Stratégies de trading basées sur les filtres numériques - page 72

 

C'est d'une grande aide

Merci de votre aide en postant des messages. C'est une grande aide pour moi.

Meilleurs voeux à vous tous

 

Grand

Boyens:
J'ai téléchargé l'indicateur #MFT_STLM2_v2 posté par le grand Simba, mais il ne fonctionne pas pour moi sur ma plateforme.

Cette version a expiré ou quelque chose comme ça ?

Je cherche une STLM MTF pour définir la tendance.

Merci d'avance les amis.

Merci.

Boyens,

Trouvez-les ici, vous devez avoir les deux compilés dans votre dossier d'indicateurs pour que la MTF fonctionne, ensuite, vous pouvez attacher juste la MTF et jouer avec elle, je vous suggère d'utiliser h4 et/ou d1 pour la définition de la tendance sur les graphiques tf inférieurs.

Salutations

S

Dossiers :
stlm2.mq4  11 kb
 

Alternatives pour le calcul de FATL SATL, etc.

D'une certaine manière, j'ai des doutes quant à ce modèle cyclique multiple du marché des changes. Je ne veux pas contester l'utilité des indicateurs basés sur ce modèle, mais je me demande quelles peuvent être les sources de ces structures résonnantes ? En général, la résonance nécessite une réaction retardée à un stimulus. La structure résonante résonne à une période égale au retard. Qu'est-ce qui peut être retardé de 200 heures à l'ère de l'information ? (Il serait peut-être plus facile d'expliquer la résonance si elle se produisait à des périodes plus petites dans le TF M1). Quel peut être le stimulus ? Les nouvelles, la peur et la cupidité des traders agissant en tant que groupe ? Une question sociologique intéressante, mais pas utile ici.

Une deuxième objection est le fait, souligné par Simba, que les périodes de résonance ne correspondent pas lorsqu'elles sont mesurées à différentes TF. S'il existe réellement une structure résonante à 48 périodes de 1H, elle devrait apparaître comme une résonance à 12 périodes de 4H, ou 192 périodes de 15M. Cela ne semble pas être le cas. Pourquoi ? Cela ne vous rend-il pas nerveux d'utiliser l'hypothèse cyclique pour trader ?

Quelles que soient les réponses, si les indicateurs sont utiles, il existe d'autres moyens de les calculer. Nous n'avons pas besoin de recourir à l'analyse spectrale continue et aux filtres numériques adaptatifs une fois que nous sommes convaincus que 2 ou 3 cycles dominent, et qu'ils changent lentement de fréquence (période) et d'amplitude, etc. Nous pouvons utiliser les FFT, MESA, Goertzel ou autre pour nous en convaincre... Je ne suis pas encore convaincu, bien que les images 3D soient assez convaincantes. Ensuite, nous pouvons utiliser des méthodes éprouvées pour extraire les signaux cycliques les uns des autres et du bruit.

Ce problème d'extraction de signaux est assez courant dans la conception de systèmes de communication. Pensez simplement à la façon dont votre récepteur radio (ou votre téléphone portable, si vous voulez) extrait son signal du bruit de fond et des autres signaux du voisinage. Ces signaux ne sont pas stationnaires, pas plus que le bruit, bien qu'il soit généralement modélisé de cette façon. Ils sont assez complexes, avec des variations de phase, de fréquence et d'amplitude. Pourtant, ils peuvent être extraits de manière fiable dans des environnements à faible rapport signal/bruit, à condition qu'ils n'interfèrent pas les uns avec les autres.

Que diriez-vous d'utiliser trois filtres passe-bande fixes dont la bande passante est suffisamment étroite pour séparer les 3 signaux, mais suffisamment large pour laisser passer la variation de fréquence attendue. Chaque filtre est suivi d'une boucle à verrouillage de phase pour extraire la variation de fréquence, et d'un démodulateur cohérent pour extraire l'amplitude. Aucune analyse spectrale n'est nécessaire. (Sauf pour sélectionner les trois bandes.) Pas besoin d'importance relative, ni de conception et de modification des filtres à la volée. (Le signal extrait sera à phase continue).

