una strategia di trading basata sulla teoria dell'onda di Elliott - pagina 224
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
dal valore H, positivo o negativo, a seconda del segno di
della differenza di prezzo alla fine e all'inizio dell'intervallo. Si calcola come
=(Valore del prezzo alla fine dell'intervallo - valore del prezzo all'inizio dell'intervallo)/H, quindi
quindi può assumere solo i valori 1 o -1.
Se esaminiamo i grafici a tick con valori bassi di H, possiamo vedere che il prezzo cambia di 2H, 3H o più per tick. Qual è il valore della variazione di prezzo in questo caso?
dal valore H, positivo o negativo, a seconda del segno
della differenza di prezzo alla fine e all'inizio dell'intervallo. Si calcola come
=(Valore del prezzo alla fine dell'intervallo - valore del prezzo all'inizio dell'intervallo)/H, quindi
quindi può assumere solo i valori 1 o -1.
Se si esamina un grafico a tick con piccoli valori di H, allora è possibile che
il prezzo per tick cambia di 2H, 3H o più. Qual è il valore in questo caso?
Cambio di prezzo?
Sì, qui c'è un'imprecisione. Il fenomeno, nella modulazione delta, è chiamato "sovraccarico di ripidità".
È valutato negativamente. In linea di principio la formula stessa è corretta. Allora va così:
Lavariazione del prezzo è l'intervallo in cui il valore del prezzo cambia
dal valore H, positivo o negativo, a seconda del segno
della differenza di prezzo alla fine e all'inizio dell'intervallo. Si calcola come
=(Valore del prezzo alla fine dell'intervallo - valore del prezzo all'inizio dell'intervallo)/H
quindi può prendere solo valori interi positivi o negativi
così come i valori negativi.
Corrispondentemente nel caso di 2H, 3H ecc. sarà 2, 3 ecc.
Grazie alla dritta di solandr ho scaricato l'archivio di teak dal sito.
Non c'è bisogno di inviare un secondo pacco.
Grazie.
contro-direzionale picchi di prezzo?
Guardando la figura.
Considero il segmento da Oren[i-1] a Oren[i], dall'area dei valori di funzione, un salto di prezzo contro-direzionale rispetto al segmento da Oren[i-2] a Oren[i-1]. Il criterio per il salto contro-direzionale è l'adempimento della disuguaglianza:
(Orep[k]-Orep[k-1])*(Orep[k+1]-Orep[k])<0.
Il tratto da Orep[i] a Orep[i+1] è co-direzionale rispetto al tratto da Orep[i-1] a Orep[i]. Il criterio per la co-direzionalità del salto è l'adempimento della disuguaglianza:
(Open[k]-Open[k-1])*(Open[k+1]-Open[k])>0.
Ora rivolgiamo la nostra attenzione a ciò che Pastukhov scrive nel suo articolo:
Vt e Ut in senso è un numero di tutti i salti moltiplicato per H
Nt e Mt in senso è solo somma di tutti i salti contro-diretti.
Allora l'affermazione che ho dato nel post precedente:
FAC=1-2/H, è corretta.
a Grans
Sergei, guarda il comportamento dei prezzi e dimmi: questo è un mercato di tendenza o un mercato pullback?
Giusto! - È impossibile rispondere in modo univoco - la domanda non è corretta. A TF=1 questo è un mercato di tendenza. Infatti, la somma in qualsiasi parte della serie temporale dei prodotti dei picchi adiacenti è sempre positiva e una posizione dovrebbe essere aperta nella direzione del movimento del prezzo. Al contrario, al TF=50 vediamo un piatto pronunciato! Infatti, la somma su qualsiasi segmento della serie temporale (TF=50) dei prodotti dei picchi adiacenti è sempre negativa e una posizione dovrebbe essere aperta contro la direzione del prezzo precedente.
Ora, due parole su quanto "lunga" dovrebbe essere la somma. Ho già scritto dei risultati statistici. La conclusione è l'unica, il numero di membri della somma deve essere almeno 100. In questo caso, le fluttuazioni dei risultati ottenuti non supereranno il 10%. Questa è probabilmente una precisione sufficiente per gli scopi dell'applicazione.
