エリオット波動理論に基づくトレーディング戦略 - ページ 278

 
<br /> その通り、ハースト指数は0:1を越えてはいけません。しかし一方で、(例として)ウェーブレット変換に基づく実証済みの(ハースト指数である)よく説明された計算は、特に小さなサンプルでは文字通りこの限界を超えてしまうことがあります。


セルゲイ、この計算のリンクを教えてください。私はハーストに興味があるのではなく(すでに解決済み)、ウェーブレット変換の実践に興味があるのです。ご存知の通り、最近興味があるんです。残念ながら、今のところほとんど進んでいないのが正直なところです。基本的にすべて理論上はクリアしています。しかし、実質的に何をどのように計算すればいいのか、全く分からない状態です。:-(
 
リンク先が思い出せないのですが、資料を探してみます、一回目はできませんでした(多分仕事中)。私は、何らかのソースに言及した概念的な記述にしか出会わなかった。 MathLabだけで学ぶ計算の詳細。そこに「wfbmesti」という関数があります。この機能はm-fileとして作られ、(他のm-fileと同様に)オープンになっています。見ているだけでいいんです。ディレクトリ "...゙MATLAB゙toolbox゙wavelet゙" にあるはずです。説明書を添付します。
実践的に勉強したい人はぜひ入れることをおすすめします。結局、予測型ウェーブレットには失望しました。最大でこのようになりました。""エリオット波動理論に基づく取引戦略"" の投稿 "grasn 18.04.07 20:03"。それがベストな近似値だったのです。
 
リンク先が思い出せないのですが、資料を探してみます、一回目はできませんでした(多分仕事中)。私は、何らかのソースに言及した概念的な記述にしか出会わなかった。 MathLabだけで学ぶ計算の詳細。そこに「wfbmesti」という関数があります。この機能はm-fileとして作られ、(他のm-fileと同様に)オープンになっています。見ているだけでいいんです。ディレクトリ "...゙MATLAB゙toolbox゙wavelet゙" にあるはずです。説明書を添付しました。<br / translate="no">実践的に勉強したい方はぜひ付けてみてください。結局、予測用のウェーブレットに挫折してしまいました。最大でこのようになりました。""エリオット波動理論に基づく取引戦略"" の投稿 "grasn 18.04.07 20:03"。それが、ベストな近似値だったのです。
 
皆さん、ごきげんよう。ひとこと言わせてください。

時間がかかりましたが、全スレッドを丁寧に読ませていただきました。楽しくて、そして何より役に立つアイデアや事実をたくさん得ることができました。特に、価格系列に適用される統計的手法に関するもの。これこそ、私が求めていたものだ!議論に参加したすべての人に、大きな敬意を表します。

反対側を掘っています。ウェーブレット解析、画像処理・パターン認識の手法の応用の試み、ファジーロジックなど です。

しかし、私は別のドメイン(独自の開発、外部ライブラリやソースコード、インターネット上で見つかった多くの文献など)で、これらのトピックに大きな経験を持っています。

価格系列(主にウェーブレット)に適用するものを試したことがあります。その結果は、非常に予備的なものではあるが、私には興味深く感じられた。また、まだ検証されていないアイデアもたくさんあります。必要であれば、議論してもよいでしょう。

すべての人に幸運と合格の傾向を!

PS.このスレの人たちはすでに疲れているようです。もし私が間違っていたら - ようこそ...
 
価格系列(主にウェーブレット)に適用するものを試してみました。その結果は、非常に暫定的なものではあるが、私には興味深いものに思えた。 また、まだ検証されていないアイデアもたくさんあります。よろしければ、ぜひ議論してください。<br /> translate="no">です。

ここでは、自分の考えや提案を伝えようとしていますね。あとは、この掲示板の読者が決めてくれるでしょう。もしかしたら、これが面白くて、質問や提案を受けるかもしれません。ウェーブレットはまだみんなが実験しているわけではないので、反応が出るまで時間がかかるかもしれませんが。しかし、いずれにせよ、何を伝えたいかによってすべてが決まります。
 
<br / translate="no"> 価格系列(主にウェーブレット)で何かやってみました。その結果、非常に暫定的ではありますが、私は興味深いものを感じました。


それは私にとってかなり興味深いことです。ウェーブレットを適用した経験を共有できるかもしれませんね?
 
