그러나 이 때문에 미리 정해진 시장 위험을 초과하지 않고 열린 포지션의 자본금을 늘릴 수 있습니다! 그리고 이것은 이 포트폴리오의 단일 통화에 비해 다중 통화 TS의 수익률(단위 시간당 $)을 극적으로 증가시킵니다.
이것은 p=const인 경우에만 해당됩니다. 모든 커플을 위해. 그리고 이것은 놀랍습니다. p=0.55라고 상상해보세요. 그런 다음 단 2-3 포인트의 변동이 쌍의 상황을 근본적으로 바꿉니다. 게다가, 나는 일반적으로 다각화에 반대하는 것이 아니라 p=0.8 대신에 다각화를 선택하는 것에 반대합니다.
선택의 여지가 있다면 무엇을 선택하시겠습니까? 1. 0.8의 예측 신뢰도와 허용 가능한 거래 빈도를 제공하는 2-3개의 지표로 작업 2. 동일한 예측 신뢰도 0.55를 가진 일련의 도구에 의한 다양화
동일한 유형의 비상관 지표가 코드에 사용되었으며 이들의 트리거링은 몬테카를로 방법으로 간단하게 시뮬레이션되었습니다. 각 막대의 모든 지표를 강제로 폴링하여 모두가 동시에 시장에 진입하라는 신호를 받으면 포지션이 열렸습니다. 다음으로, 성공적으로 개설된 포지션의 수를 계산하여 총 오픈된 포지션의 수로 참조하였다. 이것이 지표 그룹에 대해 예측 P의 신뢰도가 결정되는 방식이었습니다.
흥미로운! 그래서 실험 방법론을 잘못 이해했습니다. 이제 많은 질문이 있습니다.
어떤 직책이 성공적으로 개설되었다고 생각하고 어떤 직책을 열지 않았습니까? 행운은 모호한 개념입니다. 그리고 그것이 잘못된 방향으로 갔다면, 그것은 돌아설 수 있습니다. 정확히 동일하고 그 반대도 마찬가지입니다.
지표에 대한 고정 확률을 어떻게 보장했습니까? 결국 보증으로 할 수 있다면 표준 목록에 있지 않고 인공적인 것입니다. 이것은 시장 데이터로 실험했기 때문에 더욱 흥미로웠습니다. 즉, 확률 p가 행운의 오픈에 대한 정의와 일치한다는 것을 의미합니다.
в коде использовались однотипные не коррелирующие индикаторы, и методом Монте Карло просто моделировалось их срабатывание. Все индикаторы, на каждом баре принудительно опрашивались, и если сигнал на вход в рынок имелся у всех одновременно, открывалась позиция. Далее подсчитывалось количество удачно открытых позиций и относилось к полному количеству открытых позиций. Так определялась достоверность прогноза Р по группе индикаторов.
흥미로운! 그래서 실험 방법론을 잘못 이해했습니다. 이제 많은 질문이 있습니다.
어떤 직책이 성공적으로 개설되었다고 생각하고 어떤 직책을 열지 않았습니까? 행운은 모호한 개념입니다. 그리고 그것이 잘못된 방향으로 갔다면, 그것은 돌아설 수 있습니다. 정확히 동일하고 그 반대도 마찬가지입니다.
지표에 대한 고정 확률을 어떻게 보장했습니까? 결국 보증으로 할 수 있다면 표준 목록에 있지 않고 인공적인 것입니다. 이것은 시장 데이터로 실험했기 때문에 더욱 흥미로웠습니다. 즉, 확률 p가 행운의 오픈에 대한 정의와 일치한다는 것을 의미합니다.
어떻게 그들의 독립을 보장했습니까?
물론 그게 전부라면 비밀은 아니다.
