Densidad de la serie numérica
Mi algoritmo:
1. Encuentra la diferencia entre los números - esto es sólo su proximidad entre sí.
2. Si el número es menor que el valor medio de los deltas obtenidos del punto 1, entonces - 1, y si no - 0.
3. si el valor del paso 2 es 1, entonces se añade el valor al total anterior, si no - 0.
4. Encuentra el valor máximo del punto 3.
5. Defina el rango - encuentre el valor del punto 4 y busque en el punto 3 el número con valor cero, luego incremente el número encontrado en uno.
De este modo, obtenemos el rango de números cuya densidad es la más alta en relación con los demás.
| NO.P./P. | Número | Delta | Valores de proximidad | Cierre sucesivo | Máximo | Denso |
|---|---|---|---|---|---|---|
| 1 | 3 | 4 | 3 | |||
| 2 | 5 | 2 | 1 | 1 | 5 | |
| 3 | 6 | 1 | 1 | 2 | 6 | |
| 4 | 7 | 1 | 1 | 3 | 7 | |
| 5 | 8 | 1 | 1 | 4 | 8 | |
| 6 | 23 | 15 | 0 | 0 | ||
| 7 | 27 | 4 | 1 | 1 | ||
| 8 | 34 | 7 | 0 | 0 | ||
| 9 | 36 | 2 | 1 | 1 | ||
| 10 | 55 | 19 | 0 | 0 |
Sin embargo, pueden surgir zonas de igual densidad, según esta metodología
| NO. P./P. | Número | Delta | Valores de proximidad | Cierre sucesivo | Máximo | Denso |
|---|---|---|---|---|---|---|
| 1 | 11 | 2 | ||||
| 2 | 12 | 1 | 1 | 1 | ||
| 3 | 18 | 6 | 0 | 0 | 18 | |
| 4 | 21 | 3 | 1 | 1 | 21 | |
| 5 | 22 | 1 | 1 | 2 | 22 | |
| 6 | 28 | 6 | 0 | 0 | ||
| 7 | 36 | 8 | 0 | 0 | 36 | |
| 8 | 37 | 1 | 1 | 1 | 37 | |
| 9 | 39 | 2 | 1 | 2 | 39 | |
| 10 | 55 | 16 | 0 | 0 |
Se esperan comentarios e ideas críticas.
Corregido el primer post - en el cálculo de la tabla se tuvo en cuenta la primera fila - no es necesario hacerlo, porque estamos buscando el delta y aparece a partir del segundo número. De hecho, encontrando el delta de la segunda columna averiguamos lo cerca que está el primer número del segundo. Teniendo en cuenta lo anterior, quiero llamar la atención sobre el hecho de que la columna "Dense" (números) obtiene el primer número de la secuencia (el valor de cero en la columna "Proximidad en una fila"), es decir, en la columna "Máximo" pares de números, por lo que el número real de dígitos siempre será uno más.
Por qué me molesto en este cálculo - Tengo una teoría sobre la densidad de las nubes de resistencia según la cual cuanto más densa es la acumulación de niveles de resistencia probables, más probable es el retroceso del mercado. Es decir, esta teoría es aplicable a la determinación de los niveles de soporte y resistencia teniendo en cuenta la dinámica del mercado, y por lo tanto, en teoría, debería ayudar a determinar los puntos de entrada y salida con mayor probabilidad - planeo usarlo para determinar el punto de toma de ganancias.
Una forma de proceder si hay varios grupos es determinar la densidad de ese grupo mediante la fórmula (Número máximo en el grupo-Número mínimo en el grupo)/(Número de números en el grupo). Cuanto más pequeño sea el valor, más densos serán los números entre sí.
| NO.P./P. | Número | Delta | Valores más cercanos | Más cerca en la sucesión | Máximo | Denso | Densidad |
|---|---|---|---|---|---|---|---|
| 1 | 11 | 2 | |||||
| 2 | 12 | 1 | 1 | 1 | |||
| 3 | 18 | 6 | 0 | 0 | 18 | 1,33 | |
| 4 | 21 | 3 | 1 | 1 | 21 | ||
| 5 | 22 | 1 | 1 | 2 | 22 | ||
| 6 | 28 | 6 | 0 | 0 | |||
| 7 | 36 | 8 | 0 | 0 | 36 | 1,00 | |
| 8 | 37 | 1 | 1 | 1 | 37 | ||
| 9 | 39 | 2 | 1 | 2 | 39 | ||
| 10 | 55 | 16 | 0 | 0 |
una versión antigua, pero posiblemente en vivo es si usted busca en Google "Market Profile MT5 - tradeliakeapro"
Tome cualquier indicador de Perfil de Mercado y vea como calcula la densidad de precios en niveles, como este, también calcula los volúmenes.
una versión antigua, pero posiblemente en vivo es si usted busca en Google "MT5 Market Profile - tradeliakeapro"
El perfil de mercado es un número recurrente de golpes de precio en un rango - este rango se establece a mano (paso) y luego el número total de barras se asigna simplemente a los grupos. Me refiero a la definición de un rango - otra tarea.
La tarea está infrautilizada. Trató de averiguar el objetivo del algoritmo en el segundo post, pero en él:
" 2. Si el número es menor que el valor medio de los deltas obtenidos del punto 1, entonces - 1, y si no - 0.
3. si el valor del paso 2 es 1, entonces se añade el valor al total anterior, si no - 0".
El resultado del punto 2 puede ser sólo 0 y -1, mientras que el punto 3 necesita +1.
Los problemas de búsqueda de conglomerados suelen denominarse clustering. Puede ser difícil si se buscan grupos por una serie de características: por ejemplo, apilar calcetines de hombre que sean cercanos en tamaño y color. En tu caso, con una sola característica, creo que es suficiente con establecer una condición de agrupación de un solo valor, y el algoritmo es fácil de encontrar. Ejemplo: encontrar el mayor grupo de niveles, cuya expansión dará lugar a un valor de densidad más bajo, calculado por la fórmula tal y tal. Por ejemplo, la fórmula es: densidad = número de niveles en el grupo dividido por la longitud del rango del curso que cubre (e incluso esta fórmula más simple falla en un grupo de un nivel). También hay una cuestión: cuántas veces hay que contar el mismo nivel si se produce varias veces en el historial.
También existe un análogo en la teoría de la probabilidad: el modo de distribución. Se puede encontrar fácilmente si la distribución es unimodal, es decir, la densidad de probabilidad tiene exactamente un máximo. Pero se necesita un criterio para seleccionar la zona adecuada en términos de anchura.
La tarea está infrautilizada. Trató de averiguar el objetivo del algoritmo en el segundo post, pero en él:
" 2. Si el número es menor que el valor medio de los deltas obtenidos del punto 1, entonces - 1, y si no - 0.
3. si el valor del paso 2 es 1, entonces se añade el valor al total anterior, si no - 0".
En este caso, el signo "-" se utiliza como un guión, no como un signo menos. Aquí están las fórmulas de Excel (coordenadas considerando la inserción de la tabla en la esquina superior izquierda)
1. =B3-B2
2. =IF(CF($C$3:$C$11)>C3;1;0)
3. =IF(D3=0;0;E2+D3)
4. =MAX(E2:E11)
