Volúmenes, volatilidad e índice Hearst - página 3
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
En cuanto a la dimensionalidad, que cambia con el tiempo, se pueden utilizar cifras normalizadas. Muy convenientemente en el rango de 0 a 1 dentro de una ventana no temporal. Hace tiempo publiqué varios indicadores que permiten normalizar el volumen, el ATR, la desviación estándar. Una variante del indicador toma una ventana puramente rectangular (a la Stochastic). En el otro - el canal adaptativo.
Aquí está, por ejemplo, una imagen donde Renko Adaptativo está en la ventana 0, y StdDev, ATR y Volumen normalizado en el canal adaptativo están en sub-ventanas. Se pueden ver claramente las rupturas FALSAS del canal Renko - de hecho, por eso lo saqué - para mostrar la utilidad de la estimación de la volatilidad - se puede estimar dónde está el impulso y dónde la corrección.
En el caso de Hearst, todavía sería útil un mayor razonamiento. Clásicamente Hearst es la pendiente de una regresión lineal en un gráfico log-log. Este método es insensible a la presencia de un sustrato, es decir, a la presencia de un multiplicador constante en N. Se sustituye por la pendiente de una semirrecta trazada hacia un punto desde el origen. Esto sólo es correcto si los puntos se encuentran en una línea que pasa por el origen. ¿Tiene un gráfico de puntos de diferentes TFs en coordenadas Log(N) - Log(High-Low) ?
Tienes toda la razón, exactamente a través del origen de las coordenadas. El gráfico en coordenadas Log(N) - Log(High-Low) no lo he construido, no veo la necesidad de hacerlo todavía. En lugar de eso, puedo ofrecerte algo más interesante. ¿Recuerdas los problemas de geometría, que se resolvían construyendo? Parece que el procedimiento de construcción es completamente arbitrario. Pero si es correcto, lleva al resultado correcto. Y aquí hay algo parecido.
¿Recuerdas la construcción de Hurst por Peters? Allí, antes de contar algo, preparó una serie. Con él fue necesario por varias razones. Los valores de esta serie eran de cualquier tipo, por lo que era necesario realizar alguna normalización. Para ello, se calculó la RMS y se normalizó la serie con ella. También se calculó la RMS y se restó de la serie para obtener una suma cero. Y no había tiempo, por cierto. En lugar de tiempo, utilizó números de conteo - los mismos ticks. Y, por supuesto, no pudo decir nada sobre el coeficiente de la fórmula.
Tenemos esta preparación - la construcción de una nueva serie, que tiene tales características que eliminan tanto el RMS como el coeficiente c de la fórmula. Como resultado de la vinculación con la renko-grid, la curva fea del gráfico de precios de 5 dígitos adquiere las siguientes propiedades. Cada tick cambia el precio en 1 punto (Peters sólo podía soñar con esto). Es decir, todos los rendimientos se convierten en +/-1. Por lo tanto, el RMS = 1 también. Ahora imagine una situación en la que el precio va en una dirección todo el tiempo. El gráfico de precios es una línea recta, es decir, R=N (por cada 1 tick el spread aumenta en +1 punto). Obviamente, este es el comportamiento más moderno, que debería llevar a h=1. Es así, porque R=N es la fórmula de determinación de h, donde N entra en 1er grado. Pero también muestra que c=1 y no puede ser de otra manera. Este es, por supuesto, un caso límite, pero c debe ser igual para todos los casos.
Por cierto, los de tres dígitos son aún más estables entonces :) . Interesante.
En ese momento me pregunté. :-) La explicación de "en mis dedos" que he dado arriba no tiene nada que ver con el tamaño del punto. Así que no lo dudes, para los puntos de 3 dígitos el resultado será el mismo. Sólo hay que tener la metodología de la fila para hacer frente a ella. Y, por supuesto, la rejilla de renovación debe ser de 3 dígitos.
Sin embargo, la diferencia para el comerciante será significativa. Si un punto de 3 dígitos contiene 10 piezas de 4 dígitos. 4 dígitos, entonces en el límite de la caminata aleatoria browniana, una garrapata de 3 dígitos debería contener 100 unidades. 4 dígitos. Como dicen, siente la diferencia. Es como ir a un nivel fractal completamente diferente (su forma de decir horizonte). Como pasar de M15 a D1.