오늘날 가장 일반적인 TS에 대한 불완전한 분석을 통해 우리는 시장에서 모든 다양한 플레이어 행동이 실제로 포지션을 연 후 가격 움직임의 방향과 가능한 진폭을 예측하는 것으로 어느 정도 확실하게 설명할 수 있습니다. 이 운동의. 통계적으로 유의미한 마지막 점에 대한 답은 선택한 기간 의 표준 편차 분석에 의해 제공됩니다. s=SQRT{SUM{(닫기[ik]-열기[ik])^2}/(n-1)}. 싱글 플레이어의 경우 시장에서 보낸 평균 시간을 추정할 수 있습니다. 따라서 평균 위치 유지 시간과 동일한 TimeFrame에서 가격 시리즈를 생성한 후 다음 막대가 열릴 때 위치(지표 신호가 수신된 경우)를 열고 동일한 막대가 닫힐 때 닫습니다. 단일 작업을 해결하기 위해 시장에서 플레이어의 최적 행동 문제 - 막대 내 가격 움직임의 방향 예측 또는 (즉) 다음 양초의 색상 결정. 이 문제에 대한 적절한 해결책이 TS의 수익성 극대화로 이어질 것은 자명하다. 코드에는 전체 가격대가 포함되어 있으며 "지표"는 양초의 "미래" 색상을 미리 알고 있습니다. 고정 값만큼 이동된 기대치를 가진 난수 생성기는 올바른 예측의 확률이 작업 조건의 요구 사항과 일치하도록 표시기를 "혼란"합니다. 이 공식에서 가격 계열의 유형은 나에게 중요하지 않습니다. 얻은 결과의 통계적 신뢰성 요구 사항을 충족시키는 단위 진폭 및 길이의 사행일 수 있습니다. 이러한 맥락에서 다음 막대의 색상이 지표의 예측과 일치하고 실험의 바로 그 설정에서 독립성이 따를 경우 긍정적인 결과로 간주됩니다.
Но, из-за этого можно, не превышая заранее заданный рыночный риск, увеличить капитализацию открываемых позиций! И это кординально увеличивает доходность (в $ за единицу времени) мультивалютной ТС по сравнению с любой одновалютной из этого порфеля.
이것은 p=const인 경우에만 해당됩니다. 모든 커플을 위해. 그리고 이것은 놀랍습니다. p=0.55라고 상상해보세요. 그런 다음 단 2-3 포인트의 변동이 쌍의 상황을 근본적으로 바꿉니다. 게다가, 나는 일반적으로 다각화에 반대하는 것이 아니라 p=0.8 대신에 다각화를 선택하는 것에 반대합니다.
선택의 여지가 있다면 무엇을 선호하시겠습니까? 1. 0.8의 예측 신뢰도와 허용 가능한 거래 빈도를 제공하는 2-3개의 지표로 작업 2. 동일한 예측 신뢰도 0.55를 가진 일련의 도구에 의한 다양화
p=0.55 또는 더 나쁜 경우에는 7-8개의 지표로 작업해야 합니다. 그런 독립적인 것들을 어디서 구할 수 있습니까? 그래서 복용을 해도 1년 내내 한꺼번에 동시 가동을 기다려야 합니다. 그리고 무엇을 위해? 감소를 줄이기 위해. 얼마인지 추정해 봅시다. 평균 감소 값 D 는 1-P의 거듭제곱에 대한 이러한 감소의 평균 존재 시간에 대략적으로 비례합니다. 여기서 P는 지표 또는 지표 그룹의 예측 신뢰도입니다. D(t)=t^(1-P) . 다중 통화 포트폴리오의 경우 인출 금액은 다음과 같이 사용되는 상품의 수 n 에 따라 다릅니다. Dm(t)=SQRT(1/n)*t^(1-p) . 결과적으로 MM 원리를 사용하는 TS의 수익성은 드로다운 값이 증가함에 따라 기하급수적 으로 빠르게 감소합니다. 또한, 다중 지표 TS의 수익성(장기간 $)은 P 의 성장에 따라 기하급수적으로 빠르게 감소하거나 동일하게 사용되는 지표의 수 n (참조 사진이 있는 마지막 게시물). 특성 시간 t 가 첫 번째 경우와 두 번째 경우 모두에서 비교할 수 있다고 가정하면 다중 통화 TS의 경우 수익성의 로그 가 다음과 같이 상품 수의 증가에 따라 증가한다는 것을 얻습니다. SQRT(n)*const^(1-p) . 다음과 같은 다중 표시기의 경우: const^(1-P)-n . 첫 번째 함수는 쌍의 수가 증가함에 따라 단조롭게 증가하는 반면, 두 번째 함수는 사용되는 지표의 수가 증가함에 따라 감소합니다. 따라서 지표의 수보다 사용하는 도구의 수를 늘리는 것이 좋습니다! 따라서 나는 많은 통화와 소수의 지표를 선택합니다.
