Para el seguimiento - página 25
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
Parece que me he excedido en mi búsqueda de la brevedad. Lo que yo entiendo de la hipótesis de Avals es que al hacer hipótesis "subjetivas" utilizamos nuestra comprensión del funcionamiento del mercado, es decir, la información externa. En esencia, vamos más allá del AT (ahí, eres el primero en utilizar el término :) ). Esto supone un filtro adicional, sin cuya aplicación no veremos más que ruido en el mercado.
Sí, eso es lo que quería decir. La hipótesis nula es por qué el sistema gana dinero en el mercado. Entonces la respuesta a la pregunta cuando gana está lógicamente relacionada con la anterior. El contexto es la respuesta a la pregunta de cuándo gana el sistema. Si no hay un nivel cero, entonces el sistema será un chamanismo con algunos derivados del precio y el ajuste a la historia o a la desconocida "fase de mercado". Incluso si realmente funcionara, no está claro por qué funciona y cuándo y qué debería ajustarse para que siga funcionando y cuándo no debería funcionar en absoluto.
есть только один алгоритм, который формирует все фазовое пространство, которое, в свою очередь, определяется параметризацией рынка. Этот алгоритм является следствием не моих или твоих представлений о контексте, а указанием (если хочешь - прямым) всех точек истории, в которых должны приниматься торговые решения. То есть здесь рулит именно принцип наибольшего (с точки зрения создателя ТС) профита. Эти точки отображаются в фазовом пространстве. Если они группируются, то получаются контекстные области - типы контекста. Сколько их получится заранее неизвестно.
Todavía me remuerde la conciencia por la distorsión de la posición de Yuri. Buscando una breve formulación de su posición, me detuve en el párrafo citado anteriormente. Ahora, permítanme desglosarlo hasta el hueso.
... sólo hay un algoritmo que forma todo el espacio de fases, que a su vez está determinado por la parametrización del mercado.
Este algoritmo es una consecuencia no de mis ideas o de las tuyas sobre el contexto, sino una indicación (si quieres - directa) de todos los puntos de la historia, en los que se deben tomar las decisiones comerciales. Es decir, aquí rige el principio del mayor beneficio (desde el punto de vista del creador de la CT).
Estos puntos se muestran en el espacio de fase. Si se agrupan, se obtienen áreas de contexto: tipos de contexto. No se sabe de antemano cuántos serán.
Ahora sí que se trata de "aprender" de la historia. Sin embargo, no hay un conjunto de ejemplos negativos, sólo se muestran los puntos "buenos". Así, la cuestión de la determinación en tiempo real de los puntos de entrada queda en el aire, porque nada prohíbe que los puntos "malos" se encuentren en las mismas zonas contextuales que los buenos. De hecho, según mi experiencia, es ahí donde suelen acabar :) .
Puede que no sea muy obvio, pero es una característica de clasificación muy importante: debido a la ausencia de ejemplos negativos no es posible la optimización, sólo es posible la comprobación de las suposiciones iniciales. Es decir, el enfoque descrito vuelve a caer en el primer tipo.
Продолжая мысль о возможных координатах.
¿Y los ejes? ¿O es sólo una ilustración de una de las formas en que la humanidad sabe representar la información?
А что по осям? Или это просто иллюстрация одного из известных человечеству способов представления информации?
están firmados.
Y previamente definido.
A través de ciertos personajes: el observador "Byduge" y el "Perro ladrador". ;)
Pero la cuestión es con qué tipo de inductor medir cada uno.
-----
Si el interés por el tema continúa, un poco más tarde, continuaré el razonamiento.
Y se expresarán hipótesis sobre el comportamiento óptimo en cada área.
они подписаны.
И ранее определены..
Ah, pensaba que las inscripciones se referían a números y/o zonas. Me pueden dar un enlace a las definiciones, definitivamente las he echado de menos.
leer el razonamiento anterior.
Aunque se trata de personajes ideales, los requisitos de sus características están perfilados.
¿Es esto una consecuencia de la tendencia global durante el periodo de "información" o hubo rendimientos que no entraron ni en la primera ni en la segunda muestra?
