Galateo del mercato o buone maniere in un campo minato - pagina 100

 
Neutron писал(а) >>

Un piccolo rapporto sul lavoro svolto. Ho studiato la redditività dei pattern binari costruiti sulle quotazioni in tick di EUR/USD per circa un anno. La redditività è stata studiata in funzione di

Sergey:

  • quali modelli hanno mostrato la maggiore redditività per d = 4 e 5?
  • Forse non riesco a vederlo chiaramente, ma sull'immagine piatta sembra che i modelli più redditizi siano invarianti ad H, è vero? se sì, come pensi che questo possa essere spiegato?
 
M1kha1l писал(а) >>

quali modelli hanno mostrato la maggiore redditività per d = 4 e 5?

Per d= 4: -1+1+1+1 e +1-1+1-1

Per d= 5: -1+1+1+1-1-1 e +1-1+1+1+1-1

Questi modelli mostrano la più alta redditività, che è espressa in pip per transazione, dove la media viene eseguita sull'intero campione. Il fatto che la redditività massima aumenti all'aumentare della dimensione del modello non significa che aumenti anche la redditività della ST basata su questo meccanismo di presentazione. Il fatto è che con l'aumento della redditività la frequenza di incontri di questo tipo diminuisce a causa della crescita geometrica del numero di tutti i modelli possibili. Se aumentiamo la dimensionalità del modello di una cifra (per esempio, da 2 segmenti a 3), il numero di combinazioni aumenta di 2 volte (da 4 a 8), e la redditività aumenta del 20% (vedi figura sopra). Ovviamente, si dovrà fare un compromesso tra l'affidabilità delle previsioni e la frequenza delle transazioni. È possibile che gli schemi più "convenienti" (in questo senso) siano a 3 link.

Forse è difficile da vedere, ma nella figura piatta sembra che i modelli più redditizi siano invarianti ad H, è vero? Se sì, come pensi che questo possa essere spiegato?

Diamo un'occhiata più da vicino alla dipendenza della redditività dai modelli più ripidi in funzione dell'orizzonte di partizione - H:

Le dipendenze sono date per un modello a 6 link (fig. sinistra) e per un modello a 2 link (destra). C'è, tuttavia, una dipendenza da H. La scala sull'asse verticale è diversa.

 
Neutron писал(а) >>

Per d= 4: -1+1-1+1+1 e +1-1+1-1

Per d= 5: -1+1-1+1-1 e +1-1+1+1-1

Questa è, imho, la "cifra" di un appartamento, che secondo una stima generale richiede l'85% del tempo.

All'aumentare della redditività, la frequenza di comparsa dei modelli diminuisce a causa della crescita geometrica di tutti i modelli possibili. Se aumentiamo la dimensionalità del modello di una cifra (per esempio da 2 segmenti a 3), il numero di combinazioni aumenta di 2 volte (da 4 a 8), e la redditività aumenta del 20% (vedi figura sopra). Ovviamente, si dovrà fare un compromesso tra l'affidabilità delle previsioni e la frequenza delle transazioni.

Questa, imho, è una tipica risposta a una tipica domanda di matematica sollevata in uno dei post: "Cosa è meglio: quaranta volte una volta o tutte e quaranta le volte una volta?

o

due modelli di mercato: Cherkizovsky e la boutique di Kutuzovsky - la curva di Porter nella gestione.

Le dipendenze sono date per il modello a 6 link (fig. sinistra) e per il modello a 2 link (destra). C'è, tuttavia, una dipendenza da H. La scala sull'asse verticale è diversa.

Possiamo supporre che la differenza delle aree sub-integrali sia la tendenza nel periodo?

Se "sì", allora al massimo rendimento dei modelli alternati abbiamo una strategia ben nota: trovare la coppia più piatta e ... "più avanti" (o opzioni).


Quali altre conclusioni si possono trarre?

 
M1kha1l писал(а) >>

Possiamo supporre che la differenza delle aree sub-integrali sia una tendenza nel periodo?

È un po' più semplice di così.