Tous ces éléments sont soit des filtres, soit des multiplicateurs, soit un oscillateur à fréquence contrôlée numériquement (VCO). Le seul filtre qui a une réponse en fréquence importante est le filtre de boucle, et il existe de nombreuses conceptions pour ceux-ci. J'ai de nombreuses références si cela intéresse quelqu'un. Si j'arrive à faire coopérer ma mémoire pour ne pas oublier ce que j'essaie de programmer, et si j'arrive à ressusciter un semblant de codage en C, je pourrais essayer moi-même.

MadCow

 

Prétraitement des données

Richcap, merci de partager votre code.

Connaissez-vous cette autre version de MESA, écrite pour Amibroker ?

AmiBroker - Bibliothèque AFL

Elle implémente divers pré-traitements (filtrage, detrending) qui ne sont pas inclus dans votre code, et dont vous pourriez bénéficier car ils devraient permettre d'obtenir de meilleurs résultats sur des données réelles.

J'espère que cela vous aidera.

 

Résonance

MadCow:
D'une certaine manière, j'ai des doutes sur ce modèle cyclique multiple du marché des changes. Je ne veux pas contester l'utilité des indicateurs basés sur ce modèle, mais je me demande quelles peuvent être les sources de telles structures résonantes ? En général, la résonance nécessite une réaction retardée à un stimulus. La structure résonante résonne à une période égale au retard. Qu'est-ce qui peut être retardé de 200 heures à l'ère de l'information ? (Il serait peut-être plus facile d'expliquer la résonance si elle se produisait à des périodes plus petites dans le TF M1). Quel peut être le stimulus ? Les nouvelles, la peur et la cupidité des traders agissant en tant que groupe ? Une question sociologique intéressante, mais pas utile ici.

Une deuxième objection est le fait, signalé par Simba, que les périodes de résonance ne correspondent pas lorsqu'elles sont mesurées à différents TF. S'il existe réellement une structure résonante à 48 périodes de 1H, elle devrait apparaître comme une résonance à 12 périodes de 4H, ou 192 périodes de 15M. Cela ne semble pas être le cas. Pourquoi ? Cela ne vous rend-il pas nerveux d'utiliser l'hypothèse cyclique pour trader ?

Quelles que soient les réponses, si les indicateurs sont utiles, il existe d'autres moyens de les calculer. Nous n'avons pas besoin de recourir à l'analyse spectrale continue et aux filtres numériques adaptatifs une fois que nous sommes convaincus qu'il y a 2 ou 3 cycles qui dominent, et qu'ils changent de fréquence (période) et d'amplitude lentement, etc. Nous pouvons utiliser les FFT, MESA, Goertzel ou autre pour nous en convaincre... Je ne suis pas encore convaincu, bien que les images 3D soient assez convaincantes. Ensuite, nous pouvons utiliser des méthodes éprouvées pour extraire les signaux cycliques les uns des autres et du bruit.

Ce problème d'extraction de signaux est assez courant dans la conception de systèmes de communication. Pensez simplement à la façon dont votre récepteur radio (ou votre téléphone portable, si vous voulez) extrait son signal du bruit de fond et des autres signaux du voisinage. Ces signaux ne sont pas stationnaires, pas plus que le bruit, bien qu'il soit généralement modélisé de cette façon. Ils sont assez complexes, avec des variations de phase, de fréquence et d'amplitude. Pourtant, ils peuvent être extraits de manière fiable dans des environnements à faible rapport signal/bruit, à condition qu'ils n'interfèrent pas les uns avec les autres.

