une stratégie commerciale basée sur la théorie des vagues d'Elliott - page 19
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
L'utilisation de l'indicateur intégré à MT4 signifie automatiquement que vous sélectionnez la moyenne mobile comme prix prévisionnel. Vous pouvez sélectionner autre chose. L'algorithme de calcul de la RMS est lui-même correct : la racine carrée de la somme des carrés divisée par le nombre de degrés de liberté.
Bonne chance et bonne chance avec les tendances.
Vladislav, je voudrais également préciser si je comprends bien votre recommandation.
Nous vous donnons la formule de Taylor :
Considérons les dérivées de la parabole f(x)=Ax^2+B
f'(x)=2Ax,
f''(x)=2A,
f''(x)=0, toutes les dérivées à partir de la troisième et au-dessus se transforment en 0.
Alors, selon la formule de Taylor, nous avons une série constituée uniquement des trois premiers termes. Dans ce cas, le développement de la fonction f(x)=Ax^2+B dans la série de Taylor sera exact (c'est-à-dire que le dernier terme de l'erreur de développement devient nul). Ensuite, nous devons évaluer la qualité de l'approximation de la série de prix par la parabole optimale. Autrement dit, notre principale exigence est que la série d'erreurs d'approximation doit être convergente (c'est-à-dire que la somme des erreurs converge vers un nombre fini). Et nous pouvons le déterminer simplement en comparant l'erreur d'approximation calculée avec le troisième terme de l'expansion. Ai-je raison ou non ? Ainsi, pour choisir une parabole et l'échantillon lui-même, on utilise le critère selon lequel la RMS des erreurs d'approximation ne doit pas dépasser la valeur du troisième terme de la série, pour un échantillon de valeurs comprises dans l'intervalle de a à x ? Suivez-vous le même principe dans votre stratégie ou non ?
Au fait, il y a une certaine incohérence dans tout ça. Nous optimisons la parabole en utilisant la propriété de la potentialité des prix (par perpendiculaire à la parabole) et estimons les erreurs d'approximation de la manière habituelle.
Qu'est-ce qui ne va pas ici ? Comment concilier la recherche de la parabole optimale et l'estimation de l'erreur d'approximation ?
Bonne chance et bonne chance avec les tendances.
A mozet sdelajem v all vmeste konstruktivnuju rabotu ?
Say, napisat' sovmestno indikator, katoryj beget 4erez vs istoriju do teku4ej ceny i s4ityvajet Elliot waves :))).
Developery MT4 tol'ko pablogodorit za takoje.
Neskol'ko moix idej dlia na4ala :
1) Au tout début istoriji opredelit' v kakuju toru cena ili FLAT
2) si FLAT, zdiom poka probivajutsia granitsia flata, tokda smotrim v kakuju storonu dvigajetsia cena, tak opredelajem na4alo ods4iota, s4itajem tol'ko 1-2-3 i A-B-C volny
3) is4em tol'ko "basic" Elliot Wave patterns 1-2-3 i 1-2-3-4-5 + A-B-C volny after okon4anija dvizenija ceny(trend)
4) Jesli imejem "failed Elliot Wave", zna4it ploxoj ods4iot i tot kusok istroriji nada jes4io raz peresmatret' nas4iot v kakuju storonu dvigajetsia cena intervale pabolshe teku4evo.
5) K etim grafikam xorosho godosho cifra Fibonacci, sami lookit s indikator MT4 v istoriji ot Elliot Wave 1 na4ala do na4ala Elliot Wave 4 - http://www.market-harmonics.com/elliott_wave2.htm.
Dopolnitel'no doli poniatija o 4iom re4' pro4itaite http://www.elliottician.com/showpage.asp?p=47 i postaraites' ponat' kak kotritsia "bassic Elliot Wave pattern". Polnoje opisanije na ruskom ses' : http://www.alpari-idc.ru/ru/textbook/tech_an/ew/
Le résultat de l'évaluation de l'indicateur de performance de l'entreprise n'a pas été pris en compte dans la nouvelle version de MT4 comme indicateur standard :)
Vous faites donc probablement ce qui suit.
