una estrategia de negociación basada en la teoría de las ondas de Elliott - página 17
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
А даёт ли стратегия прибыль при тестировании по ценам открытия (быстрый метод) ?
También lo hace. La diferencia de beneficios con M1 (todos los ticks) es del 5-10%. Simplemente creo que todos los ticks dan resultados más fiables y por eso no uso el M1(método rápido).
Eso está muy bien, es lo que esperaba.
La diferencia en los métodos de comprobación afecta a si el programa utiliza el cierre programado o la apertura de órdenes explícitas. Y como en tu caso el SL y el TP se cierran, el método de prueba no debería afectar.
La diferencia en los métodos de comprobación afecta a si el programa utiliza el cierre programático o la apertura de órdenes explícitas. Y como en tu caso el cierre es por SL y TP, el método de prueba no debería afectar.
¡Y, por supuesto, no debemos olvidar que además de que con diferentes métodos de prueba (todos los ticks) y (método rápido) tendrá diferencias en los valores de los parámetros cooptimizados además de las diferencias en la rentabilidad de la estrategia! Y no hay manera de arreglarlo :o). Si de alguna manera podemos conciliar con la diferencia de beneficios de los diferentes métodos de prueba, entonces es muy problemático vivir con las diferencias en los valores de los parámetros optimizados, al menos para mí :o))).
Vladislav, ¿podrías ayudar y sugerir qué literatura (en formato electrónico) vale la pena leer para tratar el mensaje anterior? ¿O se refiere al libro de texto de Bulashev, recomendado por usted? Es decir, ¿por forma cuadrática te refieres a la aproximación de una serie de precios por una suma de términos compuesta por una constante, un término de primer orden y un término de segundo orden? ¿O es que no entiendo nada? ¿Y la conversión de la forma cuadrática que asumo en energía potencial? ¿Cómo se hace? Yo tampoco lo he encontrado todavía :o(
Y también has dicho que tienes posts sobre tu declaración de problemas en Spider en el hilo de Santiment. Pero he buscado mal y no he encontrado el post de tu VG. Por favor, dame el enlace, si no es difícil.
Gracias de antemano por una respuesta detallada.
1. Cuando se construye un canal de regresión lineal, ¿se utiliza una ecuación de línea recta, o se aproxima la serie de precios mediante una ecuación que contiene un término de segundo orden y luego se reduce esta ecuación de segundo orden a una ecuación de línea recta lineal tras las transformaciones matemáticas descritas en el libro de Bulashev? Por favor, opine sobre la conveniencia de aplicar las ecuaciones de aproximación de primer y segundo orden a las series de precios. ¿Hay alguna diferencia perceptible en las diferentes ecuaciones en términos de resultados (comercio en sí)?
2. Has dicho que utilizas la desviación estándar en tu estrategia. ¿Podría explicar cómo lo utiliza?
Gracias de antemano por sus respuestas.
Vladislav, ¿puedes ayudar y sugerir qué bibliografía (en formato electrónico) merece la pena leer para tratar el mensaje anterior? ¿O se refiere al libro de texto de Bulashev recomendado por usted? Es decir, ¿por forma cuadrática te refieres a la aproximación de una serie de precios por una suma de términos compuesta por una constante, un término de primer orden y un término de segundo orden? ¿O es que no entiendo nada? ¿Y la conversión de la forma cuadrática que asumo en energía potencial? ¿Cómo se hace? Yo tampoco lo he encontrado todavía :o(
Y también has dicho que tienes posts sobre tu declaración de problemas en Spider en el hilo de Santiment. Pero he buscado mal y no he encontrado el post de tu VG. Por favor, dame el enlace, si no es difícil.
Gracias de antemano por una respuesta detallada.
En cuanto a las formas cuadráticas ( F(x,t) = A*x^2+B*t^2 + C ) - se trata de matafísica, teoría de campos y teoría de la optimización en el sentido matemático de esos términos. Lo que se entiende por optimización de los parámetros del sistema no es más que una consecuencia de una clase de métodos matemáticos lo suficientemente amplia como para obtener una solución extrema que satisfaga un conjunto de restricciones contradictorias. No lo he encontrado en formato electrónico, aunque estoy seguro de que existe. Hay mucha literatura - no puedo ni siquiera decir por dónde empezar.
