una estrategia de negociación basada en la teoría de las ondas de Elliott - página 9
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
En mi estrategia para conseguir un valor como el 93% de beneficio en 2 meses se debe establecer la reducción máxima en el 50-60% en la gestión del dinero. Por supuesto, no puedo permitir que en el mercado real.
Su estrategia probablemente merece atención con tales parámetros. Pero la información presentada no es suficiente para mí para tratar de desarrollar un Asesor Experto utilizando su estrategia. Básicamente, si crees que la estrategia no está sujeta a la publicidad, puedo entenderlo. Pero si todavía quieres presentarlo en una aplicación práctica, tal vez alguien quiera automatizarlo (tal vez incluso yo pueda sacar algo útil para mí).
Gracias por su franqueza y por sus interesantes mensajes. Me gusta la lógica y la base de su enfoque.
¿Podría dar algún enlace al criterio de Hirst?
Lo has tocado muy brevemente en tus posts y yo, por desgracia, no sé nada al respecto. Sin embargo, el tema - estimar
Es interesante para muchas personas, incluidas las de este foro.
A ser posible, no matemáticas abstractas, sino algo más o menos práctico,
a partir de la cual se puede entender tanto la idea como el modo en que se cuenta con los conjuntos de conteo.
Y otra pregunta.
¿Es su metodología o algo de código abierto?
¿Quizás podrías decir algo más sobre ello?
http://forex.kbpauk.ru
Sí, puede ser, pero me gustaría una recomendación de alguien que entienda lo que recomienda.
Por qué yo, que soy nuevo en el tema, querría escarbar en una montaña de basura donde la gran mayoría son
¿son novatos como yo? Una pérdida de tiempo.
Sí, una vez más te lo recuerdo: todo esto tiene sentido dentro del problema que formulé y el resultado se interpreta dentro del mismo problema. Aunque los métodos son comunes. En cuanto a la significación estadística de los niveles, le quedará claro una vez que construya los intervalos de confianza; por ejemplo, cuanto más sobrevendido, más probable es que vuelva al punto de equilibrio y posiblemente incluso al límite opuesto (esto queda claro al acercarse al punto de equilibrio), por lo que los intervalos de confianza cortan los niveles de probabilidad. Imagina que interpretas numéricamente la zona de sobreventa en unidades de probabilidad de volver al punto de equilibrio (en porcentajes -de ahí la probabilidad de volver 60\40, de ahí 80\20, etc... ;) ) y los niveles de reversión por Murray en un momento dado caen en, por ejemplo, 90\10 - sería fácil operar... Y hay menos ambigüedad, ¿no? Así que esa es la solución a este problema que da tal estimación.
En los retrocesos todas estas estructuras se alinean, bueno sólo un vistazo - entonces la probabilidad es máxima. He operado en modo demo sin ningún tipo de stop). No me arriesgo en la cuenta real, aunque estoy tentado de abrir una cuenta por algún pequeño precio y probar :).
Si me disculpan, no les voy a mostrar una solución ya hecha, aunque les he ahorrado mucho tiempo.
Buena suerte y buenas tendencias.
¿Qué es R/S?
¡Hola de nuevo! R / S - la estadística es un criterio de Hurst (estadísticas) - su fórmula, si no se puede encontrar en la web - escribir a nosotros, voy a enviar - R - la superposición de disparidades, S - RMS (desviación estándar). En la fórmula hay un logaritmo de esta relación, por eso lo llaman así y así.
Lo que se me olvidó ayer es prestar atención -y es esencial- a dos cosas:
1. Surgimiento de un problema de optimización. Desgraciadamente, sin ella no conseguí la univocidad - este problema surge de una hipótesis (la hipótesis debe tenerse en cuenta al plantear el problema) de que el precio sigue el único camino posible, a lo largo de una trayectoria que no conocemos con un 100% de probabilidad. Dado que el campo de precios es potencialmente intercambiable (aquí el término "campo" se utiliza en su sentido matemático, es decir, la función junto con su área de definición, y la función es la trayectoria buscada ;) ) - Demostrarlo estrictamente no es difícil : un campo potencial es aquel campo cuyo trabajo de fuerzas en un bucle cerrado (integral en un bucle cerrado ;) ) es igual a cero - así que "en los dedos" se ve así - no importa donde la trayectoria suba/baje, pero si vuelve al punto de partida, entonces sus ganancias son cero. A partir de esto se puede suponer que la función de trayectoria puede ser representada adecuadamente por una determinada forma cuadrática - es casi simple: la búsqueda de los extremos de las funciones de criterio de calidad para tales formas es un área muy investigada. Es decir, tenemos que seleccionar muestras que satisfagan en extremo los criterios de calidad.
