![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
J'ai regardé l'affaire du 2 février.
Sur micro 1H (on pourrait dire que DC prend soin de nous, les extrema locaux ne se chevauchent pas :)
Sur le compte nd
sur esn
Donc, je continue à affiner la théorie des fractales. Plus tôt, j'ai prouvé l'invalidité de l'estimation RS de l'écart proposée par Peters pour identifier des séries déterministes. Néanmoins, sa méthodologie est sans aucun doute un puissant pivot théorique qui réunit méthode et théorie. Par conséquent, j'ai complètement abandonné la méthode particulière de RS et j'ai développé mon propre calcul non trivial de la valeur de la "dispersion des particules". Pour l'instant, je ne suis pas enclin à la révéler complètement, car la méthode vise strictement des applications pratiques et est encore extrêmement prometteuse. Je peux seulement dire que tous les calculs sont basés sur l'indicateur ZigZag. Il s'agit d'un indicateur très plastique qui peut travailler efficacement tant sur des séries hautement déterministes que sur des séries de données aléatoires.
Ainsi, comme mentionné ci-dessus, la définition classique de la largeur de la RS surestime l'estimation de Hearst de manière significative. De plus, cette méthode est très peu sensible aux données de prix, puisque seuls deux maxima et minima sont choisis dans l'intervalle et que leur différence est normalisée à l'écart type de la série pour cette période. En conséquence, le ratio de Hearst était surestimé quel que soit le type de série analysé et se situait toujours autour de 0,52-0,53 en raison d'une faible sensibilité et d'une mauvaise détrition de la période analysée. De plus, l'intervalle R/S de la marche aléatoire était statistiquement indiscernable de la série du marché. Tout cela a rendu impossible l'utilisation de cette méthodologie dans des études ultérieures. Ma méthode ne présente pas tous ces inconvénients. Contrairement à l'ancienne méthode de Peters, elle peut fonctionner avec des horizons de n'importe quelle longueur (la méthode de Peters ne fonctionne qu'à partir de 100 périodes de décalage et plus, jusque-là elle obéit à une loi de croissance différente). En outre, il est en bon accord avec la théorie prédisant l'emballement de la particule avec une vitesse T^0.5. Donc, je publie le graphique :
Que montre ce graphique ? Premièrement, le coefficient de Hurst, qui spécifie l'angle de régression linéaire pour les données aléatoires, est tout à fait conforme à la valeur prédite de 0,5. L'emballement du tracé RTS est qualitativement différent de l'emballement aléatoire, normalement distribué, et est de 0,53 Hurst. Par rapport aux calculs antérieurs, il s'agit d'une véritable percée. Les mathématiques fonctionnent réellement et confirment les effets prédits par la théorie des fractales. Nous pouvons dire avec certitude que tous les marchés dont le Hurst dépasse significativement 0,5 sont en tendance et que le marché "se souvient" de son état passé.
Maintenant pour le mauvais. Nous avons découvert une particularité désagréable de la dépendance de l'estimation au type de distribution de la série. C'est très, très mauvais. Dans ce cas, nous pouvons voir que l'estimation surestime les résultats sur les distributions artificielles de Pareto-Levy (le volume réel a été pris et des barres aléatoires ont été générées sur cette base). Mais même ainsi, il existe toujours une marge de delta statistiquement significative entre les marchés réels et les marchés générés artificiellement. Il semble que le principal problème réside dans la normalisation de la volatilité. Apparemment, nous devrons affiner considérablement les méthodes de normalisation de manière à ce que le type de distribution n'affecte pas les estimations de la composante déterministe.
En tout cas, les progrès sont évidents. J'ai réussi à identifier des différences qualitatives entre la composante aléatoire et la composante non aléatoire. À l'avenir, j'espère pouvoir appliquer cette recherche à un échantillon de travail.
En tout cas, les progrès sont évidents. Nous avons pu identifier des différences qualitatives entre la composante aléatoire et la composante non aléatoire. À l'avenir, j'espère pouvoir appliquer cette recherche à un échantillon de travail.
