une stratégie commerciale basée sur la théorie des vagues d'Elliott - page 61
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
Afin d'appliquer l'approche suggérée dans le livre, vous devez faire exactement la même chose que celle décrite dans le livre. Le livre donne un exemple détaillé UNIQUEMENT pour le trafic brownien ! En d'autres termes, il montre comment un échantillon de mouvements browniens "entrants" devrait visuellement ressembler à différents coefficients de Hurst. Si vous prenez un générateur de nombres aléatoires et que vous créez ensuite des transactions interdépendantes dans un bruit blanc en fixant leur probabilité d'occurrence, vous obtiendrez à peu près les mêmes images que dans le livre. C'est-à-dire que vous obtiendrez d'abord un bruit d'observation fractal (un échantillon d'"affluents"), en le sommant, vous obtiendrez le mouvement physique de quelque chose (dans ce cas, l'oscillogramme du bruit brownien). D'après l'amplitude du mouvement physique, vous constaterez que plus votre facteur de Hearst (probabilité de transactions interdépendantes) était élevé, plus la dispersion de l'amplitude du mouvement physique lui-même s'est avérée importante. Que pouvons-nous finalement comprendre de l'exemple du livre ? Nous ne pouvons que comprendre ce que j'ai déjà dit : "plus votre ratio de Hearst (probabilité de transactions interdépendantes) est grand, plus l'amplitude du mouvement physique lui-même s'avère être grande". Ensuite, répondez simplement, s'il vous plaît, à la question suivante : qu'est-ce que CETTE information nous apporte exactement en termes de prédiction ? Je peux répondre précisément - RIEN, sauf ce que j'ai écrit 2 fois (déterminons seulement le degré d'interdépendance des transactions) ! Que font les auteurs ensuite dans le livre ? Ils appliquent le calcul proposé (analyse du mouvement brownien) à différents marchés de capitaux. Sur tous les marchés (ou presque) l'indice de Hurst est supérieur à 0,5, en particulier pour l'EURUSD il est de 0,64, si je n'oublie pas. Et ensuite ? EH BIEN, RIEN ! Sauf que nous savons que les transactions sur les marchés sont pour la plupart interdépendantes. Mais supposons que nous le sachions toujours, que les gens sont plus susceptibles d'aller dans le sens de la tendance que contre elle, en regardant dans quelle direction le prix a évolué hier. C'est pourquoi il y a des périodes de tendance claire sur les marchés sur la base du mouvement précédent. C'est évident pour tout le monde. Et Vladislav a essayé d'appliquer cette approche pour prédire les canaux de régression linéaire. En d'autres termes, il a modifié de manière significative la façon de calculer les "marées" sur la base du mouvement de prix existant afin de répondre à la question suivante : "Qu'adviendra-t-il du canal dans un avenir très proche - continuera-t-il ou cessera-t-il d'exister ?
Le surlignage "SOFTLY THERE" indique-t-il que je me suis trompé ? Peut-être, mais il semble que j'ai essayé très fort et que j'ai tout fait dans les règles. L'approche générale du calcul de l'indice y est exposée et, à titre d'exemple, le résultat est donné pour le mouvement brownien et pour le cycle 19 de la série Wolf (honnêtement, je ne sais pas ce que c'est).
J'ai vérifié mon algorithme avec une marche aléatoire et j'ai obtenu un résultat presque correct (j'ai joint le graphique log(R/S) de log(N)).
Dans les algorithmes de Vladislav et dans les vôtres, une estimation approximative de l'indice lui-même est éventuellement effectuée, par la formule H=log(R/S)/log(0,5*N) - exactement comme dans le livre. Et comme je l'ai déjà écrit, j'ai décidé de mettre en place un algorithme plus précis.
Merci pour l'explication détaillée, je n'ai pas compris vaguement certains détails de l'approche de Vladislav. Maintenant, ça semble s'éclaircir. Je ne remets pas en cause vos calculs et ceux de Vladislav, d'autant qu'ils fonctionnent bien.
:о)))))
Non, vous n'avez pas tort ! Par "EXACTEMENT MEME", je voulais dire que l'approche utilisée dans le livre ne convient que pour résoudre le problème pour lequel elle a été développée, et que j'ai répété plusieurs fois - "estimer l'interdépendance des transactions (marées) sous un processus similaire au processus brownien". Mais l'utiliser pour résoudre notre problème de "prévision des mouvements le long du canal dans un futur très proche" sous la forme dans laquelle il est donné dans le livre, n'est définitivement PAS possible ! Vladislav l'a finalisé pour notre problème en termes d'échantillonnage "tidal" en prenant comme moyenne la valeur prévue d'un canal de régression linéaire tracé sur un échantillon n'incluant pas la barre actuelle. Si l'on veut approfondir le sens de cette révision, comme il l'a suggéré, cela peut prendre au moins une thèse de doctorat (en mathématiques ou en économie, selon ce que l'on privilégie) avec une élaboration et une présentation appropriées du matériel supplémentaire ;o)))) ! Vladislav, réfléchis-y, si tu en as besoin !