Por cierto, la palabra "estabilidad" no encaja aquí. No se trata de la estabilidad, sino de la rapidez con la que se expande el límite de alcance. Si la serie es estacionaria, entonces la expansión de cualquier nivel fractal alcanza el siguiente nivel en un tiempo determinado, etc. En esta situación tienes razón: la volatilidad será la misma en todos los niveles. Si la serie no es estacionaria, las fluctuaciones entre la tendencia y la reversión en un nivel fractal promediado pueden dar una imagen muy diferente en el siguiente nivel.
En cuanto a la dimensionalidad, que cambia con el tiempo, se pueden utilizar cifras normalizadas. Muy convenientemente en el rango de 0 a 1 dentro de una ventana no temporal. Hace algún tiempo publiqué algunos que permiten la normalización del volumen, ATR, st.deviation.
Peter, normalizar al intervalo [0,1] es mi forma favorita de representación de datos. Sin embargo, esta normalización puede ser natural y universal, o puede ser bastante artificial, por ejemplo, en la diferencia (máx. - mín.) de la ventana. En el segundo caso, equivale a una simple compresión proporcional. Esto no es muy informativo.
Lamentablemente no conozco el contenido de su método de normalización, así que no puedo decir nada. Especialmente sobre el racionamiento de volumen, que no creo que tenga nada que ver con el canal de renko.
Peter, la normalización al intervalo [0,1] es mi forma favorita de representación de datos. Sin embargo, esta normalización puede ser natural y universal, o puede ser bastante artificial, como la diferencia (máx. - mín.) de una ventana. En el segundo caso, equivale a una simple compresión proporcional. Esto no es muy informativo.
En términos puramente aritméticos no es equivalente a la compresión proporcional si nos referimos a un coeficiente duro por el que se multiplica el parámetro que se normaliza. Si nos referimos a algo como los logaritmos, no hay ninguna diferencia a efectos de identificar el impulso/las correcciones.
Lamentablemente no conozco el contenido de su método de normalización, así que no puedo decir nada.
Permítanme explicar el método. La figura de la subventana inferior muestra la desviación estándar y el canal adaptativo. Esto es lo que se normaliza por (resultado - 1ª subventana).
Especialmente sobre el racionamiento de volumen, que no creo que tenga nada que ver con el canal de renko.
Ahora imagine una situación en la que el precio va en una dirección todo el tiempo. El gráfico de precios es una línea recta, es decir, R=N (por cada 1 tick el spread aumenta en +1 punto). Obviamente, este es el comportamiento más moderno, que debería llevar a h=1. Es así, porque R=N es la fórmula de determinación de h, donde N entra en 1er grado. Pero también muestra que c=1 y no puede ser de otra manera. Por supuesto, este es un caso límite, pero c debe ser igual para todos los casos.
¿Y para el paseo aleatorio se puede obtener una fórmula general? Pero no te refieras a Einstein, su fórmula de paseo aleatorio es para Close-Open y la necesitas para High-Low. Es crucial para usted que el coeficiente de proporcionalidad en la fórmula del paseo aleatorio sea igual a 1. Pero si es igual a 1 para Close-Open (por supuesto, no recuerdo la fórmula pero creo en su palabra, debe ser 1 para Close-Open), entonces debe ser diferente para High-Low de 1, porque High-Low es siempre mayor que Close-Open (me refiero a la recompensa esperada, por supuesto).
Lo que quiero decir es que cuando se elimina la influencia del filtro primario, el valor propuesto se convierte en una característica bastante objetiva. (Y para las puntuaciones de 4 sobre 5, y aún más para las de 3, la influencia del filtrado primario debería ser significativamente suprimida).Esto significa que a 0,5 la serie es accidental, por encima - de moda y por debajo - reversible.
Para esta característica tenemos que hacer nuestra propia calibración.
