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
He echado un vistazo al caso del 2 de febrero.
En micro 1H (se podría decir que DC nos cuida, los extremos locales no se superponen:)
En la cuenta nd
en esn
Así que sigo perfeccionando la teoría de los fractales. Anteriormente demostré la invalidez de la estimación de la RS de la dispersión propuesta por Peters para identificar series deterministas. Sin embargo, su metodología es, sin duda, un poderoso pivote teórico que aúna método y teoría. Por lo tanto, he abandonado por completo el método particular de RS y he desarrollado mi propio cálculo no trivial del valor de la "dispersión de partículas". Por el momento no me inclino a revelarlo por completo, ya que el método está destinado estrictamente a aplicaciones prácticas y sigue siendo extremadamente prometedor. Sólo puedo decir que todos los cálculos se basan en el indicador ZigZag. Se trata de un indicador muy plástico que puede trabajar eficazmente tanto con series altamente deterministas como con series de datos aleatorios.
Así que, como se ha mencionado anteriormente, la definición clásica de la anchura de la RS sobreestima la estimación de Hearst en una cantidad significativa. Además, este método es muy poco sensible a los datos de los precios, ya que sólo se seleccionan dos máximos y mínimos del rango y su diferencia se normaliza a la desviación estándar de la serie para este periodo. Como resultado, el coeficiente de Hearst estaba sobreestimado independientemente del tipo de serie analizada y siempre se situaba en torno a 0,52-0,53 debido a la baja sensibilidad y a un detrimento erróneo del periodo analizado. Además, el rango R/S del paseo aleatorio era estadísticamente indistinguible de la serie de mercado. Todo ello imposibilitó el uso de esta metodología en estudios posteriores. Mi método no tiene todas estas desventajas. A diferencia del antiguo método de Peters, puede funcionar con horizontes de cualquier longitud (el método de Peters sólo a partir de 100 periodos de retraso, hasta entonces obedece a una ley de crecimiento diferente). Además, concuerda bien con la teoría que predice una partícula fugitiva con velocidad T^0,5. Entonces, publico el gráfico:
¿Qué muestra este gráfico? En primer lugar, el coeficiente de Hurst, que especifica el ángulo de regresión lineal para los datos aleatorios, es totalmente coherente con el valor previsto de 0,5. La desviación de la trama RTS es cualitativamente diferente de la desviación aleatoria, normalmente distribuida, y es de 0,53 Hurst. En comparación con los cálculos anteriores, se trata de un verdadero avance. Las matemáticas realmente funcionan y confirman los efectos predichos por la teoría fractal. Podemos decir con seguridad que todos los mercados con el Hurst significativamente superior a 0,5 están en tendencia y el mercado "recuerda" su estado pasado.
Ahora lo malo. Hemos descubierto una desagradable peculiaridad de la dependencia de la estimación del tipo de distribución de la serie. Esto es muy, muy malo. En este caso, podemos ver que la estimación sobrestima los resultados en las distribuciones artificiales de Paretto-Levy (se tomó el volumen real y se generaron barras aleatorias basadas en él). Pero aun así, sigue habiendo margen para un delta estadísticamente significativo entre los mercados reales y los generados artificialmente. Parece que el principal problema está en la normalización de la volatilidad. Al parecer, tendremos que perfeccionar significativamente los métodos de normalización de manera que el tipo de distribución no afecte a las estimaciones del componente determinista.
En cualquier caso, el progreso es evidente. He conseguido identificar diferencias cualitativas entre el componente aleatorio y el no aleatorio. En el futuro, espero llevar esta investigación a una muestra de trabajo.
En cualquier caso, el progreso es evidente. Hemos podido identificar diferencias cualitativas entre el componente aleatorio y el no aleatorio. En el futuro, espero llevar esta investigación a una muestra de trabajo.
Muy curioso.
¡Bien por ti!
Esperando la secuela...
;)
Me pregunto si el RTS sale superdifuso a 0,53. Y en los pares de divisas estaba obteniendo sub (0,47-0,48) en todas partes.
A modo de tontería...
La influencia del medio en la difusión puede ser de dos tipos: cuando la interacción con él quita, en promedio, energía a una partícula perdida, lo que conduce a una menor velocidad de dispersión, en cuyo caso observamos subdifusión (índice inferior a 0,5), o cuando la interacción, por el contrario, aumenta la energía cinética, y entonces tenemos superdifusión (respectivamente, más de 0,5). Si tomamos un cociente, la prevalencia de las órdenes stop en la media da la primera variante, mientras que las órdenes limitadas dan la segunda. ¿Qué le parece esta explicación?
Si es correcto, podemos trazar una estrategia: identificamos los niveles de concentración de las órdenes en el primer paso y fijamos puntos en la continuación del movimiento desde este nivel para los instrumentos con R/S>0,5 y en el rebote para R/S<0,5
Si esto es correcto, podemos trazar una estrategia: en el primer paso, identificamos los niveles de concentración de órdenes, y apostamos por la continuación del movimiento desde este nivel para los instrumentos con R/S>0,5 y por el rebote para R/S<0,5
¿Qué tiene esto de mejor que trabajar, por ejemplo, en mash-ups? - De todos modos, no puedes evitar el retraso. Y +-0,1...0,2 no es una diferencia tan grande con respecto a la base de 0,5, que se pueda obtener algo útil de ella. Por supuesto.
Me pregunto si el RTS sale superdifuso a 0,53. Y en los pares de divisas estaba obteniendo sub (0,47-0,48) en todas partes.