Extrêmement curieux.
C'est bien pour vous !
J'attends avec impatience la suite...
;)
Je me demande si le RTS est super-diffusé à 0.53 ? Et sur les paires de devises, j'obtenais partout des valeurs inférieures à (0,47-0,48).
En guise d'absurde...
L'influence du milieu sur la diffusion peut être de deux types : lorsque l'interaction avec le milieu enlève en moyenne de l'énergie à une particule errante, ce qui entraîne une vitesse de dispersion plus faible, auquel cas on observe une sous-diffusion (indice inférieur à 0,5), ou lorsque l'interaction, au contraire, augmente l'énergie cinétique, et on a alors une super-diffusion (respectivement, supérieure à 0,5). Si l'on prend un quotient, la prévalence des ordres stop en moyenne donne la première variante, tandis que les ordres à cours limité donnent la seconde. Que pensez-vous de cette explication ?
Si elle est correcte, nous pouvons esquisser une stratégie : nous identifions les niveaux de concentration des ordres à la première étape et fixons des points sur la poursuite du mouvement à partir de ce niveau pour les instruments avec R/S>0.5 et sur le rebond pour R/S<0.5
Si cela est correct, nous pouvons alors esquisser une stratégie : dans un premier temps, nous identifions les niveaux de concentration des ordres, et parions sur la poursuite du mouvement à partir de ce niveau pour les instruments avec R/S>0.5 et sur le rebond pour R/S<0.5
En quoi est-ce mieux que de travailler, par exemple, sur des mash-ups ? - Vous ne pouvez pas éviter le décalage de toute façon. Et +-0.1...0.2 n'est pas une si grande différence par rapport à la base 0.5, que vous pouvez en tirer quelque chose d'utile. Imho bien sûr.
Je me demande si le RTS est super-diffusé à 0.53 ? Et sur les paires de devises, j'obtenais partout des valeurs inférieures à (0,47-0,48).
En guise d'absurde...
L'influence du milieu sur la diffusion peut être de deux types : lorsque l'interaction avec le milieu enlève en moyenne de l'énergie à une particule errante, ce qui entraîne une vitesse de dispersion plus faible, auquel cas on observe une sous-diffusion (indice inférieur à 0,5), ou lorsque l'interaction, au contraire, augmente l'énergie cinétique, et on a alors une super-diffusion (respectivement, supérieure à 0,5). Si l'on prend un quotient, la prévalence des ordres stop en moyenne donne la première variante, tandis que les ordres à cours limité donnent la seconde. Que pensez-vous de cette explication ?
Si elle est correcte, nous pouvons esquisser une stratégie : nous identifions les niveaux de concentration des ordres sur la première étape et fixons le prix pour les instruments avec R/S>0.5 afin de poursuivre le mouvement à partir de ce niveau et de rebondir pour les instruments avec R/S<0.5
Jusqu'à présent, j'ai testé plusieurs instruments et tous avaient un Hirst de bonne qualité, supérieur à 0,5. Il s'agit de General Electric (1965-2012), IBM (1962-2012), SP500 (1952-1912), T-Bond 30 (1970-1912). Ceci est tout à fait cohérent avec les effets prédits de la FMH. Peters mentionne également que toutes les paires de devises ont une forte composante de tendance (Hearst fortement supérieur à 0,5), avec une mémoire de processus infinie (la limite de l'historique existant n'a pas été identifiée).
