una estrategia de negociación basada en la teoría de las ondas de Elliott - página 250
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
Vamos, que era un chiste genial para reírse a carcajadas,
dándose palmaditas en las rodillas y señalando con el dedo. :)
Alexei, ¡buenos días!
Alexei, vamos a fluir un poco más en el tema, ¿de acuerdo? :))
Por favor, ayúdame a insertar una imagen, el explicador ("Cómo insertar imágenes en este foro (explicador)") no explica del todo algo :)
¿Cómo te va con tu cuenta demo? ¿Cuál es ya el balance?
En cuanto a la descripción pasada del gráfico, me refería a:Euro, 1 hora
Grash Si utilizas iteraciones en tu algoritmo puedes intentar utilizar el algoritmo genético. Es posible que pueda acelerar los cálculos. Pregunta: (Si no es un secreto, por supuesto.) Sospecho que estás utilizando algún método de transformación de ondícula complicado por tu cuenta. ¿Estoy en lo cierto?
Además, el cálculo de la previsión tarda entre 3 y 7 horas, dependiendo de la estructura específica de la propia fila... Y esto es bastante...
Grash Si utilizas iteraciones en tu algoritmo puedes intentar utilizar el algoritmo genético. Es posible que pueda acelerar los cálculos. Pregunta: (Si no es un secreto, por supuesto.) Sospecho que estás usando algún método complicado de transformación de ondículas propio. ¿Estoy en lo cierto?
Tienes razón, uso wavelets, pero todo dentro de la teoría, nada de amateurismo.
En este momento estoy trabajando en un algoritmo genético.
El EVA puede considerarse como un conjunto de patrones de acción de dinámica caótica.
Además, el conjunto está lejos de ser perfecto. Existe un sistema de análisis más avanzado (y estrictamente justificado): Tactica Adversa.
Por cierto, en principio no me gusta el enfoque estocástico.
(es decir, ¿cómo puede ser que no sepa si estoy comprando caro o barato...? no tiene sentido; absolutamente siempre hay un "precio justo"... "s.c." por ciudad, por país, por mundo, con/sin tener en cuenta ciertos parámetros, pero _es_ de todos modos)
De las ideas del determinismo, entiendo que la dinámica no lineal es la más desarrollada y se ajusta a nuestro caso...
¡Atención, pregunta!
¿hay enfoques más eficaces? (redes/teoría del juego/vibraciones, etc.)
Las matemáticas, por desgracia, las estudio hace muy poco, así que no sé qué más se puede aplicar...
P.D. por cierto, un divertido documento sobre el cambio de probabilidad en el caos que saqué de la red... Lo pongo ahí fuera...
http://tovaroved.lv/nonlin/p7-14.pdf
P.P.S. En todo caso, la terminología está descrita en el libro de texto "Dynamic Chaos" de Kuznezov
Mi zona de pivote calculada se representa como un rectángulo y es relativamente larga en el tiempo. Entonces, tuve la necesidad de hacer miniprevisiones, por supuesto, por "avaricia natural" y empecé a hacerlo "a pulmón".
Según mi idea, la miniprevisión empieza a funcionar en cuanto entra en esa zona de giro. El único objetivo es definir al máximo el extremo local para una operación óptima conociendo la dirección prevista del movimiento del precio y las condiciones de contorno: la zona del punto de giro y la posición actual del precio en ella. El algoritmo de identificación de un extremo local en el cuadrado de giro basado en la miniprevisión probablemente no sea de interés para nadie, excepto para mí. Pero la miniprevisión en sí es una tarea muy interesante.
El asunto se agrava por el hecho de que no puedo utilizar un método bien probado basado también en el índice de Hurst - el tamaño de la muestra es demasiado pequeño y resulta paradójico - el valor del pronóstico es pequeño.
He decidido investigar diferentes variantes una por una y aquí comparto los resultados de mi primer intento. Por lo tanto, todavía no uso la autocorrelación y otros trucos. Para empezar es sencillo: el proceso se representa como una superposición de varias funciones preseleccionadas:
He definido lo siguiente como tales funciones:
(1) Línea de expectativa matemática (línea recta horizontal)
(2) Regresión lineal
(3) Regresión parabólica
(4) Armónica
(5) y algunas más...