En cuanto al hilo sobre un centimetro -demasiado perezoso para buscarlo ahora- no llegó a las ecuaciones entonces: se decidió no prestar atención :).
Aquí puedo resumir los puntos principales:
1. Los mercados están gestionados por personas (aunque tengan mucho capital, no importa).
2. las personas con los mismos intereses tienen las mismas "zonas de atracción" (por ejemplo, las personas con psicotipos similares prefieren operar con determinados instrumentos, lo que básicamente proporciona las peculiaridades de los mercados - hipótesis)
Parece un punto muerto (con el que mucha gente empieza), pero si hacemos algunas suposiciones más, entonces hay esperanza:
Las personas tienden a actuar de la misma manera en las mismas situaciones (presencia de repetición en decisiones similares).
Supongamos que las acciones de cualquier grupo de gestores en el mercado provienen del deseo de maximizar el beneficio. Supongamos también la existencia de algún gestor (un sistema ideal) que consiga SIEMPRE un resultado extremo. Entonces la acción debe provenir de algo más fuerte que un simple deseo de mover el mercado en una dirección u otra. Ejemplo: hace un par de años, la intervención de Japón en apoyo del quid tuvo bastante éxito. Después de un par de intentos, Japón anunció que no volvería a jugar a este tipo de juegos. Y estaban tirando mucho dinero en cinco-diez minutos tratando de detener la tendencia del euro.
Además, en consecuencia, es posible suponer la presencia de alguna fuerza externa, que mueve el mercado o que forma los requisitos previos para la toma de decisiones de los gestores del mercado. Queda por suponer (bastante lógico en mi opinión), que esta fuerza es el resultado de muchos factores constitutivos y se podrá intentar fijar la tarea y evaluar la decisión.
En realidad tal sistema, que SIEMPRE obtiene el pronóstico correcto obtendremos en un resultado ideal (es como un ciclo de Carnot - teóricamente existe, prácticamente es posible acercarse a él mejor o peor). Y en realidad, por supuesto, hay algunos rangos de incertidumbre.
Y otra cosa - todo esto viene de la naturaleza fractal del mercado (esta hipótesis se desarrolla en oposición a la hipótesis del mercado eficiente) - es decir, que hay períodos de predicción no aleatoria en el mercado. Es decir, para ir a buscar un gato negro en una habitación oscura, hay que suponer la presencia de un cierto número de gatos negros en al menos alguna parte de las habitaciones oscuras :).
Buena suerte y a seguir las tendencias.
Vladislav, sobre el ciclo de Carnot, puedo sugerir que su estrategia utilice el cálculo del trabajo realizado por la fuerza externa, basado en la suma de las velas blancas y negras, por ejemplo por los precios de apertura y cierre. Así, entiendo que si se suman por separado los cuerpos de las velas blancas y negras, entonces tendremos una relación presuntiva de cuánto más trabajo se hizo hacia abajo que hacia arriba o viceversa. Entonces, ¿podemos suponer a partir de estos datos que el sistema está en uno de sus dos extremos basándonos en el análisis de la historia, por ejemplo? Entonces, si no es un secreto, ¿en base a qué plazo hacen estos cálculos? ¿Y cuál es el número óptimo de barras a calcular? Aunque ciertamente puedo suponer que no es una cuestión de qué marco temporal usamos para el cálculo y cuántas barras necesitamos. Entonces, ¿qué plazo cree que debe utilizarse para el cálculo? Porque dependiendo del intervalo de tiempo que tomemos para el cálculo, ¿dependen TODOS los resultados? ¿Tal vez, tome un período de tiempo correspondiente a P=64 en el indicador Murray que está utilizando? Es decir, ¿es mejor tomar un periodo de 64 días hábiles para los cálculos?