Una consecuencia de la tendencia. Comprar y mantener está funcionando en positivo para ese periodo :)
Las devoluciones no se han tirado ni se han perdido.
Pero es asimétrico a los movimientos de subida y bajada, ¿no te confunde?
Характер движений вверх и вниз сам по себе разный.
Este parece ser el caso, pero podría ser una consecuencia del contexto global. Es decir, cuando cambie tendrá que cambiar eurusd por usdeur :)
P.D. Yuri, debo haber intentado confundir a los lectores en todo o en parte de este post sobre tu planteamiento, ¿tal vez podrías formularlo brevemente tú mismo (si es posible, sin perjuicio de la corrección)?
De ninguna manera, de ninguna manera. Ya he puesto mucho empeño en ello. ¿Qué sentido tiene repetir todo de nuevo? Quien lo desee puede simplemente releer nuestras polémicas.
Pero haré un par de observaciones sobre su comparación de dos enfoques.
Parece que aquí podemos identificar el microcontexto con el parámetro de estado, es decir, coincide más bien con el enfoque de Yuri.
Vemos que avanzamos una hipótesis de que la división en contextos por una característica particular (o conjunto de ellas) permitirá hacer positiva la expectativa de pago. Y a continuación se comprueba esta hipótesis en el comercio en tiempo real (o su imitación en la historia).
Yo añadiría: es posible identificar el microcontexto con el área de valores de los parámetros de estado. Por lo demás, todo es correcto. Teniendo en cuenta todo lo que se ha dicho antes.
El segundo enfoque que he intentado formular en este hilo es que primero rompemos el historial en contextos utilizando un algoritmo preseleccionado para obtener señales de trading. A continuación, dividimos el conjunto de contextos obtenido en dos (o más) subconjuntos (tipos de contexto), a cada uno de los cuales se le asignará una u otra táctica (estrategia) de negociación. A continuación, tratamos de encontrar un algoritmo para reconocer los tipos de contexto en tiempo real. Se hace de la misma manera que en el primer caso, formulando hipótesis sobre el efecto de determinados parámetros de estado en el resultado y poniéndolas a prueba. En términos de redes neuronales, en realidad formamos muestras de entrenamiento "buenas" y "malas". Aunque, por supuesto, la NS es sólo un posible enfoque del problema.
Lo más curioso de tu post. Me atreví a hacer algunos extractos de ella:
1. Primero descomponemos el historial en contextos utilizando un algoritmo preseleccionado para obtener señales de trading.
2. dividimos el conjunto de contextos obtenido en dos (o más) subconjuntos (tipos de contexto)
3. intentamos encontrar un algoritmo para reconocer los tipos de contexto en tiempo real.
Es decir, el algoritmo para obtener señales de trading - una cosa tan altamente subjetiva que depende totalmente de nuestras ideas personales sobre la estrategia, las señales y el procedimiento para obtenerlas - se convierte en la base de nuestra (propia mano) separación de la historia en contextos. A continuación, los dividimos en tipos. Como no se da ningún criterio objetivo para ello, parece que también se basa en nuestras propias percepciones/preferencias/opiniones. Y después de todo este gigantesco trabajo tenemos que lidiar con la solución de un problema que hemos creado nosotros mismos: ¿cómo los reconocemos ahora?
En estos términos, en el primer enfoque, las operaciones de selección y reconocimiento son simplemente las mismas.
El primer enfoque parece menos objetivo, es decir, el segundo parece más adecuado para minimizar los riesgos y maximizar los beneficios. En primer lugar, por el algoritmo de separación de contextos orientado al beneficio, y en segundo lugar, por la posibilidad de aplicar métodos de optimización matemática. Mientras que la primera, en su forma pura, no debería ser objeto de ninguna optimización. En mi opinión, por supuesto.
