hinaus will, aber die Kurven sind bei allen TFs sehr ähnlich. Es scheint nicht wirklich ein Aliasing-Problem zu geben, aber ich verstehe nicht, warum nicht. Die H1-Serie sollte deutlich mehr Rauschen aufweisen als die M1-Serie. Offenbar gibt es bei den unteren TFs keine anhaltende hochfrequente zyklische Komponente, und es gibt wenig oder gar kein Rauschen. Das erscheint mir unglaublich, und da ich mir die Mühe gemacht habe, die Möglichkeit von Aliasing zu verstehen, bevor Sie Ihren Beitrag geschrieben haben, möchte ich Ihnen meine Gedanken dazu mitteilen.
Meine Besorgnis über Aliasing ist vielleicht nicht ganz klar, daher möchte ich die Auswirkungen von Aliasing besser veranschaulichen als ich es getan habe. Nehmen wir zur Veranschaulichung an, dass das Spektrum einer M1-Preisreihe aus zwei periodischen Komponenten besteht, die in Rauschen eingebettet sind. Das Rauschen hat ein dreieckiges Spektrum, eine der Komponenten liegt bei einer niedrigen Frequenz (lange Periode, blau dargestellt) und die andere bei einer hohen Frequenz (kurze Periode, rot dargestellt). Da wir es mit einer M1-Preisreihe zu tun haben, muss das Spektrum bei der Abtastrate/2 (fs/2) enden (Periode = 2 Minuten). (Wenn es in den Transaktionen Komponenten mit höherer Frequenz gibt, werden sie in das Spektrum unterhalb von fs/2 überlagert). Nehmen Sie ferner an, dass beide Komponenten ein relativ gutes Signal-Rausch-Verhältnis aufweisen. Dies alles ist in der oberen Hälfte der ersten Abbildung unten dargestellt. Die Auswirkung der Unterabtastung dieser Preisreihe in 5-Minuten-Intervallen (M5) ist in der unteren Hälfte der Abbildung dargestellt. Dies lässt sich grafisch berechnen, indem man feststellt, dass das Spektrum eines abgetasteten Signals durch Faltung des Spektrums des ursprünglichen Signals mit einer Reihe von Impulsen mit der Abtastfrequenz ermittelt werden kann. (Da die M5-Periode das Fünffache der M1-Periode ist, beträgt die Abtastfrequenz 1/5 der Abtastfrequenz von 1 Minute, wie dargestellt. )Dazu wird das ursprüngliche Spektrum bei jedem Impuls einfach überlagert. Es ist ziemlich klar, was für ein Durcheinander dies aus dem ursprünglichen Spektrum macht. Beachten Sie, dass die Hochfrequenzkomponente in der Nähe der Niederfrequenzkomponente nach unten verzerrt ist, die Niederfrequenzkomponente jedoch nicht betroffen ist.
Das effektive Spektrum der M5-Preisreihe, das durch Unterabtastung der M1-Reihe gewonnen wurde, ist in der folgenden Abbildung dargestellt. Auf der linken Seite habe ich versucht zu zeigen, wie sich das Rauschen aufgrund von Aliasing aufbaut. Rechts zeige ich das endgültige Spektrum des M5-Signals. Die Hochfrequenzkomponente wurde in der Nähe der Niederfrequenzkomponente überlagert, und das Rauschen hat sich aufgebaut, so dass das Signal-Rausch-Verhältnis jetzt ziemlich schlecht ist.
Nehmen wir nun an, dass das ursprüngliche Spektrum mehrere hochfrequente zyklische Komponenten enthielt, und nehmen wir an, dass wir es einmal pro Stunde oder einmal alle 4 Stunden unterabtasten. Das daraus resultierende Durcheinander sollte überall zyklische Komponenten aufweisen, und das Signal-Rausch-Verhältnis sollte schrecklich sein.
Da alle zyklischen Komponenten im endgültigen (sagen wir H1-) Signal auch im ursprünglichen M1-Signal enthalten sein müssen, allerdings mit einem besseren Signal-Rausch-Verhältnis, sollte man meiner Meinung nach das M1-Signal verwenden, um zyklische Komponenten zu extrahieren. Das Problem dabei ist natürlich, dass diese Komponenten, die z. B. in 20-Stunden-Perioden liegen, sehr schwer aus den M1-Daten zu extrahieren sind, da für die M1-Periode 60-mal so viele Stichproben wie für M1 benötigt werden. Andererseits kann es viele Komponenten mit hohen Frequenzen in der M1-Reihe geben, die mehrmals in die H1-Reihe einfließen und mehr Spitzen verursachen, als tatsächlich vorhanden sind.
Die einzige einfache Möglichkeit, dies zu untersuchen, besteht darin, das Spektrum eines M1-Signals und eines H1-Signals über denselben (absoluten) Zeitraum, z. B. 200 Stunden oder so, zu betrachten. Dies ist mit den derzeit verfügbaren R_MESA-Tools nicht möglich, da die bei M1 erforderliche Länge die Möglichkeiten des kodierten Algorithmus übersteigt.
Es scheint, dass Sie sich die verschiedenen TFs bereits angesehen haben und davon überzeugt sind, dass die zyklischen Komponenten mit einer so niedrigen Frequenz vorhanden sind, dass sie durch die Unterabtastung nicht beeinträchtigt werden. Wenn man etwas wie den Goertzel-Algorithmus verwendet (oder einfach eine Reihe von Schmalbandfiltern, was gleichwertig ist), kann man offensichtlich das durch Aliasing hinzugefügte Rauschen ignorieren. Das ist eine gute Nachricht. Ich bin überzeugt, dass die Komponenten vorhanden sind. Ich weiß nur nicht, warum. Ich werde mich also mit einem phasenstarren Tracking-Filter befassen.
Ich würde gerne mehr über fraktale Filterung hören, wenn Sie Quellen haben.
Danke ...MadCow...