유라, 나는 위의 진술의 끔찍한 심각성을 완벽하게 알고 있습니다. 그러나 최소한 이것이 일반적인 역학을 반영하고 시장에서 최적의 행동에 대한 기준을 더 자세히 분석할 수 있다는 점에 동의해야 합니다.
포트폴리오 관리를 시스템 구축과 혼동하지 마십시오. 포트폴리오에서 많은 도구와 TS의 사용과 관련하여 상당히 잘 발달된 이론과 실습이 있습니다. 예를 들어, 최적의 포트폴리오는 최소한의 상관관계가 있는 상품 또는 TS로 구성되어야 한다고 알려져 있습니다. 따라서 최대로 성장하면 좋은 결과로 이어지지 않습니다. 위의 고려사항에서 구체적으로 선택하여 차량별 자본금을 관리할 필요가 있습니다. 그러나 다각화의 유일한 목적은 (위험을 감소시키는) 자본을 순조롭게 하는 것이며 수익성은 그 사이에 있을 것입니다. 여러 지표 또는 패턴의 시스템 구성에 관하여. 여기서 오해는 시스템이 단순히 UP 또는 DOWN 신호를 발행한다는 것입니다. 이것은 물론 사실이 아닙니다. 각 시스템은 가능한 가격 조치 시나리오를 이용하려고 합니다. 두 시스템이 동일한 시나리오의 가능성을 나타내는 경우 종속적이므로 가장 신뢰할 수 있는 시스템을 선택해야 합니다. 두 시스템이 서로 다른 시나리오의 가능성을 나타내지만 어떤 방식으로든 교차하는 경우(예: 서로 다른 TF에서), 모두 동일하므로 혼합이 아닌 특정 시나리오(시스템)를 거래해야 합니다. 그리고 그 확률은 변하지 않을 것입니다. 그리고 이 경우 효과적인 혼합 시나리오가 전혀 존재하지 않을 수 있습니다. 우리는 임의의 상승/하락 예측이 아닌 별개의 시간에 매수 및 매도를 통해 서로 다른 시스템을 거래합니다.
모든 논의 끝에 나는 오랫동안 계획했던 것을 계산하기로 결정했습니다. 긍정적인 결과 - 이제 차이점이 무엇이며 센터링 X[i]=Open[i]-Open[i-1]이 수행되는지 마침내 완전히 이해했습니다. 이에 나는 이전 연설에서 내가 실수한 부분을 깨달았다.
부정적인 결과 - 모든 것이 나에게 보이는 것처럼 전혀 아닙니다.
1. 센터링을 위해 두 가지 옵션을 수행했습니다. 전체 간격을 기반으로 하는 선형 회귀 를 언급하고 제거하는 것입니다. 결과는 근본적으로 다릅니다. 계열 X[i]에 대한 자기상관 계수 r[k] 는 상관 구간 k 에 의존하지 않으며(k=1 제외) 0.01을 초과하지 않습니다. FAC를 따로 계산하지 않고 EURUSD를 t=5,15,30 등으로 계산했습니다. Neutron 이 제시한 결과와 일치하는 결과가 얻어집니다. 그리고 t=1에서 값은 -0.16으로 Neutron 보다 약간 높습니다.
LR을 제거하여 얻은 시리즈 Y[i]의 경우 그림이 완전히 다릅니다. r[k] 는 k=1000에서 GBPUSD, M15 및 EURUSD의 경우 0.97(!!!), M1의 경우 1에서 0.70으로 천천히 떨어집니다. 제 관점에서 이 결과는 물리적인 의미가 없습니다. 가격 계열의 자기 상관은 그렇게 강하고 천천히 떨어질 수 없습니다. 따라서 이 센터링 옵션은 적합하지 않습니까? 왜요 ? Sergey, 무슨 일인지 설명해 주시겠습니까?