Que diriez-vous d'utiliser trois filtres passe-bande fixes dont la bande passante est suffisamment étroite pour séparer les 3 signaux, mais suffisamment large pour laisser passer la variation de fréquence attendue. Chaque filtre est suivi d'une boucle à verrouillage de phase pour extraire la variation de fréquence, et d'un démodulateur cohérent pour extraire l'amplitude. Aucune analyse spectrale n'est nécessaire. (Sauf pour sélectionner les trois bandes.) Pas besoin d'importance relative, ni de conception et de modification des filtres à la volée. (Le signal extrait sera à phase continue).

Tous ces éléments sont soit des filtres, soit des multiplicateurs, soit un oscillateur à fréquence contrôlée numériquement (VCO). Le seul filtre qui a une réponse en fréquence importante est le filtre de boucle, et il existe de nombreuses conceptions pour ceux-ci. J'ai de nombreuses références si cela intéresse quelqu'un. Si j'arrive à faire coopérer ma mémoire pour ne pas oublier ce que j'essaye de programmer, et si je peux ressusciter un semblant de codage en C, je pourrais essayer moi-même.

MadCow

Salut Madcow,

Une réaction retardée de 200 heures sur les marchés financiers entraînera l'extinction des acteurs qui ont prétendu avoir ce comportement et, par conséquent, ce comportement disparaîtra.... comme vous l'avez suggéré à juste titre.

Si vous lisez les documents de la Fondation pour l'étude des cycles, vous verrez que parmi les causes probables, ils citent les étoiles, les planètes, l'activité des éruptions solaires, les orages géomagnétiques, etc.

Fondamentalement, IMO, les cycles sont comme une chaîne préétablie de comportement de réaction d'action qui prend généralement le même temps pour être accompli d'une semaine à l'autre, d'un jour à l'autre, d'une heure à l'autre (pensez aux modèles de prédateur et de proie)... Combien de temps faut-il pour exécuter les arrêts de vente et ensuite remplir l'ordre d'achat de ce gros client à un meilleur prix ?.. Combien de temps faut-il pour que votre concurrent remarque et commence à s'immiscer dans votre jeu ?Combien de temps faut-il pour que les acheteurs précédents soient arrêtés ou se dégonflent de leurs positions (et il y a une composante de volatilité ici) ? Eh bien, je crois que ce processus prend, généralement, x temps, +- y std... donc, tant que le std est réalisable et que le y ne vous tue pas dans l'attente, ces modèles sont négociables.

En termes de trading conceptuel, si 2 ou 3 heures après l'ouverture de Francfort, avec la session de Londres en cours, je vois les prix se bloquer sur un S1 hebdomadaire après une baisse rapide et furieuse de 50 pips en dessous du support précédent (c'est à dire que les stops sont épuisés)... et, simultanément, mes cycles H4 signalent un retournement, je prends le long.

Lespaires de devises peuvent avoir une compression presque optimale de la volatilité à H4 (tous les tfs compriment la volatilité à partir des données tick), et les échelles de temps inférieures peuvent être trop bruyantes pour que nos filtres détectent les cycles.... Ou peut-être, et très probablement ,nos filtres ne sont pas assez bons pour cela.

N'hésitez pas à poursuivre votre idée, elle peut offrir un autre point de vue sur cette question fascinante... Je pense que la plupart des personnes ici présentes essaieront de vous aider.

Cordialement,

S

 

Intéressant post..

Quelqu'un sait-il comment Noxa a modifié l'algorithme SSA afin de le rendre causal ?

Je travaille sur le sujet depuis deux mois, mais je n'ai pas eu le temps de le terminer.

J'ai lu dans certains des messages de ce fil de discussion que Noxa CSSA utilise des réseaux neuronaux??? Quelqu'un peut-il corroborer cette information ?

Au fait, s'agit-il simplement d'un réseau neuronal multicouche à action directe ou peut-être d'un réseau neuronal à encodeur automatique ?

 

'' La partie occasionnelle provient du réseau d'états d'écho:Echo state network - Scholarpedia

Mais l'algorithme SSA n'est rien d'autre qu'un ajustement de courbe.