2. Si una metodología permite "dibujar" algunas regularidades objetivas, entonces el resultado no debería ser sensible al "ruido" - es lógicamente comprensible. Así, desde enero de 2006 he conseguido obtener métodos de solución, que proporcionan niveles y fronteras de zonas de inversión idénticos en cualquier datafeed (disponible para mí), es decir, en cualquier empresa de corretaje, a pesar de algunas diferencias en las cotizaciones y no uso algoritmos de suavizado - todos se retrasan.
Realmente quiero creer que el aumento de la eficacia de las previsiones tiene algo que ver (parece que se justifica lógicamente).
Aunque todavía puede resultar que no sea así :) - todo es posible.
Utilizaré el simulador de comercio de Scientific Consultant Services, Inc. (scicon) - espero que me ayude a aclarar la situación.
Ahora, al parecer, eso es todo. Porque hemos restregado otro hilo con información innecesaria :). Buena suerte.
2 Begun - si todo esto se conoce desde hace mucho tiempo (estoy en una araña en el momento en que encontré sólo los puntos de partida) - podría compartir la información, al menos en términos metodológicos, de lo contrario puedo estar perdiendo mi tiempo en la construcción de una bicicleta?
Buena suerte y buena suerte con las tendencias.
He buscado en la web. Sólo he podido encontrar un software para el cálculo en Excel http://megafx.fromru.com/FRAGKTVBA.xls.
Pero no es fácil de entender, porque nunca he codificado en Excel.
Por favor, escriba la fórmula aquí. Será interesante para mucha gente. Y también, preferiblemente, un trozo de código que utilice para calcular este valor.
Es extraño, no lo he encontrado en mis archivos - mi CD se ha estropeado :(. Pero lo encontré en la web - en general es aún más interesante de lo que pensé inicialmente:
1.1 Evaluación del índice de Hurst
En primer lugar, esbocemos los antecedentes teóricos del análisis matemático cuantitativo de las series de tipos de cambio que figuran a continuación.
La H de Hurst o, como se dice, el estadístico R/S de Hurst, indica la presencia o ausencia de un sesgo en la serie en cuestión. En la CR ese sesgo se genera porque los participantes en el mercado reaccionan con un sesgo al entorno económico actual. Este sesgo se mantiene hasta que surge nueva información aleatoria y cambia este sesgo en magnitud, dirección o ambas.
El análisis R/S de Hurst nos da dos características importantes de una serie temporal. En primer lugar, la duración media del ciclo necesaria para estimar la inercia del movimiento. La duración media del ciclo de un sistema se refiere al tiempo tras el cual se pierde la memoria de las condiciones iniciales.
En segundo lugar, el exponente de Hurst es estable, contiene las mínimas suposiciones sobre el sistema estudiado y puede clasificar la serie temporal diferenciando una serie aleatoria de una no aleatoria, incluso si esta serie aleatoria no es gaussiana. Por ejemplo, si el índice de Hurst difiere de 0,5, significa que la distribución de probabilidad de la serie temporal estudiada no es gaussiana. Si 0 < H < = 1, pero H no es igual a 0,5, entonces la serie es un fractal cuyo comportamiento es significativamente diferente de los paseos aleatorios cuando H = 0,5.
Así, si H = 0,5, la serie temporal en estudio es un movimiento browniano, las observaciones son independientes y tienen una distribución gaussiana. Pero si H > 0,5, significa que las observaciones no son independientes. Cada observación conlleva un recuerdo de todos los acontecimientos precedentes, y no se trata de una memoria a corto plazo denominada "markoviana". Se trata de una memoria a largo plazo diferente y, en teoría, siempre se conserva. Los acontecimientos recientes tienen un impacto más fuerte que los anteriores. A largo plazo, el sistema que da las estadísticas de Hearst es el resultado de la interacción de un largo flujo de acontecimientos interrelacionados. Lo que ocurre hoy afecta al futuro. El lugar en el que estamos ahora está determinado por el lugar en el que estábamos en el pasado. El tiempo resulta ser un factor muy importante aquí.
Las aplicaciones más importantes del índice H de Hurst son las siguientes.
Si H = 0,5, se confirma la Hipótesis del Mercado Eficiente (HME), es decir, los acontecimientos de ayer no tienen ningún efecto hoy, y los acontecimientos de hoy no tienen ningún efecto en el futuro. Los eventos no están correlacionados y ya han sido utilizados y depreciados por el mercado.
