...можно сделать предположение о том, что функция траектории адекватно может быть представлена некоторой квадратичной формой - дальше почти просто: поиск экстремумов функционалов критериев качества для таких форм весьма исследованная область. То есть нужно делать отбор выборок, экстремальным образом удовлетворяющих критериям качества.
Вот собственно такую систему, которая ВСЕГДА получает правильный прогноз мы и получим в идеальном результате (это как цикл Карно - теоретически он есть, практически к нему можно лучше или хуже приблизиться).
А даёт ли стратегия прибыль при тестировании по ценам открытия (быстрый метод) ?
それもそうですね。M1(全ティック)との利益の差は5~10%です。私は、すべてのティックがより信頼できる結果をもたらすと考えており、それがM1(fast method)を使用しない理由です。
それはとても良いことです、期待通りです。
テスト方法の違いは、プログラムが明示的な注文のプログラムされたクローズまたはオープンを使用するかどうかに影響します。また、あなたの場合、SLとTPが閉じるので、テスト方法は影響しないはずです。
テスト方法の違いは、プログラムが明示的な注文のプログラムによるクローズまたはオープンを使用するかどうかに影響します。また、あなたの場合、終値はSLとTPによるものなので、テスト方法は影響しないはずです。
もちろん、テスト方法(全ティック)と(高速法)の違いにより、戦略の収益性の違いだけでなく、最適化されたパラメータの値にも違いがあることを忘れてはいけませんね。そして、それを修正する方法はありません:o)。テスト方法の違いによる利益の差でどうにか折り合いをつけるのであれば、最適化したパラメータの 値の違いで生きていくのは、少なくとも私にとっては非常に問題です :o)) 。)
ウラジスラフさん、上記のメッセージに対処するために、どんな文献(電子版)を読む価値があるのか、教えてください。それとも、あなたが推薦するブラシェフの教科書のことですか?つまり、二次形式とは、定数、一次項、二次項からなる項の和で価格系列を近似することを意味するのですね。それとも、私が的外れなことを言っているのでしょうか?私が想定している2次式を位置エネルギーに変換するのはどうでしょうか?どのように行うのですか?私もまだ遭遇していません :o(
あと、サンティメントのスレッドでスパイダーの問題発言についての書き込みがあるとのことですが。しかし、ひどく探したのですが、あなたのVGの投稿は見つかりませんでした。難しいことでなければ、リンクを教えてください。
詳しいご回答をありがとうございました。
1.線形回帰 路を構成するとき、直線方程式を使うのか、それとも2次の項を含む方程式で価格系列を近似し、この2次方程式をブラシェフの本にあるような数学的変換を経て線形直線方程式に還元するのか。価格系列に1次近似式と2次近似式を適用することの好ましさについて、ご意見をお聞かせください。数式が違うと、結果(取引そのもの)に何か感じられる違いがあるのでしょうか?
2.戦略上、標準偏差を使用しているとのことですが、その理由は何ですか?どのように使っているのか、説明していただけますか?
回答ありがとうございました。
ウラジスラフさん、上記のメッセージに対処するために、どんな文献(電子版)を読む価値があるのか、教えてください。それとも、あなたが推薦したブラシェフの教科書のことですか?つまり、二次形式とは、定数、一次項、二次項からなる項の和で価格系列を近似することを意味するのですね。それとも、私が的外れなことを言っているのでしょうか?私が想定している2次式を位置エネルギーに変換するのはどうでしょうか?それはどのように行うのですか?私もまだ遭遇していません :o(
あと、サンティメントのスレッドでスパイダーの問題発言についての書き込みがあるとのことですが。しかし、ひどく探したのですが、あなたのVGの投稿は見つかりませんでした。難しいことでなければ、リンクを教えてください。
詳しいご回答をありがとうございました。
2次形式( F(x,t) = A*x^2+B*t^2 + C )について - これは数学的な意味での形而上学、場の理論、最適化理論である。システムパラメータの最適化とは、矛盾する制約条件を満たす極限解を得るための数学的手法の十分広いクラスの帰結に過ぎないのです。電子版では見つかっていないが、存在することは確かだ。たくさんの文献があり、どこから手をつけていいのかわからないほどです。
センチメントに関するスレッドについては - 今それを探すにはあまりにも怠惰 - それはその時、方程式に到達しませんでした:それは注意を払わないと決定された:).
