una estrategia de negociación basada en la teoría de las ondas de Elliott - página 138
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
"¿El objetivo de la visita? - Almuerzo" (c) "Hombres de Negro"
Bien.
:-)))
Si un investigador plantea un experimento con una rata corriendo por un laberinto, y si la rata corre por el camino equivocado, el investigador está más inclinado a creer que la rata está enferma, en lugar de que la experiencia refute su teoría.
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.
Creo que la estimación de las características estadísticas de los patrones es bastante cuestionable en términos prácticos, aunque en Internet se puede encontrar constantemente información sobre intentos de hacerlo. Por ejemplo, la última versión se presenta aquí : "MQL4: The Self-Learning Expert Advisor " Este método se refiere a las redes neuronales. Pero por alguna razón nunca he encontrado características cuantitativas de tales sistemas. ¿Quizás he mirado mal?
Y creo que el problema aquí es que simplemente no se puede tener suficiente historia para estimar los parámetros de los patrones individuales si se seleccionan los patrones para la estimación basada en parámetros más bien estrictos. O si vas a estimar estadísticamente TODAS las combinaciones de barras que se pueden atribuir condicionalmente al concepto de patrón, entonces creo que tendrás una enorme cantidad de todas las posibles modificaciones de patrones que difieren entre sí por un valor estadísticamente insignificante muy pequeño, o las estimaciones estadísticas de los patrones estarán muy manchadas (una gran varianza de las estimaciones). Y en el futuro será muy difícil para un autómata en el comercio real entender a cuál de las modificaciones de patrones existentes en la base que apareció en las últimas barras pertenece ahora. Para que un patrón sea estadísticamente significativo, creo que necesitamos un historial sobre nuestro par de divisas de trabajo, que no tenemos, y todo ello con garantías de que el mercado jugará con las mismas reglas en la muestra que no fue entrenada (en el futuro). En este sentido, un canal de regresión lineal simple está estadísticamente mucho más asegurado. ¿Qué es más fiable? ¿Información sobre el estado del mercado calculada SIEMPRE con un algoritmo simple estándar sobre las últimas 300 barras durante la historia, o información de que estas barras obtenidas recientemente son similares (bien correlacionadas) al valor promedio de 100 instancias del patrón de cabeza y hombros, presente en la historia durante los últimos 5 años? En mi opinión, la regresión es más fiable, ya que es una técnica matemática bien estudiada y elaborada, en comparación con el reconocimiento de patrones, en el que hay demasiadas dependencias de otros factores.
Pero, en mi opinión, la tarea de reconocimiento de patrones puede reducirse a una tarea más sencilla de líneas de tendencia (líneas de resistencia/soporte inclinadas trazadas a lo largo de los extremos). Es decir, muchos patrones clásicos pueden ser sustituidos por un conjunto de líneas de tendencia que se rompen, lo que significará trabajar fuera del patrón. Pero aquí tampoco es tan fácil. Por ejemplo, en este archivo podemos ver la dinámica de un triángulo convergente https://c.mql5.com/mql4/forum/2006/08/triangle.zip.
Se puede ver la salida del triángulo convergente el 8 de agosto. Pero según la descripción clásica de este triángulo, la ruptura debería haber sido sólo al alza. Pero en la práctica el precio subió y bajó, es decir, tanto los toros como los osos recibieron su dinero. Este ejemplo niega inmediatamente el significado del patrón "Triángulo convergente" como tal.
Las líneas de tendencia en los gráficos dados se dibujan sin tener en cuenta las 2 últimas barras. Por eso, cuando se rompe una línea de tendencia se ve claramente qué línea de tendencia se ha roto.
Una versión más completa de la dinámica de las líneas de tendencia para el último mes se puede encontrar aquí "MQL4: Una imagen para el foro metaquotes" solandr 31.08.2006 08:02 (Un archivo RAR multivolumen. Hay 16 partes en total. Una vez que haya descargado todas las partes, cambie la extensión del zip a rar y descomprímalo en WinRAR3.50. Es muy útil para los principiantes en el trading ver este dibujo animado, por ejemplo ACDSee, para entender cómo puede cambiar la tendencia del mercado en el tiempo y qué se puede hacer para minimizar su riesgo.
En mi opinión, trabajar con líneas de tendencia es mucho más fácil que trabajar con patrones multiparamétricos que necesitan ser capturados en datos históricos y luego reunir estadísticas. Las líneas de tendencia son mucho más fáciles. Incluso experimenté con ellos en mi Asesor Experto. Los he utilizado para sustituir un oscilador de confirmación e incluso el indicador Hurst. Y, en general, el resultado obtenido fue muy significativo, claramente diferente de uno completamente aleatorio. Por el momento, he decidido posponer el uso de las líneas de tendencia en mi Asesor Experto durante algún tiempo, ya que según mis observaciones, el cálculo del indicador Hearst proporciona aproximadamente la misma información que las líneas de tendencia, pero utilizando un algoritmo de cálculo más formalizado que es más eficiente en términos de creación y uso práctico de MTS.
Las redes neuronales son más útiles en los ámbitos en los que se pueden calcular de antemano todas las combinaciones posibles que pueden ocurrir en el futuro y simplemente encontrar una confirmación para una u otra variante basada en esas combinaciones en el ruido. Por ejemplo, conociendo de antemano (habiendo registrado los preliminares en un área de prueba, o habiendo calculado todas las posibles variantes de señales sobre la base de un modelo matemático adecuado a la situación) todas las posibles variantes de señales al acercarse un objeto a otro, en el futuro (en el uso real del objeto entrenado de esta manera) es posible encontrar la más cercana de las variantes de señales disponibles y tomar la decisión correspondiente sobre las acciones posteriores del objeto donde se establece el sistema entrenado en redes neuronales. Pero todo esto funciona dentro de los límites de las situaciones disponibles en la base de datos y evolucionará según el algoritmo una vez registrado. Me temo que el forex es más variado en este sentido :o(
Yurixx, creo que te equivocaste al no estar de acuerdo con eso.
¿Por qué no? ¿Por qué lo crees?
Al parecer, en verano la ciencia estaba simplemente de vacaciones ;o). Y ahora que ha comenzado un año académico, hay un estatus más apropiado de un foro científico:
http://www.lib.mexmat.ru/forum/viewtopic.php?t=3254&sid=a6468f00350c4e81f1b818be89ec1869
Gracias por el enlace, lo leeré mañana.