2. 여러 표준 발진기의 상관 계수와 내 자신의 상관 계수를 X[i] 시리즈로 계산했습니다. 모든 경우에 나는 r[k] 가 k 와 실질적으로 독립적이라는 것을 발견했습니다. 값의 차이는 다섯 번째 자리에만 나타납니다(k=0인 경우에도). r[k] 의 값은 시간대에 따라 다릅니다. 동시에 다른 발진기에 대한 r[k] 값도 서로 다릅니다.
나는 다른 것을 볼 것으로 예상했다. 최악의 경우, 동일한 그림: k=0에서 최대값 및 k가 증가함에 따라 0으로 급격히 감소 다른 k 에 대한 r[k]의 불변성은 무언가 잘못되었다는 것을 암시합니까? 뭐라고요 ?
두 가지 유형의 시계열만 사용했습니다. X[i]=열기[i] 및 X[i]=열기[i]-열기[i-1] . 자기 상관 계수는 다음 공식으로 구했습니다. r(단계)=SUM{(X[i+k]-X[i-Step+k])*(X[i+Step+k]-X[i+k])}/SUM{(X[i +k]-X[i-Step+k])^2} , 여기서 합은 시리즈 k=Step...n-Step의 모든 구성원에 대한 것입니다. n은 시리즈 구성원의 총 수이고, Step은 다음과 같습니다. 상관 관계 지평. 첫 번째 경우에 그들은 자기상관 함수에 대해 이야기합니다. 일반적으로 -0.5에서 0 사이의 범위에 있으며 두 번째 경우에는 상관도에 대해 이야기하며 부호 교대입니다. 두 계열 모두 기하급수적으로 감소합니다 . 유라, 상수 성분을 제거하지 않으면 크고 무관한 자기상관이 얻어진다. 실제로 시리즈의 모든 구성원은 거의 동일하며 예를 들어 1.23과 같습니다.
그건 그렇고, 나는 분석적으로 임의의 예측 가능성 p 를 가진 N 개의 독립 지표 그룹에 대한 정확한 예측 P 의 확률에 대한 표현을 얻었습니다. P=1-2^(N-1)*P{1-p[i]}
이것은 p=const인 경우에만 해당됩니다. 모든 커플을 위해. 그리고 이것은 놀랍습니다.
p=0.55라고 상상해보세요. 그런 다음 단 2-3 포인트의 변동이 쌍의 상황을 근본적으로 바꿉니다. 게다가, 나는 일반적으로 다각화에 반대하는 것이 아니라 p=0.8 대신에 다각화를 선택하는 것에 반대합니다.
선택의 여지가 있다면 무엇을 선택하시겠습니까?
1. 0.8의 예측 신뢰도와 허용 가능한 거래 빈도를 제공하는 2-3개의 지표로 작업
2. 동일한 예측 신뢰도 0.55를 가진 일련의 도구에 의한 다양화
중성자
그런데 왜 우리의 결과가 다르다고 결정했습니까?
세르게이, 나는 이것을 주장하지 않고 유리와 세부 사항에 대해 논의했습니다. 당신은 실험의 세부 사항을 설명하기 위해 데려왔다. 고맙습니다. :에 대한)
추신: Yuri가 하나 이상의 지표를 작성했으며 귀하의 연구 후에 "첨부"하려고 하는 것 같습니다(이것은 농담입니다:o))).
흥미로운! 그래서 실험 방법론을 잘못 이해했습니다. 이제 많은 질문이 있습니다.
어떤 직책이 성공적으로 개설되었다고 생각하고 어떤 직책을 열지 않았습니까? 행운은 모호한 개념입니다. 그리고 그것이 잘못된 방향으로 갔다면, 그것은 돌아설 수 있습니다. 정확히 동일하고 그 반대도 마찬가지입니다.
