una strategia di trading basata sulla teoria dell'onda di Elliott - pagina 53

Nuovo commento
 
<br/ translate="no"> Sinceramente non capisco nulla di questo file. Sarebbe interessante sentire i commenti. Penso che il rischio del trade nella strategia Vladislava dovrebbe essere calcolato solo sulla posizione attuale del prezzo nell'intervallo di confidenza, e non sul generatore di numeri casuali. Per quanto ho capito è il generatore di numeri casuali che viene usato come punto di riferimento per la quantità di scambi nel file?


Nel tuo rapporto tester puoi vedere che la probabilità di un trade in profitto è circa 0,9, mentre il profitto medio è di 10 pips (~1%) e la perdita media di 20 pips (2%). Questo è se si apre con 0,1 lotto del deposito di $1000 su Alpari. Quindi, se si varia la dimensione del lotto (rischio) si possono ottenere sequenze approssimative di trade e bilanci di probabilità. Di nuovo, premendo senza mezzi termini F9 si vedrà che si tratta di risultati molto buoni, è impossibile drenare. Certo, se è così che i mestieri saranno distribuiti in futuro.
Questa, in poche parole, è l'idea dietro questa simulazione.
 
Interessante... E ho risolto questo problema non è molto diverso, trovato nella decomposizione netta della funzione di distribuzione normale (12 linee) e considerare la probabilità al secondo segno, non so può rallentare il calcolo (all'esperto di avvicinarsi), se sarà interessante posso stendere un pezzo di codice ...

Anch'io ho trovato il calcolo inet dei quantili sul sito ALGLIB.SOURCES.RU. Ma in qualche modo è apparso non 12 stringhe a tutti e una funzione ha richiesto il calcolo di altri. Ne ho già scritto in questo thread. Quindi penso che l'approccio utilizzato in questo sito avrebbe rallentato l'Expert Advisor. Quindi, se avete effettivamente 12 righe di codice che fanno la stessa cosa, allora tutti sarebbero interessati a leggerle. Uso una tabella quantile con 3 cifre decimali. Penso che 2 decimali non cambieranno l'intero quadro del lavoro, ma sarà utile per tutti.
 
Qual è la massima deviazione standard in punti che abbiamo? Non più di 100. Quindi trovare la probabilità di trovarsi in qualsiasi punto del grafico dei prezzi vicino al centro della distribuzione non sarà più dell'1%, cioè 2 cifre decimali. Quindi non c'è bisogno di una maggiore precisione.
 
Forse non ho capito le conclusioni del teorema del limite centrale (nel mio libro di riferimento è scritto così: Se una variabile casuale può essere rappresentata come una somma di un gran numero di componenti indipendenti, ognuna delle quali contribuisce alla somma solo leggermente, allora questa somma è approssimativamente distribuita normalmente), allora risulta che si usa semplicemente una tabella di funzioni di distribuzione normale per determinare la probabilità di trovare il c nell'intervallo di confidenza dato dal valore della tabella.

Ecco perché ho semplicemente fatto un'espansione in serie della funzione di distribuzione e ho determinato la dimensione dell'intervallo sia in pip (se k=true (cioè la probabilità che il prezzo si muova in alto o in basso) o in valori di razione

double ver(bool k, double Par,int e, int b) {if(k) {Canal(PriseData,e,b);
Par=(Par-CanalA[0]*b-CanalA[1])/CanalA[2];} double t=MathAbs(Par); double sum=t; double x=t*t; double s=0; for( int m=3; MathAbs(s-sum)>0.01;m=m+2){t=x*t/m; s=somma; sum=somma+t;} if(Par>0)return(-0.7968*somma*MathExp(-x/2)); else return(0.7968*somma*MathExp(-x/2)); }




Sono stato molto sorpreso che non l'abbia fatto, e ora mi fa dubitare di tutto...

E per favore, se non ti dispiace, dimmi cosa intendi con il termine "quantile".