Ora, fate attenzione! Guardiamo il tuo disegno del post precedente. Ciò che stai evidenziando con gli occhi come tendenza dovrebbe avere un centinaio di intervalli per una selezione affidabile. Se questa sezione è divisa in 100 intervalli, la TF sarà 100 volte inferiore a quella in cui avete "evidenziato" la tendenza con gli occhi. E non è un fatto che su un TF 100 volte inferiore non ci sarà un piatto! Ricordate l'esempio con il coseno. Ma sarà un appartamento credibile sul quale potrete fare soldi. Pensate a questo paradosso immaginario.
Ora, dividiamo la vostra "tendenza" non in 100 intervalli, ma in, diciamo, 10. In effetti, la somma dei prodotti dei salti di prezzo dei vicini è positiva - TREND! Sì, tranne che l'errore di indetificazione è al livello del 30%. Questo è ciò che si chiama "tendenza stocastica".
Questo è tutto, non posso spiegarlo in altro modo.
Se il FAC è positivo, abbiamo un caso di tendenza deterministica; se il FAC è negativo, abbiamo un flat deterministico, o in altre parole, un pullback nel comportamento dei prezzi.
Sergey, grazie per la tua paziente spiegazione. Potresti avere ragione nel tuo ragionamento. Penso che ci vorrà del tempo perché alcuni di noi cambino il loro punto di vista su questo problema. Noterò solo quanto segue dal mio punto di vista:.
Non vedo alcun paradosso. Non divido la serie in intervalli. Penso che questa operazione non abbia alcun fondamento e faccia un errore enorme. Analizzo una serie nel suo insieme, senza usare alcuna finestra.
Non ho bisogno di una tendenza. Sono soddisfatto della forza della relazione tra i campioni. Questo è generalmente sufficiente per le previsioni (ho fatto degli esempi prima).
Non metto in evidenza la tendenza con gli occhi. Se ho bisogno di sapere in modo affidabile se si tratta di una tendenza o meno, uso un criterio aggiuntivo. Le conclusioni tratte sulla base di questo criterio sono confermate con i miei occhi. Questo è tutto, più precisamente.
La funzione sin() ha valori statistici di 2,127. Per essa il criterio "nessuna tendenza" si trova nell'intervallo (0: 1,9) ed è quasi immediatamente in questo intervallo. Questo può essere classificato nel mio approccio come uno stato vicino a un "piatto"
Le trasformazioni di Pastukhov in un certo senso "irruvidiscono" la serie e sono finalizzate a un uso abbastanza diverso. Non vedo nessun argomento convincente a favore dell'uso di queste trasformazioni per il rilevamento di tendenze, con qualsiasi metodo, inclusa l'autocorrelazione.
Una metodologia di rilevamento delle tendenze non dovrebbe avere alcun parametro di input. Ne avete due: il primo è la dimensione della finestra, il secondo sono i parametri per le costruzioni kagi, rengo .... Solo la serie iniziale! C'è tutto dentro!
...Allora l'affermazione che ho fatto nel post precedente:
FAC=1-2/H, è corretta...
Confesso che ho anche esitato un po', nella mia giustezza. Ma rapidamente
è tornato in sé. Vi suggerisco di fare lo stesso.
OK, al diavolo H-Hurst, non tutti
capiscono comunque i suoi algoritmi di calcolo, guardiamo FAC. Ho capito che è una funzione di
autocorrelazione. Le formule possono probabilmente essere trovate qui o nei libri di testo.
Ho guardato il tutorial e l'implementazione di FAC in Statistica.
Costruite tre righe di dati, la prima è così: 1,-1,1,-1 ecc.
La seconda fila è: 2,-2,2,-2 ecc; e la terza è 2,-1,2,-1 ecc. Le H-volatilità per loro,
sono 1, 2 e 1,5, rispettivamente. Il valore FAC, calcolato in Statistica, per
lag = 1, per tutte e tre le serie -0,995, che è in generale naturale,
basato sulla comprensione dell'autocorrelazione. Per lag =2, sarebbe 0,993, ecc...
Si noti che le tre serie sono completamente diverse in
H-volatilità e lo stesso in FAC (per lo stesso ritardo).
O il tuo FAC non è lo stesso di quello convenzionale, o hai un errore nel tuo ragionamento
.
.
North Wind, sto influenzando il FAC su una serie di prime differenze e tu sulla serie originale. Da qui la differenza.
Naturalmente, se due serie X e Y sono definite, allora il coefficiente di correlazione è calcolato utilizzando la formula:
r=SOMMA(X*Y)/SOMMA(X^2).