 
例えば私の経験では、とてもシンプルです。少なくとも今のところ、コンセプト的には共感しています。

私たちは皆、市場が時間変動的であること、すなわち「何か」が時間と共に変化することを知っているか、あるいは推測している。 例えば、「トレンド」が動いているように見えて、今のところ価格は「トレンド」に沿っているが、一部の一般的な特性は気づかないうちに変化しており、強い動きが予想される、など。

そこで、市場のフラクタル性をもとに、いくつかの係数を使って、n回目の読み出し時の価格の計算式を導き出しました。アルゴリズムは非常にシンプルです。

(1) 現在のデータムから、ある最小値から順次、過去のチャンネル(または時系列)を取っていく
(2) 各チャネルについて、以下を実施する。
- Hurst指数を計算する(私独自の式で、しかし、これは上で与えられた式ではなく、すでに書いたことを思い出して欲しい)
- スカイライン・インデックス算出
- ウェーブレット変換を行い、欠損係数を計算します。
(3) 価格そのものの算出

最小チャンネルは現在のサンプルから最も近いサンプルの価格を計算し、長いチャンネルは「遠いサンプル」の価格を計算します。 つまり、「ワンチャンネル」は「ワンプライス」なのです。ハーストやスカイラインの値により、考慮できないチャンネルがあることに注意が必要です。

最終的な目標は、比較的正確な軌道を構築することではなく、反転ゾーンを評価し、同じマレーの水準と比較することである。

それだけなのです。エリオット波動理論に基づく売買戦略」 投稿 "18.04.07 20:03 "という結果を出した。ただ一つ必要なことは、このモデルを多少なりとも通常の応用が可能なレベルにまで持っていくことです。
 
セルゲイさん、こんにちは。

実は、Andre69には アプリケーションの実用面を共有してほしかったんです。つまり、どのような観点からウェーブレット形成関数を選択し、どのように分解係数を 算出し、その後どのように処理するのか、などである。でも、書いてある内容もとても面白いです。ようやく、将来値の予測系列がどのように現れるかが理解できた。あなたが最初の予想を発表したときから、ずっとその質問をしていたんです。:-)

全体として、かなりいい感じです。最も脆弱な場所でも、最小限のチャンネルで最も近い未来を予測し、最大限のチャンネルで最も遠い未来を予測するモデルです。しかし、そこには理屈もある !
だから、拍手喝采です。計算に時間がかかっているのはどれですか?

それよりも、この件に関して何か一言お願いします。:-)
 
Yuriさん、こんにちは。:o)

<br/ translate="no"> 実は、Andre69には アプリケーションの実用面を共有してほしかったんです。


そうか、私はAndre69じゃない んだ。本当に、なんで巻き込まれたんだろう?すべてはコミュニケーションへの渇望から 。


どれを数えるのに時間がかかっているのですか?


それは、長い間、数えるほどのモデルではない。今のところ3つものモデルがありますが、結果はどうでもよいことですし、科学研究所に依頼してアイデアを修正するなど、まだまだやることは多いので、モデルとは全く考えていません。 。


それよりも、この件に関して何か一言お願いします。:-


は「ついでに...」と読みます。:о)))))):

... ウェーブレット形成関数を選択する際の留意点、分解係数の算出方法、その後の処理方法など


なお、資料を読み直したところ、ウェーブレット全般に関するスレッド以外は、まだ見つかっていません。私の目的では、Morletウェーブレットを使いました(数学的な観点からはウェーブレットではないことは承知しています)。その特性は、私の仕事に適しています。分解係数が どのように計算されるのか」という質問がよくわからない。ウェーブレット解析の専門家というわけではありませんが、特に問題なく使用できました。 「後先考えず- 結局、価格計算式の集計係数は「等」の後に計算されることになる。私は非常に重要なポイントを追加するのを忘れていた - 各ヒストリカルチャネルごとに実行されます。(1) 現在のカウントダウン後の寿命を推定する。(2)安定した「構造体」が生きるかどうかの見極め!!!!この最大予測チャネル長をもとに、将来の価格が算出される。複数の予測価格がある場合(つまり、長さの異なる複数のヒストリカルチャンネルが同じライフタイム推定値を持つ場合)、困難が生じます。これまでは、提案された値から平均値を選択することで、この難点を解消してきた。つまり、これらの係数は推定する。 (1) 水路の境界を「越えてはいけない」時間。 (2) チャンネルの境界を越えないもの 結局のところ、私の係数の本質は、構造の安定性を評価し(とにかく入ったので、写真を思い出してもらおう)、最終的にこれらのピースを全体に組み立てることだ: この構造は、よく見ればわかる: あるいはここ、明示的ではないかもしれないが、見える: PS:OK、もう干渉しないぞ。