Ici, il s'agit plutôt de la méthode elle-même. Si votre méthode donne sur Norm. Le hasard est exactement 0,5 et sur les devises il est 0,47-0,48 - alors votre méthodologie doit être soigneusement étudiée. En théorie, les marchés ne devraient pas se diviser en deux catégories : les tendances et les anti-tendances. A Peters, tous les marchés étudiés avaient un H supérieur à 0,5. Encore une fois, en théorie, même des horizons d'investissement différents d'un même marché devraient être fractals (auto-similaires) les uns par rapport aux autres et donc parfaitement alignés. Ici, le degré de fractalité peut être estimé par la valeur de fiabilité d'approximation R^2 de cette même ligne. Plus il est proche de 1, plus les horizons d'investissement sont autosimilaires et unifiés. C'est-à-dire qu'il ne peut pas arriver qu'un horizon soit en tendance et que l'autre soit anti-tendance, suivi par l'horizon de tendance à nouveau. Mais cela reste théorique. En pratique, nous constatons que, bien que cela soit vrai en première approximation, nous observons en général des effets curieux sur les petits horizons (nous en parlons ci-dessous) et que la ligne de divergence n'est pas parfaitement lisse (bien que les données aient été utilisées autant que des données aléatoires). Mais il est plus probable qu'elle montre l'effet de la non-stationnarité, mais nous y reviendrons plus tard.
Ce qui est intéressant, c'est qu'à un horizon d'investissement de 3 à 30 minutes depuis 2009, nous pouvons voir une faible composante antipersistante sur le RTS. Hearst, il est juste inférieur à 0,5 et pourtant statistiquement significatif. Il s'agit peut-être du même effet que celui de l'ACF (faible corrélation négative des barres voisines). Mais d'un autre côté, il n'y a pas d'antipersistance sur l'histoire antérieure ! Il semble que quelque chose soit apparu sur l'horizon inférieur du RTS après 2009 et que cela ait changé la structure de l'horizon du marché ! Peut-être s'agit-il des mêmes robots qui travaillent en rebondissant sur l'accumulation de grosses commandes. Quoi qu'il en soit, je serai au bureau lundi et j'afficherai ce graphique intéressant.
Les ordres Limit et Stop - probablement, ils ont des effets différents sur le marché. Mais je pense que leur horizon est très limité en une journée. En commençant par un horizon d'une heure, nous pouvons voir des effets beaucoup plus forts qui rendent les effets causés par les ordres en attente statistiquement indiscernables.
En quoi est-ce mieux que de travailler, par exemple, sur des mash-ups ? - Vous ne pouvez pas éviter le décalage de toute façon. Et +-0.1...0.2 n'est pas une si grande différence par rapport à la base 0.5, que vous pouvez en tirer quelque chose d'utile. Imho bien sûr.
Eh bien, c'est la température dans tout le service, et c'est déjà 0,03 degrés au-dessus de la norme ! Et les cas individuels peuvent être encore plus intéressants. D'autant plus, n'oubliez pas que nous travaillons sur une échelle de puissance en mesures logarithmiques. Un écart de 0,03 donne déjà 1,48% d'avantage sur 100 ticks, ce qui n'est pas beaucoup, mais suffit à payer le spread.
Eh bien, c'est la température de l'ensemble du service, et elle est déjà supérieure de 0,03 degré à la normale ! Et les cas individuels peuvent être encore plus intéressants. Il ne faut surtout pas oublier que nous travaillons avec une échelle de puissance en mesures logarithmiques. Un écart de 0,03 donne déjà 1,48% d'avantage sur 100 ticks, ce qui n'est pas beaucoup, mais déjà suffisant pour payer le spread.
Eh bien, c'est la température de toute la chambre, et elle est déjà supérieure de 0,03 degré à la normale ! Et les cas individuels peuvent être encore plus intéressants. Il ne faut surtout pas oublier que nous travaillons avec une échelle de puissance en mesures logarithmiques. Un écart de 0,03 donne déjà 1,48% d'avantage sur 100 ticks, ce n'est pas beaucoup, mais c'est suffisant pour payer le spread.
Comme c'est beau tout ça ! :-)
Ces études peuvent-elles y être rattachées (complétées) ou peut-on en tirer quelque chose de similaire (autosuffisant pour le filtre) pour la même connexion simple à un hibou de trading qu'un filtre trend-flat ?
Voici mon signal partie de la chouette de la tendance en utilisant les lectures de l'indicateur iVAR .