Non, vous ne vous trompez pas ! Par "EXACTEMENT la même", je voulais dire que l'approche utilisée dans le livre ne convient que pour résoudre le problème pour lequel elle a été développée, et que j'ai déjà répété plusieurs fois - "estimer l'interdépendance des transactions (marées) dans un processus similaire au processus brownien". Mais l'utiliser pour résoudre notre problème de "prévision des mouvements le long du canal dans un futur très proche" sous la forme dans laquelle il est donné dans le livre, n'est définitivement PAS possible ! Vladislav l'a donc amélioré pour notre problème en obtenant un échantillon de "marées" en prenant la valeur prévue du canal de régression linéaire construit sur l'échantillon n'incluant pas la barre actuelle comme niveau moyen.
Oui, mais l'algorithme donné dans le livre n'impose pas d'exigences particulières pour le contenu du "flux entrant". En tout cas, je n'y ai rien trouvé de tel et l'une des questions dont nous avons discuté était de savoir quel devait être le débit entrant. J'ai reçu de précieux conseils de votre part. Merci.
Ce n'est pas la moyenne de Hurst qui est calculée, mais les deux coordonnées Y=Log(R/S) et X=Log(N). Et ce qu'il faut en faire semble être clair aussi.
Il existe une équation Y=Y(X) qui ressemble à ceci : Log(R/S) = H*Log(N) + A. Vous devez construire une régression linéaire et déterminer son coefficient et le terme libre. Hurst est son coefficient.
Et juste le rapport des logarithmes n'est pas du tout Hurst.
IMHO
Non, c'est une moyenne de Hurst sur ces échantillons :)
Вычисляется не средний Херст, а две координаты Y=Log(R/S) и X=Log(N). И что с этим делать, тоже вроде бы ясно.
Есть уравнение Y=Y(X), которое выглядит так: Log(R/S) = H*Log(N) + A. Нужно построить линейную регрессию и определить ее коэффициент и свободный член. Херст - это ее коэффициент.
А просто отношение логарифмов - это совсем не Херст.
ИМХО
Non, c'est la moyenne de Hearst de ces échantillons :)
J'ai lu cet algorithme aujourd'hui dans le livre "Fractal Analysis". Je l'ai implémenté en utilisant un algorithme différent, selon des formules différentes. Je vais de 1 à N et pour chaque courant n je compte log(R/S) et log(N). Puis je construis une droite approximative y(x)=ax+b. Le coefficient a est l'exposant de Hurst. Il y a peut-être là une erreur de principe.
:о)
PS : On ne peut pas le compter comme ça ?
Je me rends compte que le code n'est peut-être pas le plus optimal en termes de performances (beaucoup d'appels de fonctions et tout), mais l'essentiel est que je voulais clarifier par moi-même si j'avais bien compris la logique de son calcul, car les résultats me semblent discutables, et j'ai décidé de demander aux personnes qui savent.
...
PS : J'espère que les participants au forum m'aideront à comprendre. Je serais très reconnaissant à Vladislav de m'accorder un peu de temps et de m'expliquer où je me trompe avec une méthodologie aussi simple.
Prenez 1000 particules browniennes aléatoires dans mille grilles de coordonnées au point zéro. Le long de ces points, commencez à bombarder des forces aléatoires dans une direction aléatoire. Ici, Hirst affirme qu'avec le temps, la distance entre la particule et l'origine des corrdinates (longueur du vecteur) sera proportionnelle à la racine carrée du temps. Pourquoi 1000 chats ? Pour une bonne moyenne. Ce problème n'est pas difficile à programmer et à tester.
Prenez 1000 particules browniennes aléatoires dans un millier de grilles de coordonnées au point zéro. Le long de ces points, des forces aléatoires commencent à bombarder dans une direction aléatoire. Voici le raisonnement de Hirst selon lequel, au fil du temps, la distance entre la particule et l'origine des corrdinates (longueur du vecteur) sera proportionnelle à la racine carrée du temps. Pourquoi 1000 chats ? Pour une bonne moyenne. Ce problème n'est pas difficile à programmer et à tester.
Je le crois. Mais Feder a fait valoir que s'il est nécessaire d'avoir une valeur exacte, il faut aussi compter plus précisément. Alors j'ai essayé de le faire. Et aujourd'hui, j'ai découvert que M. Peters ne le calcule pas du tout de cette façon.
Ce sera suffisant - juste une colonne de chiffres, je ferai le reste moi-même.