 
SIMBA:
Salut Madcow,

...

N'hésitez pas à aller de l'avant avec votre idée, elle peut offrir un point de vue alternatif sur cette question fascinante... Je crois que la plupart des personnes ici présentes essaieront de vous aider.

Salutations

S

Merci Simba pour l'explication et les encouragements, mais avant de poursuivre, je veux m'assurer que les cycles ne sont pas une invention de la façon dont le prix est traité. Je voudrais demander si les composantes cycliques pourraient être le résultat d'un aliasing.

Laissez-moi vous montrer ce que je veux dire. Voici le GBPUSD M1 et deux tracés spectraux de R_MESA. Le premier tracé est le spectre de GU M1 sans traitement. Le second est le spectre de GU M1 après passage dans un filtre anti-crénelage conçu pour que le signal puisse être échantillonné à intervalles d'une heure sans violer le théorème d'échantillonnage de Nyquist. Si le signal M1 est simplement échantillonné à intervalles d'une heure, sans filtrage passe-bas préalable (et c'est précisément ce qu'est le proche H1), le processus de sous-échantillonnage introduira des artefacts aliasés. Comme le close M1 a une énergie significative en dessous de la période de 120 min, l'échantillonnage à 60 min aliasera beaucoup d'énergie dans les échantillons H1. Tous les pics qui apparaissent à gauche de 120 minutes apparaîtront comme des pics dans le spectre H1. L'emplacement des pics peut être calculé, mais le processus est compliqué, donc je ne l'ai pas fait. De plus, MESA peut ne pas capter toute l'énergie aliasée, comme le ferait une FFT.

Maintenant, regardons le spectre du GU H1 sans filtre anti-crénelage appliqué.

D'où viennent tous ces pics ? Si j'étais la dame de l'église, je pourrais penser que c'est SATAN... mais en fait je pense que c'est du crénelage. Peut-être que je devrais sous-échantillonner le prix M1 filtré et regarder son spectre. Mais c'est pour un autre jour.

Incidemment, merci à RC pour les excellents outils logiciels.

Salutations... MadCow...

P.S. Pensez à tout ce que nous pouvons encore aliaser dans le spectre H4.

Dossiers :
 

H4,Non-linéarité et échelle fractale

MadCow:
Merci Simba pour l'explication et les encouragements, mais avant de poursuivre, je veux m'assurer que les cycles ne sont pas une invention de la façon dont le prix est traité. Je voudrais demander si les composantes cycliques pourraient être le résultat d'un aliasing.

Laissez-moi vous montrer ce que je veux dire. Voici GBPUSD M1 et deux tracés spectraux de R_MESA. Le premier tracé est le spectre de GU M1 sans traitement. Le second est le spectre de GU M1 après l'avoir fait passer par un filtre anti-crénelage conçu pour que le signal puisse être échantillonné à intervalles d'une heure sans violer le théorème d'échantillonnage de Nyquist. Si le signal M1 est simplement échantillonné à intervalles d'une heure, sans filtrage passe-bas préalable (et c'est précisément ce qu'est le proche H1), le processus de sous-échantillonnage introduira des artefacts aliasés. Comme le close M1 a une énergie significative en dessous de la période de 120 min, l'échantillonnage à 60 min aliasera beaucoup d'énergie dans les échantillons H1. Tous les pics qui apparaissent à gauche de 120 minutes apparaîtront comme des pics dans le spectre H1. L'emplacement des pics peut être calculé, mais le processus est compliqué, donc je ne l'ai pas fait. De plus, MESA peut ne pas capter toute l'énergie aliasée, comme le ferait une FFT.

Maintenant, regardons le spectre du GU H1 sans filtre anti-crénelage appliqué.