지표에 대한 고정 확률을 어떻게 보장했습니까? 결국 보증으로 할 수 있다면 표준 목록에 있지 않고 인공적인 것입니다. 이것은 시장 데이터로 실험했기 때문에 더욱 흥미로웠습니다. 즉, 확률 p가 행운의 오픈에 대한 정의와 일치한다는 것을 의미합니다.
어떻게 그들의 독립을 보장했습니까?
물론 그게 전부라면 비밀은 아니다.
흥미로운! 그래서 실험 방법론을 잘못 이해했습니다. 이제 많은 질문이 있습니다.
어떤 직책이 성공적으로 개설되었다고 생각하고 어떤 직책을 열지 않았습니까? 행운은 모호한 개념입니다. 그리고 그것이 잘못된 방향으로 갔다면, 그것은 돌아설 수 있습니다. 정확히 동일하고 그 반대도 마찬가지입니다.
지표에 대한 고정 확률을 어떻게 보장했습니까? 결국 보증으로 할 수 있다면 표준 목록에 있지 않고 인공적인 것입니다. 이것은 시장 데이터로 실험했기 때문에 더욱 흥미로웠습니다. 즉, 확률 p가 행운의 오픈에 대한 정의와 일치한다는 것을 의미합니다.
어떻게 그들의 독립을 보장했습니까?
물론 그게 전부라면 비밀은 아니다.
오늘날 가장 일반적인 TS에 대한 불완전한 분석을 통해 우리는 시장에서 모든 다양한 플레이어 행동이 실제로 포지션을 연 후 가격 움직임의 방향과 가능한 진폭을 예측하는 것으로 어느 정도 확실하게 설명할 수 있습니다. 이 운동의. 통계적으로 유의미한 마지막 점에 대한 답은 선택한 기간 의 표준 편차 분석에 의해 제공됩니다.
s=SQRT{SUM{(닫기[ik]-열기[ik])^2}/(n-1)}.
싱글 플레이어의 경우 시장에서 보낸 평균 시간을 추정할 수 있습니다. 따라서 평균 위치 유지 시간과 동일한 TimeFrame에서 가격 시리즈를 생성한 후 다음 막대가 열릴 때 위치(지표 신호가 수신된 경우)를 열고 동일한 막대가 닫힐 때 닫습니다. 단일 작업을 해결하기 위해 시장에서 플레이어의 최적 행동 문제 - 막대 내 가격 움직임의 방향 예측 또는 (즉) 다음 양초의 색상 결정. 이 문제에 대한 적절한 해결책이 TS의 수익성 극대화로 이어질 것은 자명하다.
코드에는 전체 가격대가 포함되어 있으며 "지표"는 양초의 "미래" 색상을 미리 알고 있습니다. 고정 값만큼 이동된 기대치를 가진 난수 생성기는 올바른 예측의 확률이 작업 조건의 요구 사항과 일치하도록 표시기를 "혼란"합니다. 이 공식에서 가격 계열의 유형은 나에게 중요하지 않습니다. 얻은 결과의 통계적 신뢰성 요구 사항을 충족시키는 단위 진폭 및 길이의 사행일 수 있습니다.
이러한 맥락에서 다음 막대의 색상이 지표의 예측과 일치하고 실험의 바로 그 설정에서 독립성이 따를 경우 긍정적인 결과로 간주됩니다.
이것은 p=const인 경우에만 해당됩니다. 모든 커플을 위해. 그리고 이것은 놀랍습니다.
p=0.55라고 상상해보세요. 그런 다음 단 2-3 포인트의 변동이 쌍의 상황을 근본적으로 바꿉니다. 게다가, 나는 일반적으로 다각화에 반대하는 것이 아니라 p=0.8 대신에 다각화를 선택하는 것에 반대합니다.
선택의 여지가 있다면 무엇을 선호하시겠습니까?
1. 0.8의 예측 신뢰도와 허용 가능한 거래 빈도를 제공하는 2-3개의 지표로 작업
2. 동일한 예측 신뢰도 0.55를 가진 일련의 도구에 의한 다양화
p=0.55 또는 더 나쁜 경우에는 7-8개의 지표로 작업해야 합니다. 그런 독립적인 것들을 어디서 구할 수 있습니까? 그래서 복용을 해도 1년 내내 한꺼번에 동시 가동을 기다려야 합니다. 그리고 무엇을 위해? 감소를 줄이기 위해. 얼마인지 추정해 봅시다.