A modo de tontería...
La influencia del medio en la difusión puede ser de dos tipos: cuando la interacción con él quita, en promedio, energía a una partícula perdida, lo que conduce a una menor velocidad de dispersión, en cuyo caso observamos subdifusión (índice inferior a 0,5), o cuando la interacción, por el contrario, aumenta la energía cinética, y entonces tenemos superdifusión (respectivamente, más de 0,5). Si tomamos un cociente, la prevalencia de las órdenes stop en la media da la primera variante, mientras que las órdenes limitadas dan la segunda. ¿Qué le parece esta explicación?
Si es correcto, podemos trazar una estrategia: identificamos los niveles de concentración de las órdenes en el primer paso y fijamos el precio para los instrumentos con R/S>0,5 para que continúe el movimiento desde este nivel y para que repunte para los instrumentos con R/S<0,5
Hasta ahora, he probado varios instrumentos y todos ellos tenían una buena calidad de Hirst por encima de 0,5. Estos fueron: General Electric (1965-2012), IBM (1962-2012), SP500 (1952-1912), T-Bond 30 (1970-1912). Esto es totalmente coherente con los efectos previstos de la FMH. También Peters menciona que todos los pares de divisas tienen un fuerte componente de tendencia (Hearst fuertemente superior a 0,5), con una memoria de proceso infinita (no se ha identificado el límite de la historia existente).
En este caso se trata más bien del método en sí. Si su método da en la Norma. El azar es exactamente 0,5 y en las monedas es 0,47-0,48 - entonces su metodología debe ser cuidadosamente estudiada. Teóricamente, los mercados no deberían dividirse en tendencia y antitendencia. En Peters todos los mercados estudiados tenían H por encima de 0,5. De nuevo, teóricamente, incluso diferentes horizontes de inversión del mismo mercado deberían ser fractales (autosimilares) entre sí y, por tanto, estar perfectamente alineados. Aquí el grado de fractalidad se puede estimar por el valor de la fiabilidad de aproximación R^2 de esta misma línea. Cuanto más se acerque a 1, más autosimilares y unificados estarán los horizontes de inversión. Es decir, no puede darse el caso de que un horizonte sea tendencial y el otro antitendencial, seguido del horizonte tendencial de nuevo. Pero esto es teórico. Prácticamente vemos que aunque en la primera aproximación es cierto, en general observamos algunos efectos curiosos en horizontes pequeños (sobre ello más adelante) y también la línea de divergencia no es perfectamente suave (aunque los datos se utilizaron tanto como los aleatorios). Pero es más probable que muestre el efecto de la no estacionalidad, pero sobre eso también más adelante.
Lo que es interesante, en un horizonte de inversión de 3 a 30 minutos desde 2009, podemos ver un débil componente antipersistente en RTS. Hearst, es un poco menos de 0,5 y, sin embargo, es estadísticamente significativo. Tal vez sea el mismo efecto que muestra el ACF (débil correlación negativa de las barras vecinas). Pero por otro lado, ¡no hay antipersistencia en la historia anterior! Parece que algo ha aparecido en el horizonte inferior del RTS después de 2009 y ha cambiado la estructura del horizonte del mercado. Tal vez, se trata de los mismos robots que trabajan en el rebote de la acumulación de grandes pedidos. De todos modos, el lunes estaré en la oficina y publicaré este interesante gráfico.
Órdenes de límite y de tope - probablemente, tienen efectos diferentes en el mercado. Pero creo que su horizonte es muy limitado en un día. El horizonte a partir de una hora muestra efectos mucho más fuertes que hacen que los efectos causados por las órdenes pendientes sean estadísticamente indistinguibles.
¿Qué tiene esto de mejor que trabajar, por ejemplo, en mash-ups? - De todos modos, no puedes evitar el retraso. Y +-0,1...0,2 no es una diferencia tan grande con respecto a la base de 0,5, que se pueda obtener algo útil de ella. Por supuesto.
Bueno, es la temperatura en toda la sala, ¡y ya está hasta 0,03 grados por encima de la norma! Y los casos individuales pueden ser aún más interesantes. Además, no olvides que estamos trabajando en una escala de potencia en medidas logarítmicas. Una desviación de 0,03 ya da un 1,48% de ventaja sobre 100 ticks, que no es mucho, pero es suficiente para pagar el spread.
Bueno, esa es la temperatura del pabellón en su conjunto, ¡y ya es 0,03 grados más alta de lo normal! Y los casos individuales pueden ser aún más interesantes. Sobre todo no olvides que estamos trabajando con una escala de potencia en medidas logarítmicas. Una desviación de 0,03 ya da un 1,48% de ventaja sobre 100 ticks, que no es mucho, pero ya es suficiente para pagar el spread.
Bueno, esta es la temperatura de toda la cámara, ¡y ya es 0,03 grados más alta de lo normal! Y los casos individuales pueden ser aún más interesantes. Sobre todo no olvides que estamos trabajando con una escala de potencia en medidas logarítmicas. Una desviación de 0,03 ya da un 1,48% de ventaja sobre 100 ticks, no es mucho, pero es suficiente para pagar el spread.
¡Qué bonito resulta todo! :-)
¿Se pueden adjuntar (complementar ) estos estudios o se puede dibujar algo similar (autosuficiente para el filtro) para la misma conexión simple a un búho de comercio como un filtro de tendencia plana?
Aquí está mi parte de la señal del búho de la tendencia utilizando las lecturas del indicador iVAR .