 
Ecco un pezzo di codice pronto per calcolare praticamente la probabilità per deviazione.

https://c.mql5.com/mql4/forum/2006/06/kvantil.zip

Come usarlo nel codice non è difficile da indovinare.
 
Non mi sembra di aver trovato errori in questa funzione, quindi non cambierò nulla fino a quando non avrò un esperto.

Farò una spiegazione della funzione:
k - chiave che indica cosa viene passato alla funzione nel parametro Par
Se k=vero, Par è un prezzo e in questo caso dovremmo anche passare nella funzione i parametri del canale relativi ai quali viene calcolata la probabilità. I parametri e è l'ultima barra del canale e b è la prima barra del canale.
se k=falso, allora Par è la deviazione espressa in valori RMS, e allora i parametri b ed e non sono utilizzati.
Canal(Data[],e,b) è una funzione che calcola la regressione e l'RMS riempiendo CanalA [] con i valori ottenuti.

E poi l'algoritmo di decomposizione, che è stato preso dal sito http://www.kamlit.ru/docs/aloritms/lgolist.manual.ru/maths/matstat/NormalDF/NormalDF1.php.htm

MathAbs(s-sum)>0.01 e qui potete impostare la precisione richiesta
 
<br/ translate="no"> Se una variabile casuale può essere rappresentata come una somma di un gran numero di termini indipendenti, ognuno dei quali contribuisce solo una piccola quantità alla somma, allora la somma è approssimativamente distribuita normalmente), allora usiamo semplicemente una tabella di funzione di distribuzione normale per determinare la probabilità di trovare il c nell'intervallo di confidenza di un dato valore.

ZSY Il fatto che tu non l'abbia fatto mi ha sorpreso molto, e ora mi fa dubitare di tutto...

ZZZY E per favore, se non ti dispiace, dimmi cosa intendi con il termine "quantile".

Nella frase "Se una variabile casuale può essere rappresentata come la somma di un grande numero" la parola chiave è grande. E questa parola credo si riferisca sia ai fattori stessi che al numero di osservazioni. In pratica, abbiamo a che fare con campioni per esempio da 30 bar fino a 1000. In questo caso è più appropriato usare la distribuzione di Student piuttosto che una distribuzione normale. Faccio esattamente questo. Anche se forse otterremo la stessa cosa con una distribuzione normale. Non l'ho ancora testato.

Onestamente, non sono riuscito a capire il tuo codice a prima vista. Come si può tenere conto dei gradi di libertà in una quantità così piccola di codice? Excel ha funzioni pronte per calcolare i quantili per diverse probabilità e diversi gradi di libertà. Uso la tabella di distribuzione di Student, non una distribuzione normale (pp. 53-55 Bulashev).

Per "quantile" intendo la stessa cosa scritta da Bulashev alle pagine 18-19 del suo lavoro seminale.
 
<br / translate="no"> Ad essere onesti non potevo dare un senso al tuo codice a prima vista.


Spiegazione della funzione nel post sopra
 
solandr, l'unica applicazione della distribuzione di Student che ricordo è per valutare le misure di laboratorio. Ricordo che ho preso una C nel test di terver, che non era troppo male in generale, visto che il resto del gruppo ha preso D :)
Quindi sarei interessato a sentire come si applica la distribuzione Student :)

ZS Purtroppo, a quei tempi, terver era troppo teorico per essere applicato nella vita.
 
Quindi sarei interessato a sentire come si applica la distribuzione Student :)

Beh, ho già scritto sopra. Sto solo calcolando i quantili per costruire gli intervalli di confidenza. In che altro modo può essere usato? Bulashev ha scritto come calcolare proprio questi quantili in Exxle. In generale ho lo stesso file che hai postato sopra, ma solo per la distribuzione di Student. Ecco la differenza. Pensate come potete applicare la distribuzione di probabilità normale a un campione di 30 barre, per esempio, se ci sono solo poche barre? Basta confrontare i quantili della distribuzione di Student a diversi gradi di libertà e tutto diventerà subito chiaro.
1...464748495051525354555657585960...309
Nuovo commento