D'où viennent tous ces pics ? Si j'étais la dame de l'église, je pourrais penser que c'est SATAN... mais en fait je pense que c'est du crénelage. Peut-être que je devrais sous-échantillonner le prix M1 filtré et regarder son spectre. Mais c'est pour un autre jour.

Incidemment, merci à RC pour les excellents outils logiciels.

Salutations... MadCow...

P.S. Pensez à tout ce que nous pouvons encore aliaser dans le spectre H4.

Madcow,

Une image vaut mille mots...voir ci-joint un scan que j'exécute pour trouver et dessiner une pente de cycle composite de jusqu'à 4 cycles (par timeframe) dans différents timeframes

H1...J'ai cherché des cycles à la hausse entre 90 et 180 barres dans les 540 dernières barres.

M30,M15,M5...Même analyse équivalente...donc en fait je sur-échantillonne 1,2,4 et 12 fois avec exactement les mêmes résultats.

Si vous voyez les photos, vous verrez que le scan a trouvé seulement 2 cycles, pas 1 ni 4, exactement les 2 mêmes cycles dans les 4 timeframes différents, même périodicité 108 et 153 barres H1 équivalentes, même amplitude et même phase...Cela ne se produit pas toujours, le crénelage, les fantômes et la résonance spectrale des harmoniques et des sous-harmoniques apparaissent généralement dans l'image, brouillant la réalité, mais lorsque vous voyez cette correspondance parfaite, vous savez que vous pouvez trader ce modèle cyclique, à n'importe lequel des 4 horizons temporels ... même à h4 si vous souhaitez le faire.... en utilisant le suréchantillonnage, vous pouvez échantillonner plusieurs fois par barre (utiliser l'échantillonnage m15 en h4 par exemple) ... mais vous n'en avez vraiment pas besoin.

Les cycles sont exactement les mêmes...quelles sont les possibilités que ce soient des fantômes ?...Comme je vous l'ai déjà dit, il s'agit juste d'avoir les bons outils pour mesurer ce qui se passe...

Richcap peut ne pas être d'accord avec moi, mais, IMO, MESA n'est pas le bon outil, Fourier avec toutes ses variations, y compris Goertzel, est légèrement meilleur ... mais ce que nous devons vraiment penser est le concept de cycles fractals, donc, nous devons entrer dans les domaines de la non-linéarité et de l'échelle fractale si nous voulons vraiment "modéliser" le marché.

Je n'essaierai pas de convaincre qui que ce soit d'autre, j'ai déjà tous les outils dont j'ai besoin dans le domaine des cycles, donc, si vous n'êtes pas convaincu par les résultats de Richcap et les miens, alors la conclusion logique est d'oublier les cycles... Si vous êtes convaincu, ou du moins suffisamment convaincu pour essayer, je vous aiderai tant que votre approche est originale et utile et, évidemment, tant que je n'ai pas à divulguer un travail exclusif effectué dans notre groupe privé.

Salutations

S

Dossiers :
campc19.gif  41 kb
campc20.gif  40 kb
campc21.gif  36 kb
campc22.gif  36 kb
 

Simba,

ce sont des résultats très convaincants. Je ne suis pas sûr de ce que je regarde, mais les courbes sont très similaires pour tous les TF. Il semble qu'il n'y ait pas vraiment de problème d'aliasing, cependant, je ne comprends pas pourquoi. La série H1 devrait avoir beaucoup plus de bruit que la série M1. Apparemment, il n'y a pas de composante cyclique haute fréquence soutenue dans aucun des TF inférieurs, et il y a peu ou pas de bruit. Cela me semble incroyable, et puisque j'ai pris la peine d'essayer de comprendre la possibilité d'aliasing avant que vous ne postiez votre message, je voudrais vous faire part de mes réflexions.

