une stratégie commerciale basée sur la théorie des vagues d'Elliott - page 138
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
"Le but de la visite ? - Déjeuner" (c) "Men in Black"
Ok.
:-)))
Si un chercheur pose une expérience avec un rat qui court dans un labyrinthe, et si le rat court dans le mauvais sens, le chercheur est plus enclin à croire que le rat est malade, plutôt que de croire que l'expérience réfute sa théorie.
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Это совершенно другой подход к торговле, который не может быть описан в рамках математической статистики.
Не согласен. Для каждого образа, на основе которого оценивается рынок, необходимо сделать статистический анализ поведения рынка при появлении этого образа на истории, построить распределение, определить его параметры. Далее можно опять-таки статистически определить оптимальные параметры образа. Имея эти данные в базе данных образов можно с известной точностью определять вероятность ошибки/успеха при принятии решений.
Je pense que l'estimation des caractéristiques statistiques des modèles est plutôt discutable en termes pratiques, bien que l'on puisse constamment trouver des informations sur les tentatives de le faire sur Internet. Par exemple, la dernière version est présentée ici : "MQL4 : The Self-Learning Expert Advisor" Cette méthode fait référence aux neuronets. Mais pour une raison quelconque, je n'ai jamais trouvé de caractéristiques quantitatives de ces systèmes. Peut-être que j'ai juste mal regardé ?
Et je pense que le problème ici est que vous n'avez peut-être tout simplement pas assez d'historique pour estimer les paramètres des modèles individuels si vous sélectionnez des modèles à estimer sur la base de paramètres plutôt stricts. Ou si vous voulez estimer statistiquement TOUTES les combinaisons de barres qui peuvent être conditionnellement attribuées au concept de motif, alors je pense que vous aurez soit une énorme quantité de toutes les modifications de motifs possibles différant les unes des autres par une très petite valeur statistiquement insignifiante, soit les estimations statistiques des motifs seront très étalées (une grande variance des estimations). Et à l'avenir, il sera très difficile pour un automate en trading réel de comprendre à laquelle des modifications de motifs existants dans la base qui est apparue sur les dernières barres appartient maintenant. Pour qu'un modèle soit statistiquement significatif, je pense que nous avons besoin d'un historique sur notre paire de devises de travail, ce que nous n'avons pas, et tout cela avec la garantie que le marché jouera selon les mêmes règles dans l'échantillon qui n'a pas été entraîné (dans le futur). À cet égard, une simple voie de régression linéaire est statistiquement bien mieux assurée. Regardez ce qui est le plus fiable. L'information sur la condition du marché TOUJOURS calculée avec un algorithme simple standard sur les 300 dernières barres de l'historique, ou l'information que ces barres obtenues récemment sont similaires (bien corrélées) à la valeur moyenne de 100 instances de la configuration tête et épaules, présente dans l'historique des 5 dernières années ? À mon avis, la régression est plus fiable, car il s'agit d'une technique mathématique bien étudiée et élaborée, par rapport à la reconnaissance des formes, où il y a trop de dépendances avec divers autres facteurs.
Cependant, je pense que la tâche de reconnaissance des modèles peut être réduite à une tâche plus simple de lignes de tendance (lignes de résistance/soutien en pente tracées le long des extrema). C'est-à-dire que de nombreux modèles classiques peuvent être remplacés par un ensemble de lignes de tendance qui se brisent, ce qui signifie que l'on sort du modèle. Mais ici aussi, ce n'est pas si facile. Par exemple, dans ce fichier, nous pouvons voir la dynamique d'un triangle convergent https://c.mql5.com/mql4/forum/2006/08/triangle.zip.
Vous pouvez voir la sortie du triangle convergent le 8 août. Mais selon la description classique de ce triangle, le breakout aurait dû être uniquement vers le haut. Mais dans la pratique, le prix a monté et baissé, c'est-à-dire que les haussiers et les baissiers ont gagné leur argent. Cet exemple nie immédiatement la signification du motif "Triangle convergent" en tant que tel.
Les lignes de tendance dans les graphiques donnés sont tracées sans prendre en compte les 2 dernières barres. C'est pourquoi, lorsqu'une ligne de tendance est brisée, on voit clairement quelle ligne de tendance a été brisée.
Une version plus complète de la dynamique des lignes de tendance pour le mois dernier peut être trouvée ici "MQL4 : Une image pour le forum metaquotes" solandr 31.08.2006 08:02 (Une archive RAR en plusieurs volumes. Il y a 16 parties au total. Après avoir téléchargé toutes les parties, changez l'extension du zip en rar et décompressez-le dans WinRAR3.50. Il est très utile pour les débutants en trading de regarder ce dessin animé, par exemple ACDSee, pour comprendre comment la tendance du marché peut évoluer dans le temps et ce qui peut être fait pour minimiser votre risque.
À mon avis, il est beaucoup plus facile de travailler avec des lignes de tendance qu'avec des modèles multiparamétriques qui doivent être capturés sur des données historiques et ensuite rassemblés en statistiques. Les lignes de tendance sont beaucoup plus faciles ! Je les ai même expérimentés dans mon conseiller expert. Je les ai utilisés pour remplacer un oscillateur de confirmation et même l'indicateur Hurst ! Et en général, le résultat obtenu était très significatif, clairement différent d'un résultat totalement aléatoire. Pour l'instant, j'ai décidé de reporter l'utilisation des lignes de tendance dans mon Expert Advisor pour un certain temps, puisque selon mes observations, le calcul de l'indicateur Hearst fournit approximativement les mêmes informations que les lignes de tendance, mais en utilisant un algorithme de calcul plus formel et plus efficace en termes de création et d'utilisation pratique de MTS.
Les réseaux neuronaux sont plus susceptibles d'être utiles dans les domaines où vous pouvez calculer à l'avance toutes les combinaisons possibles qui peuvent se produire dans le futur et trouver une confirmation pour telle ou telle variante sur la base de ces combinaisons dans le bruit. Par exemple, en connaissant à l'avance (après avoir enregistré des données préliminaires sur une zone de test, ou après avoir calculé toutes les variantes possibles de signaux sur la base d'un modèle mathématique adapté à la situation) toutes les variantes possibles de signaux à l'approche d'un objet, il est possible à l'avenir (lors de l'utilisation réelle de l'objet formé de cette manière) de trouver la plus proche des variantes de signaux disponibles et de prendre la décision correspondante sur les actions ultérieures de l'objet où le système formé sur les neurones est installé. Mais tout cela fonctionne dans les limites des situations disponibles dans la base de données et évoluera en fonction de l'algorithme déjà enregistré. J'ai bien peur que le forex soit plus varié à cet égard :o(
Yurixx, je pense que vous avez eu tort de ne pas être d'accord avec ça.
Pourquoi pas ? Je veux dire, pourquoi tu penses ça ?
Apparemment, en été, la science était simplement en vacances ;o). Et maintenant, une année académique a commencé et il y a un statut plus approprié d'un forum scientifique :
http://www.lib.mexmat.ru/forum/viewtopic.php?t=3254&sid=a6468f00350c4e81f1b818be89ec1869
Merci pour le lien, je le lirai demain.