Vladislav, sobre el ciclo de Carnot puedo suponer que en tu estrategia utilizas el cálculo del trabajo realizado por la fuerza externa basado en la suma de las velas blancas y negras por ejemplo por los precios de apertura y cierre. Así, entiendo que si se suman por separado los cuerpos de las velas blancas y negras, entonces tendremos una relación presuntiva de cuánto más trabajo se hizo hacia abajo que hacia arriba o viceversa. Entonces, ¿podemos suponer a partir de estos datos que el sistema está en uno de sus dos extremos basándonos en el análisis de la historia, por ejemplo? Entonces, si no es un secreto, ¿en base a qué plazo hacen estos cálculos? ¿Y cuál es el número óptimo de barras a calcular? Aunque ciertamente puedo suponer que no es una cuestión de qué marco temporal usamos para el cálculo y cuántas barras necesitamos. Entonces, ¿qué plazo cree que debe utilizarse para el cálculo? Porque dependiendo del intervalo de tiempo que tomemos para el cálculo, ¿dependen TODOS los resultados? ¿Tal vez, tome un período de tiempo correspondiente a P=64 en el indicador Murray que está utilizando? Es decir, ¿es mejor tomar un periodo de 64 días hábiles para los cálculos?
En cuanto al ciclo de Carnot, es sólo un ejemplo, como valor límite.
En cuanto a la dimensión de Murray, 64 es la recomendación de los desarrolladores del método. No puedo juzgar si es el mejor resultado, pero utilizo la siguiente estimación para determinar el punto mínimo lo suficientemente alejado para la convergencia de los métodos:
No recuerdo el enlace exacto, busqué en artículos sobre análisis relacionados con el cálculo de la persistencia (coeficiente de Hurst > 0,5). Hubo estimaciones sobre la dimensionalidad fractal de los mercados. Conclusiones obtenidas: el coeficiente de Hearst para muchos tipos de mercados se sitúa en la zona de 0,62-0,64, lo que a su vez denota la pérdida de las condiciones iniciales para las series temporales en promedio de 90 días. Es decir, las perturbaciones que se produzcan más de 90 días atrás en el tiempo tendrán un impacto insignificante. Ahora bien, he fijado mi punto de partida para la referencia en no más de medio año (180 días para ser exactos) - 90 días no siempre dan suficiente información para la convergencia, aunque tal vez sea el resultado de la aplicación y con otros algoritmos y criterios de calidad 90 sea suficiente - no lo sé todavía. Cuando calculaba los periodos utilizando todo el historial disponible, el resultado no era mejor, simplemente dedicaba más tiempo a los cálculos.
El número de compases que hay que calcular lo determina la propia estructura y las octavas se construyen para ella, así que no puedo decir en qué momento se calculan, el ordenador lleva mucho tiempo contando :). Los métodos no dependen de las TFs, por lo que puedes hacerlo en cualquier TF, siempre que tengas suficiente historial para medio año.
No evalúo los candelabros, las paternas y similares: obtendrás métodos dependientes del ruido. Es decir, el resultado dependerá de la calidad de la cotización, que, en mi opinión, no es buena.
Buena suerte y buena suerte con las tendencias.
...podemos suponer que una función de trayectoria puede ser representada adecuadamente por una determinada forma cuadrática, lo que es casi sencillo: la búsqueda de los extremos de los funcionales de criterio de calidad para tales formas es un área muy investigada. Es decir, hay que hacer una selección de muestras que satisfagan los criterios de calidad de forma extrema.
Un mismo nivel de inversión de Murray para diferentes canales estará en diferentes intervalos de confianza: hay que cortarlo de alguna manera, ¿no? Y el criterio de calidad es la energía potencial - ver sobre las formas cuadráticas - nada inusual.