Por el contrario, con H > 0,5 los acontecimientos de hoy serán importantes mañana, es decir, la información recibida sigue siendo tenida en cuenta por el mercado algún tiempo después. No se trata de una simple autocorrelación, en la que la influencia de la información disminuye rápidamente, sino de una memoria a largo plazo, que condiciona la influencia de la información durante largos periodos de tiempo. Por supuesto, esta influencia disminuye con el tiempo, pero sigue siendo más lenta que las correlaciones a corto plazo. Esta influencia se caracteriza por la duración del ciclo, cuando baja a un valor indistinto. En estadística se denomina tiempo de descorrelación de la serie.
Así, si se demuestra la naturaleza fractal de las series temporales, significa que se demuestra la Hipótesis del Mercado Fractal (FMH), que a su vez contradice la RGE y todos los modelos cuantitativos que se derivan de esta hipótesis.
Para cuantificar H Hurst derivó una ley empírica de la forma
H = Lg(R/S)/Lg(n/2)
R - alcance máximo de la serie estudiada
S - RMS (desviación estándar)
n - número de observaciones (tamaño de la muestra)
Los códigos apenas te dirán nada: hay demasiadas conexiones, ya que todas las matrices se llenan en los lugares correspondientes - ya he escrito que el procedimiento es iterativo, pero sin embargo:
//--------------- Coeficiente Hurst doble R = 0,0, pMax = 0,0, pMin = 0,0, S = 0.0, nHrst = N_BG[i_StdChnl][1]-N_ND[i_StdChnl][1]; if(nHrst>minChnlBars){ S = std_div[i_StdChnl][1]; pMin = Low[Lowest(NULL,0,MODE_LOW, N_BG[i_StdChnl][1] ,N_BG[i_StdChnl][1]+StepBack)] pMax = Highest[Highest(NULL,0,MODE_HIGH,N_BG[i_StdChnl][1], N_BG[i_StdChnl][1]+StepBack)]; R = MathAbs(pMax-pMin); if( (R>0)&&(S>0)) Chnl_Hrst[i_StdChnl][1] = MathLog(R/S)/MathLog(nHrst*0.5); }Buena suerte y buena suerte con las tendencias.
Tiene los siguientes módulos de cálculo (o partes de la estrategia) en su estrategia:
1. Cálculo de los niveles de Murray (en principio está bastante claro en cuanto a su aplicación, tanto más cuanto que el propio indicador se da en este hilo).
2. Cálculo de un canal de regresión que incluye el know-how (el criterio para seleccionar un canal correcto del conjunto de los posibles), que no va a compartir.
3. Cálculo del índice de Hurst para la muestra, que se determina, de nuevo, por algún criterio que tampoco va a compartir con el público. ¿O puede ser que me equivoque y sólo cuente directamente, por ejemplo, por los últimos compases? A continuación, especifique el número de barras y el marco temporal. El número sonó como 30, pero tal vez usted está utilizando otros valores.
Y luego se obtienen los datos calculados de los módulos anteriores y se sacan las siguientes conclusiones sobre el mercado. He mostrado todas las variantes de forma figurada:
1. El mercado está creciendo. Ahora está cerca de la línea de Murray, lo que implica una parada y un retroceso. El precio está en la parte superior del canal de regresión, el indicador Hearst se mueve hacia cero. Conclusión: Está bien entrar en corto. Se coloca un stop detrás de la siguiente línea de Murray, que es una fuerte resistencia. El objetivo inicial es la línea de soporte fuerte más cercana. Luego, en base a las lecturas obtenidas de los módulos calculados al acercarse al objetivo, decidimos mantener la posición o cerrarla, si los indicadores lo recomiendan.
2. El mercado está cayendo. Ahora está cerca de la línea de Murray, lo que sugiere una parada y un retroceso. El precio está en la parte inferior del canal de regresión, el indicador Hearst se mueve hacia cero. Conclusión: Es posible entrar en una posición larga. Se coloca un stop detrás de la siguiente línea de Murray, que es un fuerte soporte. El objetivo inicial es la línea de resistencia fuerte más cercana. Luego, en base a las lecturas obtenidas de los módulos calculados al acercarse al objetivo, decidimos mantener la posición o cerrarla, si los indicadores lo recomiendan.
3. El mercado está en plano. Hacemos suposiciones sobre la continuación del movimiento basándonos en las lecturas de la línea Murray. Si tenemos una posición abierta y su dirección coincide con las lecturas de la línea y con el Índice de Hurst (por ejemplo, cuando el movimiento previsto coincide con la posición, el indicador se acerca a 1 o a 0), no tomamos ninguna acción con la posición, y esperamos a que se cumplan los objetivos.
4. El mercado está en plano, la lectura de Hurst está cerca de 0,5. No entramos en el mercado; todas las órdenes se eliminan. Si queremos, podemos utilizar el pipsing).
¿Tengo razón en mi razonamiento sobre su estrategia o no?