Étape 1. Prenez un échantillon
Étape 2. Approchez-le avec une voie de régression linéaire
Étape 3. Trouvez les erreurs d'approximation.
Étape 4. Analysez le graphique des erreurs. On peut supposer que l'ordre de la fonction d'approximation devrait être plus élevé ou que l'échantillon donné ne peut être approximé par aucune fonction continue si la série d'erreurs diverge ou présente de fortes déviations visibles à l'œil nu qui sortent de l'intervalle de confiance acceptable (l'algorithme d'automatisation du calcul n'est pas encore complètement clair).
Étape 5. Répétez les étapes 1-4 pour l'approximation par une parabole (ou autre chose)
Étape 6. Évaluez les erreurs ; si les erreurs dépassent une limite raisonnable, vous éliminez simplement cet échantillon. Si le graphe d'erreurs a une structure raisonnable, alors nous stockons les informations sur l'échantillonnage, la méthode d'approximation et les informations supplémentaires sur les fonctions d'approximation dans un tableau.
Étape 7. Ensuite, après avoir essayé à plusieurs reprises tous les échantillons possibles et avoir cherché les variantes optimales des fonctions d'approximation pour chaque échantillon, nous nous arrêtons aux échantillons qui satisfont nos exigences de manière extrême. Il est aussi naturellement souhaitable d'utiliser la méthode d'approximation des fonctions que vous recommandez non pas pour l'ensemble de l'échantillon, mais seulement pour les 2/3, en laissant le dernier tiers pour tester les résultats de l'approximation (c'est une suggestion très précieuse !).
Étape 8. Dessinez des approximations d'extremum sur le graphique des prix avec une continuation dans le futur. Il est naturel qu'un intervalle de confiance soit tracé pour chaque approximation.
Étape 9. On voit ainsi où les limites des intervalles se croisent. Ensuite, nous définissons les dates approximatives.
Étape 10. Pendant l'approche des prix vers les points de retournement, nous calculons la probabilité de renversement de tendance en utilisant la méthode d'estimation de l'erreur intégrale. Il sera probablement nécessaire de faire la moyenne des estimations des pivots pour tous les canaux d'approximation. Pour le canal de régression linéaire, il sera également nécessaire de calculer le coefficient de Hearst pour l'avoir comme paramètre supplémentaire. Il est également bon d'examiner les niveaux de Murray. Ainsi, nous avons une forte probabilité de prendre une décision sur le placement des ordres en attente et la détermination des stops avec un risque minimal.
Bien sûr, le conseiller expert qui calculera tout cela sera très étendu (vous avez dit qu'il contient 6000 lignes) ! Et jusqu'à présent, tout n'est pas clair en termes de prise de décision automatique pour chacun des échantillons. Eh bien, je pense que vous devez juste commencer à essayer de programmer cet algorithme, et ensuite, au fur et à mesure que vous expérimentez, vous pouvez trouver quelque chose qui est difficile à comprendre même à un niveau théorique, mais qui deviendra clair de lui-même au cours de l'expérience. Et en effet, le temps de calcul sera assez important. Vous avez dit que les premières variantes ont fonctionné pendant 30-40 minutes sur une machine faible. Eh bien, sur un P4 2,4 GHz, vous devez vous attendre à un temps de calcul d'environ 10 minutes.
Au sujet des méthodes d'approximation, j'ai trouvé le tutoriel intéressant suivant.
Puisque vous n'avez pas besoin de la parabole elle-même, vous pouvez faire une approximation des dérivées tout de suite. Le coefficient de régression est ce dont vous avez besoin (d'où la série de Taylor ;) ). Ensuite, la forme de la trajectoire n'a plus d'importance - l'essentiel est d'estimer correctement l'intervalle de confiance. Veuillez lire attentivement la documentation recommandée, elle contient suffisamment d'informations.
Bonne chance et bonnes tendances.
Je l'ai... :)
Votez odin iz moix staryx mql3: