une stratégie commerciale basée sur la théorie des vagues d'Elliott - page 53

 
<br/ translate="no">Je ne comprends honnêtement rien à ce dossier. Il serait intéressant d'entendre les commentaires. Je pense que le risque d'une transaction dans la stratégie Vladislava devrait être calculé uniquement sur la position actuelle du prix dans l'intervalle de confiance, et non sur le générateur de nombres aléatoires. D'après ce que j'ai compris, c'est le générateur de nombres aléatoires qui est utilisé comme point de consigne pour le nombre de transactions dans le fichier ?
.


Dans votre rapport de test, vous pouvez voir que la probabilité d'un trade profitable est d'environ 0,9, tandis que le profit moyen est de 10 pips (~1%) et la perte moyenne de 20 pips (2%). C'est-à-dire si vous ouvrez avec 0,1 lot du dépôt de 1000 $ chez Alpari. Ainsi, si vous faites varier la taille du lot (risque), vous pouvez obtenir des séquences approximatives de transactions et de soldes de probabilité. Encore une fois, en appuyant sur F9, vous verrez que ce sont de très bons résultats, il est impossible de drainer. Bien sûr, si c'est ainsi que les métiers seront distribués à l'avenir.
Voilà, en quelques mots, l'idée de cette simulation.
 
Intéressant... Et j'ai résolu ce problème n'est pas très différent, trouvé dans la décomposition nette de la fonction de distribution normale (12 lignes) et de considérer la probabilité au second signe, je ne sais pas si elle peut ralentir le calcul (à l'expert d'approcher), si elle sera intéressant, je peux mettre en place un morceau de code ...

J'ai moi aussi trouvé le calcul des quantiles sur le site ALGLIB.SOURCES.RU. Mais il est apparu que ce n'était pas du tout 12 cordes et qu'une fonction nécessitait le calcul d'autres. J'en ai parlé plus tôt dans ce fil. Je pense donc que l'approche utilisée sur ce site aurait ralenti le conseiller expert. Ainsi, si vous avez réellement 12 lignes de code qui font la même chose, tout le monde sera intéressé de les lire. J'utilise une table de quantiles avec 3 décimales. Je pense que deux décimales ne changeront pas l'ensemble du travail, mais que cela sera utile à tout le monde.
 
Quel est l'écart-type maximal en points dont nous disposons ? Pas plus de 100. La probabilité de se trouver à un point quelconque du graphique des prix proche du centre de la distribution ne sera alors pas supérieure à 1 %, c'est-à-dire à 2 décimales. Il n'est donc pas nécessaire d'être plus précis.
 
Peut-être n'ai-je pas compris les conclusions du théorème de la limite centrale (dans mon livre de référence, il est écrit ainsi : Si une variable aléatoire peut être représentée comme une somme d'un grand nombre de composantes indépendantes, dont chacune ne contribue que légèrement à la somme, alors cette somme est approximativement distribuée normalement), alors il s'avère que nous utilisons simplement une table de fonctions de distribution normale pour déterminer la probabilité de trouver le c dans l'intervalle de confiance donné par la valeur de la table.

C'est pourquoi j'ai simplement effectué une expansion en série de la fonction de distribution et déterminé la taille de l'intervalle soit en pips (si k=vrai (c'est-à-dire la probabilité que le prix monte ou descende)), soit en valeurs rationnelles

double ver(bool k, double Par,int e, int b) {if(k) {Canal(PriseData,e,b) ;
Par=(Par-CanalA[0]*b-CanalA[1])/CanalA[2];} double t=MathAbs(Par) ; double sum=t ; double x=t*t ; double s=0 ; for( int m=3 ; MathAbs(s-sum)>0.01;m=m+2){t=x*t/m ; s=sum ; sum=sum+t;} if(Par>0)return(-0.7968*sum*MathExp(-x/2)) ; else return(0.7968*sum*MathExp(-x/2)) ; }




J'ai été très surpris que tu ne l'aies pas fait, et maintenant ça me fait douter de tout...

Et s'il vous plaît, si vous le voulez bien, dites-moi ce que vous entendez par le terme "quantile".