He buscado en la literatura sobre el tema. Supongo que tal vez no todo se puede encontrar en la aplicación a este caso particular. Pero sobre la base de lo que he logrado mirar las siguientes suposiciones con respecto a las formas cuadráticas. En primer lugar, comencemos con el método para encontrar esta función de serie de precios más aproximada. Supongo que puedo tomar una función de parábola de la forma
y(t)=A(t-t0)^2+B donde y es un precio, t es el tiempo, t0 es un punto de la línea de tiempo donde la parábola tiene un extremo y A y B son coeficientes.
Luego sigue el problema de encontrar tales coeficientes óptimos A y B que hacen que la parábola sea óptima por el criterio de energía potencial mínima. Por lo que he entendido de las fuentes revisadas, la esencia de esta optimización es la siguiente. Imaginamos la curva de la parábola como una línea con el mismo potencial de campo. Que sea cero para estar seguros. El gradiente de dicho campo potencial se dirigirá prependicularmente a la línea de la parábola. Entonces el problema de la minimización de la energía potencial se reduce al problema de encontrar una parábola tal, en la que la suma de los cuadrados de las distancias más cortas entre los puntos de la serie de precios y la curva de la parábola será mínima. Así que tenemos que optimizar los parámetros de la parábola para encontrar la distancia más corta entre los puntos de la serie de precios y la línea de la parábola. La distancia más corta es la distancia a lo largo de la línea recta que corta la parábola en ángulo recto. Así que tenemos que resolver el problema de encontrar esas distancias más cortas. ¿Podría compartir, al menos metodológicamente, qué método utiliza? Yo, por ejemplo, me imagino el proceso de encontrar estas distancias más cortas de la siguiente manera.
1. Seleccionamos (el algoritmo del cálculo aún no está claro) una parábola más o menos verdadera para la serie de precios existente, que queremos aproximar.
La aproximamos mediante un polígono que tiene la ecuación de una recta que pasa por cada punto tangente a la parábola. La ecuación de la recta para el punto T Y(t,T)=a(t-T)+b, donde a=2A(t-t0) y b=y(T).
3. A continuación, para algún punto seleccionado de la serie de precios, restringimos la región de valores a lo largo de los ejes t e y en la que existe un punto de intersección de la perpendicular trazada desde el punto a la parábola con la propia parábola.
4. Iterar las ecuaciones de los segmentos del polígono que se encuentran en esta región del polígono para la intersección con la perpendicular. Realice el número necesario de iteraciones y aproximaciones para obtener el error requerido del cálculo de la longitud perpendicular desde el punto a la curva.
5. Suma los cuadrados de estos segmentos y obtén así el valor de la función objetivo.
6. A continuación, cambia los parámetros de la parábola y realiza el cálculo de los puntos 2 a 5 tantas veces como sea necesario. El menor valor de la función objetivo corresponde al valor de los parámetros de la parábola que aproxima la serie de precios de forma óptima.
Entonces, probablemente sea posible calcular los parámetros condicionalmente hablando "cuasi-dispersión" y "cuasi-SCO" a partir del valor óptimo obtenido de la función objetivo. Sobre esta base, además de la parábola existente podemos dibujar varias parábolas más en el gráfico de precios que tienen condicionalmente las características de probabilidad numérica y que encarnan las líneas del campo potencial que tienen la misma probabilidad de la inversión de la tendencia. Por ejemplo, las líneas de 70%, 80%, 90% de probabilidad de inversión.
Vladislav, ¿crees que me estoy moviendo en la dirección correcta de entender tu estrategia o no entiendo nada en absoluto y he ido en una dirección completamente diferente?
He olvidado el curso de VM, puede que me equivoque, pero puedes probar esto:
La distancia más corta de un punto a una parábola sería la distancia del punto a lo largo de la línea que coincide con la normal.
La normal a la parábola se puede calcular mediante la primera derivada, (la derivada es la tangente del ángulo de inclinación de la tangente).
por lo que se puede construir un sistema de ecuaciones:
1. la ecuación de la parábola.
2. la ecuación de la recta (normal) (conociendo la derivada)
3. el punto que pertenece a la ecuación de la recta (normal)
Si resolvemos el sistema, obtenemos una solución rigurosa.