Risonanza stocastica - pagina 19
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
a Yurixx
Allora questa dipendenza è più facile da ottenere sperimentalmente. La serie dei prezzi non ha affatto una distribuzione normale e costruire "modelli" su questa base porterà a un errore sostanziale.
P.S. Colpa mia, disattenzione, un errore lì, RMS non può aspirare all'infinito. Prendi la somma solo per gli incrementi M
Yuri, un primo sguardo a questa dipendenza. La prima cosa che mi è venuta in mente è stato un orologio EURUS. L'intervallo sotto studio è (10000 - mentito) 5000 conteggi, la dimensione della finestra è andata da 50 a 3000 in intervalli di 50. Ecco cosa è venuto fuori (come previsto):
PS: la cosa più semplice da fare è approssimarla e ottenere una funzione analitica molto precisa.
P.S. Colpa mia, disattenzione, un errore lì, RMS non può aspirare all'infinito. Prendi la somma solo per gli incrementi M
Sono d'accordo :)
Ed ecco la dipendenza stessa, un po' grezza:
Grazie, Sergey. 10000 è un numero troppo piccolo per un intervallo M di 50 - 3000. Ecco perché ci sono queste non-morbidezze come nella parte superiore della tua curva. Inoltre, l'area dei piccoli valori, che è quello che mi interessa, ha troppa divergenza. Proverò l'idea di calcolare in questo modo. L'unica cosa che temo è che dovrò ricalcolare ogni volta che passo a un nuovo strumento, o t/f, o altro.
Non c'è di che, non era un risultato finito. :о) Mi sembra che questo sia l'unico modo normale ma perfettamente valido per ottenere un risultato. Le conclusioni teoriche possono dare una stima più approssimativa, ma qui abbiamo le statistiche. Potete prendere l'intero campione ed eseguire l'algoritmo con il passo ottimale per la dimensione della finestra.
E per qualche ragione mi sembra che il coefficiente nella potenza sarà approssimativamente lo stesso per il resto dei casi, ma il primo coefficiente cambierà sicuramente e simboleggia la diffusione del campione originale. A proposito, è possibile controllare - condizioni simili, ma prendere un'altra serie in generale in un altro luogo:
Dipendenza
La funzione analitica
I coefficienti non differiscono molto:
Opzione 1: -0,0005
Variante 2: -0,0004
Quindi, prendendo più dati grezzi si può ottenere una dipendenza più o meno esatta senza legarsi al primo coefficiente :o) Sono sicuro!
Non sto discutendo, ma...
In pratica è da lì che ho iniziato. Ma poi ho scoperto che la situazione cambia per diverse TF. È comprensibile - meno barre (o più) - otteniamo una N diversa. Tale dipendenza da M, come mostrato nei grafici precedenti, è stata ottenuta da me fin dall'inizio, ma quando mi sposto verso un altro TP, come risultato del cambiamento del numero totale di barre, questa curva si sposta verticalmente. Si scopre che non dobbiamo cercare una dipendenza da M, ma dal rapporto tra N e M.
Non sto discutendo, ma...
In pratica è da lì che ho iniziato. Ma poi ho scoperto che la situazione cambia per diverse TF. È comprensibile - meno barre (o più) - otteniamo una N diversa. Tale dipendenza da M, come mostrato nei grafici precedenti, è stata ottenuta da me fin dall'inizio, ma quando mi sposto verso un altro TP, come risultato del cambiamento del numero totale di barre, questa curva si sposta verticalmente. Si scopre che bisogna cercare una dipendenza non da M, ma dal rapporto tra N e M.
Sì, diversi timeframes dovrebbero correggere il risultato ed è probabilmente più facile ottenere la dipendenza per ognuno di loro che cercare di trovare una formula universale (tutto dipende dal criterio prezzo-qualità). Forse scegliendo (H+L)/2 si potrebbero appianare le differenze?