5. Todavía no hay una fórmula: lo definimos visualmente.
6. =(G6-G2)/(F2+1)
La sexta fórmula es semiautomática - hay que corregir los números máximos y mínimos de una serie según sea necesario, además creo que sería más correcto calcular no la diferencia de enteros del divisible, sino sumar el delta y dividirlo por el número de pares. La fórmula es =SUMA(C3:C6)/F2
Ejemplo 1
| P./P. | Número | Delta | Valores de proximidad | Proximidad en una fila | Máximo | Denso | Densidad | Densidad v2 |
|---|---|---|---|---|---|---|---|---|
| 1 | 3 | 4 | 3 | 1,00 | 1,25 | |||
| 2 | 5 | 2 | 1 | 1 | 5 | |||
| 3 | 6 | 1 | 1 | 2 | 6 | |||
| 4 | 7 | 1 | 1 | 3 | 7 | |||
| 5 | 8 | 1 | 1 | 4 | 8 | |||
| 6 | 23 | 15 | 0 | 0 | ||||
| 7 | 27 | 4 | 1 | 1 | ||||
| 8 | 34 | 7 | 0 | 0 | ||||
| 9 | 36 | 2 | 1 | 1 | ||||
| 10 | 55 | 19 | 0 | 0 |
Ejemplo 2
| NO.P./P. | Número | Delta | Valores de proximidad | Cierre sucesivo | Máximo | Denso | Densidad | Densidad v2 |
|---|---|---|---|---|---|---|---|---|
| 1 | 11 | 2 | ||||||
| 2 | 12 | 1 | 1 | 1 | ||||
| 3 | 18 | 6 | 0 | 0 | 18 | 1,33 | 2,00 | |
| 4 | 21 | 3 | 1 | 1 | 21 | |||
| 5 | 22 | 1 | 1 | 2 | 22 | |||
| 6 | 28 | 6 | 0 | 0 | ||||
| 7 | 36 | 8 | 0 | 0 | 36 | 1,00 | 1,50 | |
| 8 | 37 | 1 | 1 | 1 | 37 | |||
| 9 | 39 | 2 | 1 | 2 | 39 | |||
| 10 | 55 | 16 | 0 | 0 |
Las tareas de búsqueda de conglomerados suelen denominarse clustering. Pueden ser complicados si se buscan grupos en función de varias características a la vez: apilar calcetines de hombre cercanos en talla y color, por ejemplo. En tu caso, con una sola característica, creo que es suficiente con establecer una condición de agrupación de un solo valor, y el algoritmo es fácil de encontrar. Ejemplo: encontrar el mayor grupo de niveles, cuya expansión dará lugar a un valor de densidad más bajo, calculado por la fórmula tal y tal. Por ejemplo, la fórmula es: densidad = número de niveles en el grupo dividido por la longitud del rango del curso que cubre (e incluso esta fórmula más simple falla en un grupo de un nivel). También hay una cuestión: cuántas veces hay que contar el mismo nivel si se produce varias veces en el historial.
También existe un análogo en la teoría de la probabilidad: el modo de distribución. Se puede encontrar fácilmente si la distribución es unimodal, es decir, la densidad de probabilidad tiene exactamente un máximo. Pero necesitaré un criterio para seleccionar el área requerida por el ancho.
Gracias por su atención. Excurso teórico es útil, si usted puede ver el efecto de los conocimientos en la práctica - me dio los datos originales, mostró lo que el resultado, y estaría agradecido si usted hace los cálculos con fórmulas y explicaciones en Excel, y mostrar los resultados. Las tareas con la búsqueda de calcetines no son aplicables aquí, porque hay una búsqueda de una característica similar, y estamos en el avance esta característica no se conoce. Cómo aplicar el módulo aquí no entiendo, pero, de nuevo, si he entendido bien - es necesario especificar el rango de entrar en el grupo por sí mismo, y elimina la solución.
Respondiendo a la pregunta "También hay una pregunta: ¿cuántas veces contar el mismo nivel, si se produce más de una vez en la historia", si he entendido bien, la pregunta es cómo ser si la secuencia numérica de dígitos se repite - a primera vista el delta entre ellos será cero, que es un signo de alta densidad y no debe destruir el algoritmo anterior.
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Propongo discutir los algoritmos y métodos para encontrar la densidad de los números si estos son conocidos.
Por ejemplo, hay 10 números: ¿cómo encontrar el rango de números que tienen una mayor densidad en relación con los números disponibles?
Publicaré mis pensamientos un poco más tarde, pero mientras tanto me gustaría escuchar sus opiniones.