Ma préoccupation concernant le crénelage n'est peut-être pas claire, alors laissez-moi illustrer l'effet du crénelage mieux que je ne l'ai fait. Pour faciliter l'illustration, supposons que le spectre d'une série de prix M1 consiste en deux composantes périodiques noyées dans du bruit. Le bruit a un spectre triangulaire, l'une des composantes est à basse fréquence (longue période, représentée en bleu) et l'autre est à haute fréquence (courte période, représentée en rouge). Comme nous avons affaire à une série de prix M1, le spectre doit se terminer à la fréquence d'échantillonnage/2 (fs/2) (période = 2 minutes). ( Si des composantes de plus haute fréquence existent dans les transactions, elles seront aliasées dans le spectre en dessous de fs/2). De plus, supposez que les deux composantes ont un rapport signal/bruit raisonnablement bon. Tout ceci est illustré dans la moitié supérieure de la première figure ci-dessous. L'effet du sous-échantillonnage de cette série de prix à des intervalles de 5 minutes (M5) est illustré dans la moitié inférieure de la figure. On peut le calculer graphiquement en notant que le spectre d'un signal échantillonné peut être trouvé en convoluant le spectre du signal original avec une série d'impulsions à la fréquence d'échantillonnage. ( Puisque la période M5 est 5 fois la période M1, la fréquence d'échantillonnage est 1/5 de la fréquence d'échantillonnage de 1 minute, comme indiqué. )Cela implique les étapes simples de superposition du spectre initial à chaque impulsion. On voit clairement le désordre que cela crée dans le spectre initial. Remarquez que la composante haute fréquence est aliasée vers le bas près de la composante basse fréquence, mais que la composante basse fréquence n'est pas affectée.

Le spectre effectif de la série de prix M5 dérivé du sous-échantillonnage de la série M1 est illustré dans la figure ci-dessous. À gauche, j'ai essayé de montrer comment le bruit s'accumule en raison du repliement. A droite, je montre le spectre final du signal M5. La composante haute fréquence a été aliasée près de la composante basse fréquence, et le bruit s'est accumulé de sorte que le rapport signal/bruit est maintenant assez mauvais.

Supposons maintenant qu'il y ait plusieurs composantes cycliques de haute fréquence dans le spectre original, et supposons que nous le sous-échantillonnions une fois par heure, ou une fois toutes les 4 heures. Le désordre résultant devrait avoir des composantes cycliques partout, et le rapport signal/bruit devrait être terrible.

Puisque toute composante cyclique dans le signal final (disons H1) doit avoir été dans le signal M1 original, mais avec un meilleur rapport signal/bruit, il me semble que l'on devrait utiliser le signal M1 pour extraire les composantes cycliques. Bien sûr, le problème est que les composantes qui se situent à des périodes de 20 heures seront très difficiles à extraire des données M1, car la période M1 nécessitera 60 fois plus d'échantillons que M1. D'autre part, il peut y avoir de nombreuses composantes à haute fréquence dans la série M1, qui s'aliasent dans la série H1 plusieurs fois, provoquant plus de pics qu'il n'y en a réellement.

La seule façon simple d'étudier ce phénomène est de regarder le spectre d'un signal M1 et d'un signal H1 sur la même période (absolue), par exemple 200 heures environ. Cela ne peut pas être fait avec les outils R_MESA actuellement disponibles car la longueur requise à M1 dépasse la capacité de l'algorithme tel qu'il est codé.

Il semble que vous ayez déjà examiné les différentes TF et que vous soyez convaincu que les composantes cycliques sont présentes à une fréquence suffisamment basse pour ne pas être affectées par le sous-échantillonnage. En utilisant quelque chose comme l'algorithme de Goertzel (ou simplement un ensemble de filtres à bande étroite, ce qui est équivalent), on peut apparemment ignorer le bruit ajouté par le repliement. C'est une bonne nouvelle. Je suis convaincu que les composants sont là. Je ne sais pas pourquoi. Je vais donc m'intéresser à un filtre de suivi à verrouillage de phase.

J'aimerais en savoir plus sur le filtrage fractal si vous avez des sources.

Merci ...MadCow...

Dossiers :