 
Voici un morceau de code prêt à l'emploi pour calculer de façon pratique la probabilité par écart.

https://c.mql5.com/mql4/forum/2006/06/kvantil.zip

La façon de l'utiliser dans le code n'est pas difficile à deviner.
 
Je ne semble pas avoir trouvé d'erreurs dans cette fonction, donc je ne changerai rien tant que je n'aurai pas un expert.

Je vais faire une explication de la fonction :
k - clé qui indique ce qui est passé à la fonction dans le paramètre Par
Si k=vrai, Par est un prix et dans ce cas il faut également passer dans la fonction les paramètres du canal par rapport auxquels la probabilité est calculée. Les paramètres e est la dernière barre du canal et b est la première barre du canal.
si k=false, alors Par est l'écart exprimé en valeurs efficaces, et alors les paramètres b et e ne sont pas utilisés.
Canal(Data[],e,b) est une fonction qui calcule la régression et le RMS en remplissant CanalA [] avec les valeurs obtenues.

Et ensuite l'algorithme de décomposition, qui a été repris du site http://www.kamlit.ru/docs/aloritms/lgolist.manual.ru/maths/matstat/NormalDF/NormalDF1.php.htm.

MathAbs(s-sum)>0.01 et ici vous pouvez définir la précision requise
 
<br/ translate="no">Si une variable aléatoire peut être représentée comme une somme d'un grand nombre de termes indépendants, dont chacun ne contribue que faiblement à la somme, alors la somme est approximativement distribuée normalement), il suffit alors d'utiliser une table de fonction de distribution normale pour déterminer la probabilité de trouver le c de l'intervalle de confiance par une valeur donnée.

ZSY Que tu ne l'aies pas fait m'a beaucoup surpris, et maintenant ça me fait douter de tout...

ZZZY Et s'il vous plaît, si vous voulez bien me dire ce que vous entendez par le terme "quantile".

Dans la phrase "Si une variable aléatoire peut être représentée comme la somme d'un grand nombre", le mot clé est grand. Et je pense que ce mot se réfère à la fois aux facteurs eux-mêmes et au nombre d'observations. Dans la pratique, nous traitons des échantillons allant par exemple de 30 barres à 1000. Dans ce cas, il est plus approprié d'utiliser la distribution de Student plutôt qu'une distribution normale. C'est exactement ce que je fais. Bien que, peut-être, nous obtiendrons la même chose avec une distribution normale. Je ne l'ai pas encore testé.

Honnêtement, je n'ai pas pu comprendre votre code à première vue. Comment pouvez-vous prendre en compte les degrés de liberté dans une si petite quantité de code ? Excel dispose de fonctions prêtes à l'emploi pour calculer les quantiles pour différentes probabilités et différents degrés de liberté. J'utilise la table de distribution de Student, pas une distribution normale (pp. 53-55 Bulashev).

Par "quantile", j'entends la même chose que ce qu'écrit Bulashev aux pages 18-19 de son ouvrage fondamental.
 
<br / translate="no">Honnêtement, je n'ai pas réussi à comprendre votre code à première vue.


Explication de la fonction dans le post ci-dessus
 
solandr, la seule application de la distribution de Student dont je me souvienne est l'évaluation des mesures en laboratoire. Je me souviens que j'ai eu un C à l'épreuve du terver, ce qui n'était pas si mal en général, puisque le reste du groupe a eu des D :)
Je serais donc intéressé de savoir comment vous appliquez la distribution de Student :)

ZS Malheureusement, à cette époque, le terver était trop théorique pour être appliqué dans la vie.
 
Je serais donc intéressé de savoir comment vous appliquez la distribution de Student :)

J'ai déjà écrit plus haut. Je calcule juste les quantiles pour construire les intervalles de confiance. Comment l'utiliser autrement ? Bulashev a écrit comment calculer ces quantiles dans Excle. En général, j'ai le même fichier que vous avez posté ci-dessus, mais seulement pour la distribution des étudiants. Voici la différence. Pensez-y : comment appliquer la distribution de probabilité normale à un échantillon de 30 barres par exemple s'il n'y a que quelques barres ? Il suffit de comparer les quantiles de la distribution de Student à différents degrés de liberté pour que tout devienne immédiatement clair.