¿Se puede obtener una fórmula general para el paseo aleatorio? No te refieras a Einstein, su fórmula para el paseo aleatorio es para Close-Open y tú la necesitas para High-Low. Es crucial para usted que el coeficiente de proporcionalidad en la fórmula del paseo aleatorio sea igual a 1. Pero si es igual a 1 para Close-Open (por supuesto, no recuerdo la salida de la fórmula, pero creo en su palabra, será igual a 1 para Close-Open), entonces debe ser diferente para High-Low de 1, porque High-Low es siempre mayor que Close-Open (me refiero a las expectativas de rial, por supuesto).
La SB en Forex es unidimensional, el precio se mueve sólo hacia arriba y hacia abajo. Einstein derivó una fórmula para el movimiento browniano, que es plano, hay dos coordenadas. Idealmente, el principio de independencia de los movimientos nos permite considerar los movimientos en los ejes por separado. Pero la fórmula de Einstein determina la trayectoria de una partícula browniana, es decir, su alejamiento en el tiempo T del punto de partida. Como comprenderás, aquí no puedes separar los movimientos, porque este alejamiento se determina a partir de las coordenadas por el teorema de Pitágoras. Así que no me referiré a Einstein, sobre todo porque no he utilizado su fórmula ni me he referido a él en ningún sitio.
No entiendo nada de Close-Open. Nunca lo he tenido. El spread se define por High-Low, mientras que Close y Open no juegan ningún papel en este proceso. Es la primera vez que escucho que están en la fórmula de Einstein. Sin embargo, si llama al punto inicial Abierto y al punto final Cerrado, entonces sí. :-)
Sólo he utilizado la fórmula de Hearst, que es en realidad la definición del exponente de Hearst. Para mí, lo más importante es que el coeficiente de esta fórmula es constante y no depende de la naturaleza del movimiento: tendencia o contratendencia. Entonces se puede determinar a partir de algún caso particular.
En cuanto a la fórmula general de la SB, es una tarea interesante. Y puedo resolverlo. Con una condición. Me dices (o me das un enlace) cómo calcular en términos generales la dispersión en el tiempo T, si se conoce la distribución del proceso y su dependencia de T. Pero fallé con el escalamiento y no encontré una fuente.
Es decir, suponer que a 0,5 la serie es aleatoria, por encima de ella es tendencial y por debajo es reversible. Tienes que hacer tu propia calibración para esta característica.
Sí, estoy de acuerdo con esta formulación de la pregunta. Todavía tiene que ser resuelto.
Lo primero que viene al tema de la rama después de enterrar el volumen de ticks es su propio volumen de ticks: un medidor de volatilidad. Sólo un indicador que muestre el número de pequeños ZigZags dentro de una barra grande. Por ejemplo, un indicador de este tipo con un ZigZag con una rodilla mínima de 1pp sería totalmente coherente con el volumen de ticks actual en MT4. Pero dicho ZigZag no puede ser calculado con precisión ya que no hay un historial de ticks y queríamos verlo por fulano. Pero un ZigZag con una rodilla más grande es un asunto diferente. Se podrá ver qué ciclos hay y cómo cambian con el tiempo. Es fácil de aplicar.
Hice un indicador de volumen como se describe:
En este caso no se utilizan volúmenes de ticks. Sólo se toman los datos de precios del marco temporal inferior (parámetro PeriodData).
Todas las mismas ciclicidades son visibles.
En el indicador, el parámetro Pips establece la rodilla mínima del ZigZag en puntos. Por supuesto, para un intervalo de tiempo largo sería mejor establecer este parámetro no en puntos, sino en valores relativos de cambio de precio (la alteración en el código será mínima).
Sí, estoy de acuerdo con ese punto de vista. Todavía tiene que ser resuelto.
Los sintéticos pueden ser calibrados,
Lo hice ayer. Sólo que no calibré, sino que miré lo que mostraba el indicador en una SB limpia. El resultado fue inesperado para mí. El valor medio en M10, H1 y H4 es de alrededor de 0,54. Ahora pienso ¿por qué?
Por supuesto, sería óptimo obtener esta fórmula para la SB de forma analítica. Pero aquí tenemos este problema con la propagación. Qué significa - media del módulo, RMS del paseo aleatorio o algo más - nadie escribe sobre ello.