Como la previsión debe hacerse para un número pequeño de barras por delante, asumo que los patrones básicos de cada función se mantendrán aproximadamente. Por ejemplo, el periodo encontrado para el armónico se mantendrá durante un determinado número mínimo de compases. Y la superposición de estas funciones debería mostrar valores "más o menos correctos". Sí, sé que esto definitivamente nunca sucederá, pero definitivamente no lo necesito, y podría funcionar.
El algoritmo básico
(1) Encontrar los coeficientes óptimos para cada función por el método de mínimos cuadrados, por supuesto, a excepción de la línea de expectativa matemática :o)
(2) Encontrar los coeficientes de una superposición lineal de funciones previamente definidas utilizando el método de los mínimos cuadrados
Recuérdame, el punto de tal predicción no es jugar en un canal, sino encontrar un extremo local. Sólo hay un parámetro de entrada, es el tamaño de la muestra para la predicción. Supongo que el valor máximo de previsión no debería ser superior a 1/3 de una muestra. Utilizo (H+L)/2 como entrada para el cálculo.
Número total de muestras en la muestra de prueba..............................................................50139
Número de la barra actual tomada al azar..............................................................................25000
Número de barras en la muestra...............................................................................................18
Entonces, seleccioné la barra actual al azar y esto es lo que obtuve:
Líneas negras escalonadas - Máximo y Mínimo correspondientes, línea roja sólida - función de previsión calculada, líneas rojas discontinuas - desviación estándar de la función de previsión, línea azul discontinua - datos matemáticos
El hecho de que hayamos obtenido una curva parecida a una parábola no es sorprendente. El CNA calcula los coeficientes de tal manera que "gana" la función que más se parece a la fuente de datos.
Los resultados parecen ser alentadores, pero es probable que la previsión deba estar en algún lugar. Manteniendo el parámetro de entrada (número de compases de la muestra), nos desplazamos hacia delante hasta 25010 compases, suponiendo que ya se ha formado. Inmediatamente vemos que el pronóstico miente:
Miente mucho. Pero! Después de haber hecho una docena de experimentos manualmente y de haber escrito una pequeña prueba para toda la muestra me quedó claro que siempre podía encontrar tal N del recuento actual que la previsión según este esquema mostraría buenos resultados. La prueba era muy sencilla: para cada recuento con el paso +1, aumentábamos la muestra para la que habíamos hecho la previsión y luego comprobábamos cuántas barras futuras caían dentro de los límites RMS. Esta prueba confirmó lo que se ha discutido a menudo en este foro. No encontré ninguna muestra para la que fuera imposible encontrar una muestra y realizar la previsión correcta. Para la muestra 25010 había hasta dos valores de este tipo N (ajustados, por supuesto):
14
71
Ahora estoy pensando mucho en el criterio del número de muestras. Por cierto, uno de estos criterios puede verse "a simple vista", si se observan con atención los gráficos. Ahora estoy trabajando en ello. Pero no es suficiente con uno, tengo que idear un par más.
¿A alguien le interesa esto, o todo el mundo sigue leyendo a Pastukhov? :o)))
a Neutron
Sergey, ¿dónde has desaparecido? Estoy tentado de escribir "¡¡¡no te duermas!!!". :о)))
Me parece interesante, aunque en realidad no por el precio, sino por el indicador.
Y parece que incluso los pocos interesados están decepcionados con Pastukhov. ¡Y por nada!
Al final, la discusión se rompió en el punto más interesante: cómo hacer una estrategia de trabajo a partir de las matemáticas.
resultados para hacer una verdadera estrategia de trabajo. No importa, ¿quién lo necesita?
Puede estar seguro de que TODOS están interesados. Tanto Pastukhov como su investigación.
¿Y por qué no utiliza como líneas de puntos rojos no la RMS, sino los límites de los intervalos de confianza, construidos sobre la base de 3 sigmas, o calculados por la de Student, por ejemplo, para un intervalo de confianza del 99%? ¿O tiene algún propósito especial para la construcción de límites elegida? Sólo por curiosidad.