Hai ragione, la differenza tra le aree sotto le due dipendenze, darà il contributo della componente di tendenza. Ma una tendenza non è una tendenza! Possiamo distinguere due gruppi di tendenze. Il primo gruppo "stocastico" comprende tutte le tendenze che non possono essere identificate statisticamente in un modo o nell'altro. Tali tendenze, per esempio, includono le tendenze del processo di Wiener - sono presenti nella storia, ma non si può trarne profitto. Il secondo tipo comprende le cosiddette tendenze "deterministiche", o tendenze che possono essere rilevate sul lato destro della BP nel processo della loro formazione. Tali tendenze includono sequenze di sezioni ascendenti o discendenti di BP, il cui coefficiente di correlazione reciproca tra i campioni nella prima differenza è positivo.

Quindi, le tendenze stocastiche risulteranno in diverse aree sotto le curve sui grafici dati:

E le tendenze deterministiche diminuiranno "uniformemente" il rendimento (vedi fig. elipse). Ora, se le linee dovessero "scambiarsi di posto" a questo punto, potremmo parlare di un vero e proprio comportamento trnedirezionale del quoziente nel dato orizzonte di trading H.

 
Neutron писал(а) >>

Sergey, allega le tabelle con le regole ordinate per supporto e interesse separatamente per d = 4 e 5.

È interessante vedere l'effetto del modello di parità sul %%.

 

Cioè, presentare le immagini tridimensionali che ho postato nella pagina precedente come tabelle?

 
Neutron писал(а) >>

Cioè, presentare le immagini tridimensionali che ho postato nella pagina precedente sotto forma di tabelle?

Vedo che non hai letto le regole, anche se sei d'accordo con me :)

È ben esposto qui http://www.basegroup.ru/library/analysis/association_rules/intro/

Brevemente:

  • Hai rotto BP in un modello 1000 con un dato H e un dato d (1001+d kagi extremum).
  • di cui 100 sono unici
  • L'ennesimo pattern di 100 unici si verifica in un campione di 1000, ad esempio 200 volte, quindi il suo supporto = 20% (questa condizione se si verifica nel 20% dei casi) o il supporto di una regola.
  • Per questo n-esimo pattern (condizione) ci sono due soluzioni 150 volte "+" e corrispondentemente 50 volte "-", cioè interesse e. regola = 75% per "+" e 25% per "-" ( if ( Pattern == n ) Then 75% else 25% ) . Questo è presentato come un numero di eventi nella tabella alla fine della dissertazione di Pastukhov. Ma è più conveniente usare valori relativi.


Non è solo il tasso di diminuzione del supporto con l'aumento di d che è interessante, ma anche la dinamica del cambiamento dell'interessamento della regola.

È possibile trovare sfumature nel segno-variabilità.

Sono abituato a guardare la tabella, perché si può filtrare e ordinare in diversi modi, ma si può anche guardare il grafico.

 

Ho dei dati sulla frequenza dei modelli (fig. destra) e la loro validità predittiva (fig. sinistra) in funzione di H:

I dati sono dati per d=5. Il colore rosso mostra i valori più grandi, quello blu i valori più piccoli.

 

al neutrone

Purtroppo le circostanze della mia vita sono tali che devo lasciare il mercato e il forum per un periodo indefinito. Alla luce delle vostre recenti scoperte, ho un'idea:

L'idea è di rilevare lo schema di commutazione +H/H e saltare da uno a due conteggi PT, dopo ogni transazione commessa. Sicuramente, ci dovrebbero essere statistiche di durata(lifetime) per le strategie +H e -H. Una strategia dovrebbe essere cambiata dopo n campioni RT da +H a -H(dopo 1 passo di pausa) e viceversa dopo n campioni RT da -H a +H. Secondo le mie osservazioni di kagi - tick series splits, c'è un modello stabile e che si ripete costantemente: quando il top del precedente RT cade in un quartiere delta (non più di 3-5 pips) dell'attuale (ultimo) top di Kagi - è necessario cambiare la strategia da +H a -H, e per catturare questo modello abbiamo bisogno di saltare 1-2 campioni RT dopo la transazione - non fare trading su di essi, ma analizzare.


P.S.

Grazie mille per la scienza! Buona tendenza e grandi profitti.

 
1000