평균 감소 값 D 는 1-P의 거듭제곱에 대한 이러한 감소의 평균 존재 시간에 대략적으로 비례합니다. 여기서 P는 지표 또는 지표 그룹의 예측 신뢰도입니다.
D(t)=t^(1-P) .
다중 통화 포트폴리오의 경우 인출 금액은 다음과 같이 사용되는 상품의 수 n 에 따라 다릅니다.
Dm(t)=SQRT(1/n)*t^(1-p) .
결과적으로 MM 원리를 사용하는 TS의 수익성은 드로다운 값이 증가함에 따라 기하급수적 으로 빠르게 감소합니다. 또한, 다중 지표 TS의 수익성(장기간 $)은 P 의 성장에 따라 기하급수적으로 빠르게 감소하거나 동일하게 사용되는 지표의 수 n (참조 사진이 있는 마지막 게시물). 특성 시간 t 가 첫 번째 경우와 두 번째 경우 모두에서 비교할 수 있다고 가정하면 다중 통화 TS의 경우 수익성의 로그 가 다음과 같이 상품 수의 증가에 따라 증가한다는 것을 얻습니다.
SQRT(n)*const^(1-p) .
다음과 같은 다중 표시기의 경우:
const^(1-P)-n .
첫 번째 함수는 쌍의 수가 증가함에 따라 단조롭게 증가하는 반면, 두 번째 함수는 사용되는 지표의 수가 증가함에 따라 감소합니다. 따라서 지표의 수보다 사용하는 도구의 수를 늘리는 것이 좋습니다! 따라서 나는 많은 통화와 소수의 지표를 선택합니다.
유라, 나는 위의 진술의 끔찍한 심각성을 완벽하게 알고 있습니다. 그러나 최소한 이것이 일반적인 역학을 반영하고 시장에서 최적의 행동에 대한 기준을 더 자세히 분석할 수 있다는 점에 동의해야 합니다.
당신은 나를 완전히 설득했습니다. 이 문제에 대한 나의 직관적인 접근 방식을 재고할 필요가 있습니다.
이에 대한 토론과 거래에서 수학의 가치에 대한 병렬 MQ 포럼이 있습니다.
편향된 상대방도 이 가치를 인정할 만큼 말씀하신 것만으로도 충분하다고 생각합니다.
나는 당신의 실험에 대해 한 가지만 말할 수 있습니다: 매우 유익합니다. 논리적으로, 구조적으로, 그리고 가장 중요한 것은 간단합니다. 거의 분명합니다. 배울 것이 있습니다. 고마워, 세르게이.
포트폴리오에서 많은 도구와 TS의 사용과 관련하여 상당히 잘 발달된 이론과 실습이 있습니다. 예를 들어, 최적의 포트폴리오는 최소한의 상관관계가 있는 상품 또는 TS로 구성되어야 한다고 알려져 있습니다. 따라서 최대로 성장하면 좋은 결과로 이어지지 않습니다. 위의 고려사항에서 구체적으로 선택하여 차량별 자본금을 관리할 필요가 있습니다. 그러나 다각화의 유일한 목적은 (위험을 감소시키는) 자본을 순조롭게 하는 것이며 수익성은 그 사이에 있을 것입니다.
여러 지표 또는 패턴의 시스템 구성에 관하여. 여기서 오해는 시스템이 단순히 UP 또는 DOWN 신호를 발행한다는 것입니다. 이것은 물론 사실이 아닙니다. 각 시스템은 가능한 가격 조치 시나리오를 이용하려고 합니다. 두 시스템이 동일한 시나리오의 가능성을 나타내는 경우 종속적이므로 가장 신뢰할 수 있는 시스템을 선택해야 합니다. 두 시스템이 서로 다른 시나리오의 가능성을 나타내지만 어떤 방식으로든 교차하는 경우(예: 서로 다른 TF에서), 모두 동일하므로 혼합이 아닌 특정 시나리오(시스템)를 거래해야 합니다. 그리고 그 확률은 변하지 않을 것입니다. 그리고 이 경우 효과적인 혼합 시나리오가 전혀 존재하지 않을 수 있습니다. 우리는 임의의 상승/하락 예측이 아닌 별개의 시간에 매수 및 매도를 통해 서로 다른 시스템을 거래합니다.