Se ora andiamo alla definizione del coefficiente di autocorrelazione, abbiamo:
r=SUM(X[i]*X[i-1])/SUM(X[i]^2),
passando da questo alle prime differenze, otteniamo:
r=SUM{(X[i]-X[i-1])*(X[i+1]-X[i])}/SUM(X[i]-X[i-1])^2),
o, in prima approssimazione:
r=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]))}/N, dove N è la finestra di somma.
Che è, infatti, ciò che è stato affermato.
...North Wind, sto influenzando FAC su una serie di prime differenze e tu sulla serie originale. Da qui la differenza.
Naturalmente, se si definiscono due serie X e Y, allora il coefficiente di correlazione si calcola con la formula:.
Notate che l'esempio che ho dato di "1,-1,1,-1,1,1,-1..."
è convertito in "-2,2,-2,2..." sotto forma di prime differenze. FAC(lag=1) per queste serie
sono identici in valore, e corrisponde pienamente alle nozioni teoriche,
affermando che per tali serie la correlazione con il valore precedente
è vicino a 1. Allo stesso tempo, la volatilità H per queste serie considerate è diversa,
Cioè si scopre che la vostra formula non è del tutto corretta.
Qui non sono state usate due serie X e Y. È solo che per testare
tre righe di dati sono state calcolate indipendentemente l'una dall'altra.
Si calcola il FAC per le righe "3,-3,3,-3..." e "1,-1,1,-1...",
mi mostri il risultato, io calcolo la H-volatilità. Poi confrontiamo.
tu mostri il risultato, io calcolo le H-volatilità. Poi confrontiamo.
Per la prima riga:
FAC=SOMMA{segno((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={segno((-3-3)*(3-(-3))+segno((3+3)*(-3-3)+...+}/N=
={-1+(-1)+...+(-1)}/N=-1,
H-volatilità (denotiamo con H),
H=(somma dei valori assoluti di tutti i movimenti di prezzo)/(somma delle inversioni di movimento)=h*N/N=1*h, dove h=3.
FAC per significato, è senza dimensione. La volatilità H è dimensionale in ampiezza, quindi la normalizziamo per h per il confronto.
Ho sostenuto FAC=1-2/H, abbiamo -1=1-2/1=-1 cioè l'identità.
Per la seconda serie:
FAC=-1,
H=h*N/N=1*h, dove h=1.
Abbiamo -1=1-2/1=-1, cioè l'identità.
Che è stato richiesto di dimostrare.
mi mostri il risultato, io calcolo la H-volatilità. Poi confrontiamo.
Per la prima fila:
ФАК=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={sign((-3-3)*(3-(-3))+sign((3+3)*(-3-3)+...+}/N=
={-1+(-1)+...+(-1)}/N=-1,
Sì, sono d'accordo. Solo che l'ho fatto in modo diverso, ma il risultato è lo stesso.
H-volatilità (denotiamo con H),
H=(somma dei valori assoluti di tutti i movimenti di prezzo)/(somma delle inversioni di movimento)=h*N/N=1*h, dove h=3.
FAC per significato, è senza dimensione.
Sì, è quello che penso anch'io.
La volatilità H è dimensionale in ampiezza, quindi la normalizziamo per h per il confronto.
Ma è qui che si sbaglia. Tutto è già impostato in h. Quindi non c'è bisogno di normalizzarlo.
Ho sostenuto FAC=1-2/H, hanno -1=1-2/1=-1 cioè l'identità.
Voi, a spese della "normalizzazione", riducete tutti i casi a un caso in cui =1.
Inoltre, invece della formula "diretta" per calcolare la H-volatilità sembra
Lei usa la sua formula personale che è errata e quindi il suo risultato è errato.
Per la seconda fila:
FAC=-1,
H=h*N/N=1*h, dove h=1.
Abbiamo -1=1-2/1=-1 cioè un'identità.
Che è stato richiesto di dimostrare.
Calcoliamo FAC e H-volatility per
un'altra serie, per esempio 3,-1,3,-1, ecc. Io sostengo che FAC sarà =-1, H-volatilità =2.
Il partizionamento H è fatto a h=1. Non c'è bisogno di fare differenze, la serie è pura.
A proposito, un altro esempio interessante di serie, 1,2,-3,1,2,-3. Cosa pensate che succederà?