ここでは、その主なポイントを概説することができます。
1.市場は人によって運営されている(たとえ多くの資本を持っていても関係ない)。
2.同じ興味を持つ人は同じ「アトラクションゾーン」を持っている(例えば、似たようなサイコタイプを持つ人々は、基本的に市場の特殊性を提供する、特定の商品の取引を好む - 仮説)。
行き詰まりを感じているようですが(多くの人がそう思ってスタートする)、もう少し仮定を重ねれば、希望が見えてくるのではないでしょうか。
人は同じ状況で同じように行動する傾向がある(類似の判断の繰り返しの存在)。
市場におけるあらゆる経営者グループの行動は、利潤を最大化したいという欲求から生じていると仮定しよう。また、常に極端な結果を出すマネージャー(理想系)が存在すると仮定しよう。そうすると、その行動は、市場を一方向に動かしたいという単純な欲求よりも、もっと強い何かから来るものでなければなりません。例-2、3年前、日本のクオード支援介入はかなり成功した。何度か挑戦した後、日本はもうそのようなゲームはしないと発表した。そして、ユーロの流れを止めようと、五分五分で大金を投じていたのです。
また、それに伴い、市場を動かす、あるいは市場経営者の意思決定の前提条件となる何らかの外力の存在を想定することも可能である。あとは、この力が多くの構成要素の結果であると仮定して(私見では極めて論理的)、課題の設定と判断の評価を試みることが可能であろう。
実際にそのようなシステムは、常に我々は理想的な結果で取得する正しい予後を得る(それはカルノーサイクルのようなものです - 理論的にはそれが存在し、実際にはそれが良いか悪いかに近づくことが可能である)。そして、現実にはもちろん不確実性の幅があります。
そしてもうひとつ、これらはすべて市場のフラクタル性(この仮説は効率的市場仮説と対立して発展したものです)、つまり市場にはランダムでない予測の時期があることに由来しています。つまり、暗い部屋の中に黒猫を探しに行くには、少なくとも暗い部屋の一部に一定数の黒猫がいることを想定しなければならない :) 。
頑張って、トレンドを牽引してください。
ウラジスラフ カルノーサイクルについてですが、例えば始値と終値で白と黒のローソク足を合計して、外力による仕事の計算をする戦略を提案します。つまり、白いローソク足と黒いローソク足の体を別々に集計すれば、上方より下方にどれだけ仕事があったのか、あるいはその逆なのか、推定される比率が分かると理解しています。では、このデータから、例えば履歴分析から、システムが2つの極値のいずれかにあると推測できるのでしょうか?では、秘密でないのであれば、どのような時間軸でこのような計算をするのでしょうか。また、最適なバーの本 数を計算するには?確かに、どのタイムフレームで計算するか、何本必要かという問題ではないと推測することもありますが。では、どの時間軸で計算すればよいとお考えでしょうか。なぜなら、計算する時間間隔によって、すべての結果が左右されるからです。もしかして、使っているMurrayのインジケーターでP=64に相当する時間帯をとっているのでしょうか?つまり、64取引日の期間をとって計算したほうがいいのでは?
ウラジスラフ カルノーサイクルについてですが、あなたの戦略では、例えば始値と終値による白と黒のローソクの合計に基づいて、外力によって行われる仕事の計算を使用していると推測できます。つまり、白いローソク足と黒いローソク足の体を別々に集計すれば、上方より下方にどれだけ仕事があったのか、あるいはその逆なのか、推定される比率が分かると理解しています。では、このデータから、例えば履歴分析から、システムが2つの極値のいずれかにあると推測できるのでしょうか?では、秘密でないのであれば、どのような時間軸でこのような計算をするのでしょうか。また、最適なバーの本数を計算するには?確かに、どのタイムフレームで計算するか、何本必要かという問題ではないと推測することもありますが。では、どの時間軸で計算すればよいとお考えでしょうか。なぜなら、計算する時間間隔によって、すべての結果が左右されるからです。もしかして、使っているMurrayのインジケーターでP=64に相当する時間帯をとっているのでしょうか?つまり、64取引日の期間をとって計算したほうがいいのでは?