긍정적인 결과 - 이제 차이점이 무엇이며 센터링 X[i]=Open[i]-Open[i-1]이 수행되는지 마침내 완전히 이해했습니다. 이에 나는 이전 연설에서 내가 실수한 부분을 깨달았다.
부정적인 결과 - 모든 것이 나에게 보이는 것처럼 전혀 아닙니다.
1. 센터링을 위해 두 가지 옵션을 수행했습니다. 전체 간격을 기반으로 하는 선형 회귀 를 언급하고 제거하는 것입니다. 결과는 근본적으로 다릅니다.
계열 X[i]에 대한 자기상관 계수 r[k] 는 상관 구간 k 에 의존하지 않으며(k=1 제외) 0.01을 초과하지 않습니다. FAC를 따로 계산하지 않고 EURUSD를 t=5,15,30 등으로 계산했습니다. Neutron 이 제시한 결과와 일치하는 결과가 얻어집니다. 그리고 t=1에서 값은 -0.16으로 Neutron 보다 약간 높습니다.
LR을 제거하여 얻은 시리즈 Y[i]의 경우 그림이 완전히 다릅니다. r[k] 는 k=1000에서 GBPUSD, M15 및 EURUSD의 경우 0.97(!!!), M1의 경우 1에서 0.70으로 천천히 떨어집니다. 제 관점에서 이 결과는 물리적인 의미가 없습니다. 가격 계열의 자기 상관은 그렇게 강하고 천천히 떨어질 수 없습니다. 따라서 이 센터링 옵션은 적합하지 않습니까? 왜요 ? Sergey, 무슨 일인지 설명해 주시겠습니까?
2. 여러 표준 발진기의 상관 계수와 내 자신의 상관 계수를 X[i] 시리즈로 계산했습니다. 모든 경우에 나는 r[k] 가 k 와 실질적으로 독립적이라는 것을 발견했습니다. 값의 차이는 다섯 번째 자리에만 나타납니다(k=0인 경우에도). r[k] 의 값은 시간대에 따라 다릅니다. 동시에 다른 발진기에 대한 r[k] 값도 서로 다릅니다.
나는 다른 것을 볼 것으로 예상했다. 최악의 경우, 동일한 그림: k=0에서 최대값 및 k가 증가함에 따라 0으로 급격히 감소 다른 k 에 대한 r[k]의 불변성은 무언가 잘못되었다는 것을 암시합니까? 뭐라고요 ?
X[i]=열기[i] 및 X[i]=열기[i]-열기[i-1] .
자기 상관 계수는 다음 공식으로 구했습니다.
r(단계)=SUM{(X[i+k]-X[i-Step+k])*(X[i+Step+k]-X[i+k])}/SUM{(X[i +k]-X[i-Step+k])^2} , 여기서 합은 시리즈 k=Step...n-Step의 모든 구성원에 대한 것입니다. n은 시리즈 구성원의 총 수이고, Step은 다음과 같습니다. 상관 관계 지평.
첫 번째 경우에 그들은 자기상관 함수에 대해 이야기합니다. 일반적으로 -0.5에서 0 사이의 범위에 있으며 두 번째 경우에는 상관도에 대해 이야기하며 부호 교대입니다. 두 계열 모두 기하급수적으로 감소합니다 .
유라, 상수 성분을 제거하지 않으면 크고 무관한 자기상관이 얻어진다. 실제로 시리즈의 모든 구성원은 거의 동일하며 예를 들어 1.23과 같습니다.
그건 그렇고, 나는 분석적으로 임의의 예측 가능성 p 를 가진 N 개의 독립 지표 그룹에 대한 정확한 예측 P 의 확률에 대한 표현을 얻었습니다.
P=1-2^(N-1)*P{1-p[i]}