El primer enfoque no puede parecer menos objetivo, porque sencillamente no existe algo menos objetivo. No he visto ninguna base objetiva en el segundo enfoque descrito. En comparación, en el primer enfoque del punto 1, el acto creativo es la parametrización del espacio de fase. Si se adecua a la complejidad del sistema, la partición del espacio de fases en contextos y su clasificación se obtienen automáticamente. Por lo tanto, en el primer enfoque, no son las "operaciones de selección y reconocimiento" sino las operaciones de selección y tipificación de contextos las que coinciden. Y el reconocimiento del contexto en tiempo real (punto 3) es automático. Y no es necesario encontrar un algoritmo especial para ello. Así, todo el primer enfoque se basa en la adecuación de la parametrización. ¿No es un indicador de la objetividad del modelo?
Pero el segundo enfoque, por desgracia, a cada paso se detiene en este mismo "nosotros". ¿Es la objetividad?
En cuanto a la optimización, no estaría especialmente contento. Son los sistemas moldeados subjetivamente con un gran número de parámetros los que ofrecen las más amplias posibilidades de optimización. En segundo lugar, el uso del criterio de maximización de beneficios (sin embargo, no de una estrategia o algoritmo de negociación concreto, sino de uno objetivo) es la fuente misma de la formación del contexto en el primer enfoque. El segundo no tiene ninguna ventaja aquí. Incluso diría que, por el contrario, es inferior debido a su subjetividad. Y en tercer lugar, en el primer enfoque habrá en todo caso parámetros que deben optimizarse. Esto se ha debatido durante mucho tiempo, así que permítanme aclararlo: La mencionada optimización será en su esencia personalizada para un comerciante. Por ejemplo, sobre su horizonte de negociación, su nivel de riesgo, su gestión de la movilidad. Debemos excluir el arbitraje donde no corresponde. Y el comercio es un juego humano, por lo que necesariamente habrá cierto margen para la arbitrariedad.
Sin embargo, me gustaría señalar la suposición de Avals a este respecto: cualquier intento de separar "objetivamente" los contextos debido a los altos niveles de ruido está condenado a fracasar (o a convertirse en un ajuste). La redacción no parece coincidir con la del autor, que corrija si algo está mal.
Afortunadamente hay un elemento de subjetivismo en el segundo esquema también, toda la esperanza para él :) . Por otro lado, también en el primero existe la tentación de "mejorarlo" mediante la optimización o añadiendo parámetros (y de nuevo, la optimización). Lo que, de hecho, acerca este enfoque al segundo, al menos en lo que respecta a los rastrillos y las trampas.
Sólo señalaré una cosa. En el primer enfoque es posible comprobar la eficacia de diferentes parámetros por separado. Y, si un parámetro resulta ser ineficaz, deséchalo definitivamente. Es posible, por ejemplo, comprobar de este modo todos los indicadores de AT, tanto los clásicos como los más nuevos. El trabajo, por supuesto, no es trivial y rutinario. Pero el diagnóstico sí. Por lo tanto, el primer enfoque no necesita añadir parámetros. Sólo necesita parámetros, objetivos y adecuados.
¿Quién lo ha hecho? :-)
Sí, bueno, lo importante es que estés de acuerdo con la clasificación.
En cuanto a la subjetividad del segundo enfoque, creo que dramatizas demasiado la situación. Tenemos un criterio bastante objetivo para el algoritmo de adquisición de señales: el grado de proximidad a las entradas ideales. Sólo podemos clasificar un contexto como "bueno" si nuestras entradas se acercan lo suficiente a las ideales.
El problema que nos creamos a nosotros mismos... bueno, sí, pero al menos tenemos entradas y salidas claramente definidas. Verás, una vez pasé bastante tiempo con entradas perfectas en zigzag. Y como resultado llegué a la conclusión de que tal enfoque no da ningún reconocimiento automático "objetivo" del contexto (en términos de la discusión actual) y ninguna entrada-salida "objetiva". Resulta que cualquier algoritmo ajustado a entradas perfectas produce tantas entradas malas como buenas. Esa es la naturaleza del mercado. Sin embargo, puede que no haya encontrado la parametrización "adecuada". Si lo encuentras, podemos retomar la discusión :).
En cuanto a la optimización, tengo la impresión de que la entiendes sólo como optimización en el probador. Sí, efectivamente, en el primer enfoque es la única forma de optimización disponible.
Sin embargo, según mi nueva creencia, cuanto más subjetivo sea, mejor :) . Así que tu post me ha calentado el alma :) .