カルノーサイクルについては、限界値として例として挙げられた。Murrayの寸法については、64が開発者の推奨値です。これがベストな結果かどうかは判断できませんが、私は以下の試算で、手法の収束に十分な最小点を決めています。 正確なリンクは覚えていませんが、persistence (Hurst's coefficient > 0.5) の計算に関する分析の記事に目を通しました。市場のフラクタル次元に関する試算があった。結論:ハースト係数は多くの種類の市場において0.62-0.64の領域にあり、これは順番に平均90日の時系列の初期条件の損失を示しています。つまり、90日以上過去に遡った摂動は、ほとんど影響を及ぼさない。90日では収束のための十分な情報が得られないのですが、おそらくこれは実装の結果であり、他のアルゴリズムや品質基準では90日で十分なのでしょう。履歴をすべて使って期間を計算しても、結果が良くなるわけではなく、単に計算に時間がかかるだけでした。計算する
小節 数は構造自体で決まっていて、それに合わせてオクターブが作られています。だから、どの時点で計算されているのかもわかりません。コンピュータはもうずっと前からカウントしていますよ:)。メソッド自体はTFに依存しないので、半年分の履歴さえあれば、どのTFでも可能です。ローソク足やパタパタなどは評価しない-ノイズに左右される手法になる。つまり、引用の質によって結果が左右されるわけですが、IMHOとしては、これは良くないと思います。頑張って、流行に乗ってください。
...軌道関数がある2次式で適切に表現されるかもしれないという仮定を立てることができる - これはほとんど単純である。このような形式の品質基準関数の極限を探索することは、非常に研究されている分野である。つまり、品質基準を極限まで満たしたサンプルを選択しなければならないのだ。
同じマレー反転レベルでもチャンネルによって信頼区間が異なるので、どうにかして切り離す必要がありますよね?そして、品質基準はポテンシャルエネルギーです。2次形については、何も珍しいことではありません。
このテーマに関する文献に目を通しました。おそらく、この特別なケースへの適用ですべてが見つかるわけではないと推測されます。しかし、私が何とか見てきたものをもとに、2次形式に関して次のような仮定をしています。まず、この最も近似的な価格系列関数の求め方から説明します。という形で放物線関数を取ることができるのだろう。
y(t)=A(t-t0)^2+B ここで、yは価格、tは時間、t0は放物線が極値を持つ時間軸上の点、AおよびBは係数である。
次に、ポテンシャルエネルギー最小の基準で放物線が最適になるような最適な係数A、Bを求める問題が続く。私が調べた限りでは、この最適化の本質は次のようなものです。放物線の曲線は、同じ電界ポテンシャルを持つ線としてイメージする。確実にゼロとする。このようなポテンシャルフィールドの勾配は、パラボラ線にあらかじめ垂直に向けられる。そうすると、ポテンシャルエネルギー最小化の問題は、価格系列の点と放物線の曲線との最短距離の二乗和が最小となるような放物線を求める問題に帰着する。そこで、価格系列のポイントと放物線の線との最短距離を求めるために、放物線のパラメータを最適化する必要があります。最短距離は、放物線と直角に交差する直線に沿った距離です。そこで、その最短距離を求める問題を解決する必要があります。どのような方法を使っているのか、少なくとも方法論的には教えてください。私は、例えば、この最短距離を求めるプロセスを次のようにイメージしています。
1.近似したい既存の価格系列に対して、多かれ少なかれ真の放物線を選択する(計算のアルゴリズムはまだ明らかでない)。
放物線に接する各点を通る直線の方程式を持つ多角形で近似する。点Tの直線の方程式 Y(t,T)=a(t-T)+b ここで a=2A(t-t0), b=y(T) です。
3.次に、価格系列で選択されたある点について、その点から放物線に引いた垂直線と放物線自身との交点が存在する、t軸とy軸に沿った値の領域を拘束する。
4.この領域にある多角形の線分の方程式を、垂直線との交点について反復する。点から曲線までの垂直長さ計算の必要な誤差を得るために、必要な反復計算と近似計算を行う。
5.これらのセグメントの二乗を合計し、目的関数の値を求める。
6.次に放物線のパラメータを変えて、2~5の計算を必要な回数だけ実行します。目標関数の最小値は、価格系列を最適に近似する放物線のパラメータ値に相当する。
そうすると、得られた目標関数の最適値から、条件付きで「準分散」「準SCO」というパラメータを算出することが可能になると思われる。これに基づいて、既存の放物線に加えて、条件付きで確率の数値特性を持ち、同じ確率でトレンドが反転する潜在的なフィールドラインを具現化した放物線を、価格チャート上に複数描くことができる。例えば、70%、80%、90%の確率で反転するラインなど。
ウラジスラフさん、私があなたの戦略を理解する正しい方向に進んでいると思いますか、それとも全く何も理解せず、全く違う方向に行ってしまっていると思いますか?
VMのコースは忘れてしまったので、間違っているかもしれませんが、これを試してみてはいかがでしょうか。
ある点から放物線までの最短距離は、法線と一致する線上にある点からの距離となる。
放物線の法線は、一次導関数、(導関数は接線の傾斜角の接線)によって計算できる。
であるため、連立方程式を構成することができる。
1. 放物線の方程式。
2. 直線(法線)の方程式(微分を知っていること)
3. 直線(法線)の方程式に属する点
この系を解けば、厳密な解が得られる。