![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
+5
Nessun punto.
Bene per niente...... Secondo me, la differenza di muwings è un grande indicatore che mostra davvero dove si trova il prezzo. E introduce anche distorsioni minime al segnale originale..... ))))))
La differenza del muving non è altro che la derivata prima del muving più veloce e mostra i SUOI estremi, non il quoziente. Questo solleva diverse domande ragionevoli:
In primo luogo, perché mettere i pantaloni sopra la montagna e usare questo modo di determinare la derivata se ce n'è uno classico?
In secondo luogo, l'uso della derivata prima nell'analisi di serie temporali (TD) come i prezzi implica la validità di questo approccio in questo caso, e non c'è! Infatti, la BP non è liscia (il coefficiente di autocorrelazione è negativo su tutti i TF) e il metodo semplicemente non può e non funziona qui. La conseguenza dell'uso dello smoothing nel nostro caso, sarà l'inevitabile ritardo di fase, che annullerà tutti i tentativi di rilevare gli estremi sul kotyr in tempo.
In terzo luogo, non capisco ancora il senso di usare un muving leggermente ridisegnato se il trading con esso è ancora identico al lavoro su un muving non disegnato. Perché questi "trucchi"? È una specie di flirt con se stessi?
È questa caratteristica che permette di chiamare il trading una professione,
usare muwings, analisi grafica empirica, reti neurali,
e anche, abbastanza sorprendentemente, metodi statistici semi-empirici.
Il coefficiente di autocorrelazione della serie dei prezzi è nell'intervallo (più) 0,6-0,9,
È questa caratteristica che permette di chiamare il trading una professione,
usare muwings, analisi grafica empirica, reti neurali,
e anche, abbastanza sorprendentemente, metodi statistici semi-empirici.
D'accordo!
Il coefficiente di autocorrelazione della serie dei prezzi è nell'intervallo (più) 0,6-0,9,
Se si guarda al problema del trading, alla fine siamo interessati agli incrementi di prezzo, non ai suoi valori assoluti; è sulle variazioni di prezzo che si fanno i soldi.
Pertanto, in questo caso stiamo parlando della serie della prima differenza di prezzo di una quotazione, e non della serie del prezzo originale. Per le prime serie di differenza (per esempio, Open[i]-Open[i+1]), il coefficiente di correlazione tra campioni vicini è piccolo (<<1) e sempre negativo. Per applicare il calcolo differenziale alla BP arbitraria (per esempio, l'espansione della serie di Taylor e la costruzione di un modello di previsione sulla sua base - questo è ciò che tutti cerchiamo di ottenere da una media mobile), la serie della sua prima differenza deve essere positivamente autocorrelata (fornisce la scorrevolezza della serie iniziale), purtroppo le serie dei prezzi non soddisfano questa condizione. Intendevo esattamente questo fatto, quando ho detto che i muwings sono poco promettenti nel nostro caso - mostrano la storia. A proposito, 20 anni fa, le serie dei prezzi, anche se deboli, ma erano correlate positivamente (la loro prima differenza), permette di guadagnare utilizzando semplici modelli di AT classica. Ora la situazione è diversa, e sono necessari approcci non banali al problema del commercio efficace.
D'accordo!
Il quadro è diverso ora, e sono necessari approcci non banali per risolvere il problema del trading efficiente.
Cosa intende per approcci "non banali" al compito del trading efficace?
Bella domanda.
Per esempio, c'è un'alternativa all'espansione della serie di Taylor che funziona per BP con autocorrelazione negativa nella sua serie di prima-differenza. Può essere ottenuto esplicitamente come conseguenza della risoluzione del problema per una rete neurale a singolo strato con ingressi multipli. Per esempio, ecco il primo termine di una tale decomposizione ottenuto come soluzione per un NS a due ingressi:
Certo, non è una panacea, ma è almeno qualcosa di non banale. così mi sembra.
Cosa mostra il futuro?
Bella domanda.
Per esempio, c'è un'alternativa all'espansione della serie di Taylor che funziona per BP con autocorrelazione negativa nella sua serie di prima-differenza. Può essere ottenuto esplicitamente come conseguenza della risoluzione del problema per una rete neurale a singolo strato con ingressi multipli. Per esempio, ecco il primo termine di una tale decomposizione ottenuto come soluzione per un NS a due ingressi:
dove d[i+1] è la previsione di i+1 incrementi della serie dei prezzi.
Certo, non è una panacea, ma è almeno qualcosa di non banale. così mi sembra.
In termini pratici, è meglio non parlare affatto di una rete neurale a uno strato. È solo un filtro lineare con pesi costanti e niente di più. Stranamente, gli "approcci banali" sono abbastanza fattibili con un pensiero non banale. Guardate i vincitori del campionato, la bellezza è nella semplicità, tutti conoscono queste strategie, ma non tutti sanno come usarle. Si può descrivere il movimento dei prezzi con milioni di formule, ma non avere la cosa principale, il profitto.
Tutto è possibile (tutto è possibile), il problema è che non sappiamo tutto.
Cos'è meglio, un metodo banale con un approccio non banale, o un approccio banale con un pensiero non banale? Non lo so... quale criterio di superiorità usare è un argomento a parte. Puoi uccidere tutta la tua vita vagando nel buio alla ricerca di qualcosa di speciale, o puoi usare qualcosa che è noto a tutti da molto tempo... È una questione di gusti.
Io aderisco al punto di vista che ci sono metodi ottimali per risolvere un problema e sono certamente realizzabili all'interno del paradigma scientifico, senza deviazioni come "mi sembra" o "tutti fanno così".