엘리엇 파동 이론에 기반한 거래 전략 - 페이지 26

 
그들은 빛을 차단합니다. 무정전 전원 공급 장치의 도움으로 여전히 어떻게 든 부드럽게 될 수 있습니다.
내 중개인의 서버가 어제 몇 시간 동안 충돌했습니다. 당신은 그것에 대해 전혀 할 수 없습니다.
 
그들은 빛을 차단합니다. 무정전 전원 공급 장치의 도움으로 여전히 어떻게 든 부드럽게 될 수 있습니다.
내 중개인의 서버가 어제 몇 시간 동안 충돌했습니다. 당신은 그것에 대해 전혀 할 수 없습니다.


예 - 반나절 동안 전기가 없었고 공급자는 사무실 근처에있었습니다. 빛도 neta도 아닙니다 :).

행운을 빕니다.
 
블라디슬라프,
선형 회귀 채널을 구성하는 절차는 상당히 간단합니다. 여러 전화기에서 구현된 경우에도 + 나머지 논리(내가 상상하는 것)에는 많은 시간이 걸리지 않습니다.
동시에, 당신은 프로그램의 계산 주기가 약 30-40초라고 한 번 썼습니다.
내가 아는 한, 이 시간의 주요 부분은 진정한 궤적, 즉 가격 기능의 최소값을 찾는 최적화 프로세스에 의해 점유되고 있습니다. 그렇습니까? 그렇지 않다면 무엇이 그렇게 엄청난 시간을 소비합니까?
 
블라디슬라프,
선형 회귀 채널을 구성하는 절차는 상당히 간단합니다. 여러 전화기에서 구현된 경우에도 + 나머지 논리(내가 상상하는 것)에는 많은 시간이 걸리지 않습니다.
동시에, 당신은 프로그램의 계산 주기가 약 30-40초라고 한 번 썼습니다.
내가 아는 한, 이 시간의 주요 부분은 진정한 궤적, 즉 가격 기능의 최소값을 찾는 최적화 프로세스에 의해 점유되고 있습니다. 그렇습니까? 그렇지 않다면 무엇이 그렇게 엄청난 시간을 소비합니까?


이것이 최적화가 짜증나는 방식입니다. 하나의 채널만 있는 것은 아닙니다. 플러스 반복 패스, 설명. 예상. 이것은 이미 조금 더 빠르게 일어나고 있습니다. 샘플을 자르는 몇 가지 기준을 추가했습니다.

행운을 빕니다.
 
블라디슬라프

오랜만에 레벨 식별을 하려고 했는데 손이 닿지 않는다. 나는 세 개의 코펙을 보고합니다(원칙에 따라 - 단순할수록 좋습니다). MarketProfil 표시기가 사용되었으며 연한 녹색 선은 어제의 수준을 나타내고 붉은색 선은 오늘의 수준을 나타냅니다(선은 수동으로 그려짐). 알고리즘은 아직 작성되지 않았지만 아이디어는 그림에서 명확합니다(언제 작성할지는 알 수 없음).

https://c.mql5.com/mql4/forum/2006/05/levels.gif
 
안녕하세요 여러분!

친구가 저를 여기로 데려왔습니다. Hurst를 보세요. 그리고 이 페이지에 대한 스크립트와 링크를 보냈습니다.
있는 그대로 보기가 너무 어려워서 급하게 스케치를 했습니다.
아래 텍스트. 마우스를 드래그하여 차트에 배치하고 원하는 대로 이동할 수 있습니다.
고려하는게 더 편할 것 같습니다. 지표를 만드는 것이 더 쉬울 수 있지만.
사전 작업을 완료한 solandr에게 감사드립니다. 더 깊이 들어가고 싶었어
추세 변화의 확률과 관련하여 다양한 기능에 대한 오류를 분석했지만 여전히 해결하지 못했습니다.
나 자신은 푸리에 변환 또는 "고속"에 기반한 외삽의 더 큰 지지자이지만
진폭 시간 방법. 선은 선이지만 파도는 여전히 조금 다릅니다.
그리고 VG는 그곳에서 무엇을 했습니까? 흥미로운. 옛날 옛적에 MT3에서 다항식 회귀의 변형을 보냈던 것을 기억하십니까?
맞아요 그럼 닉네임이 다른거 같던데...
//------------------------
//#property show_inputs
//-----------------------
//extern int ip=800;
//extern int i0=570;
//-----------------------
double lr0,lrp;
int t0,tp;
double A[10],R[10],DDR[10];
double SA,is,aa,bb,sum2,SAo,disp_o;
double S,pMin,pMax,RM,Hrst; 
int T,i0,ip,f;
//**************************************************************
int init()
{
   t0=TimeOnDropped();
   i0=iBarShift(Symbol(),Period(),t0); 
   ip=i0+100;
   tp=Time[ip];
   T=ip-i0+1;
  
   ArrayResize(A, T);
   ArrayResize(R, T);
   ArrayResize(DDR, T);
  
   ObjectCreate("lrHerst",2,0,0,0,0,0);
   ObjectSet("lrHerst",OBJPROP_COLOR,Yellow);
} 
//**************************************************************
int start()
{
  while(IsStopped()==false)
  {
    if (f==1)
    {
      tp=ObjectGet("lrHerst",OBJPROP_TIME1);
      ip=iBarShift(Symbol(),Period(),tp);
      t0=ObjectGet("lrHerst",OBJPROP_TIME2);
      if (t0>Time[0]) t0=Time[0];
      i0=iBarShift(Symbol(),Period(),t0);
  
      T=ip-i0+1;
      ArrayResize(A, T);
      ArrayResize(R, T);
      ArrayResize(DDR, T);
    }
    
    for(int i=T-1; i>=0; i--) A[i]=Open[i+i0];

    SA=af_SA(A,T);
  
    //----------------------------LR----------------------------------------
    //----------aa-------------
    is=(T-1)/2.0;   //среднее значение по оси индекса
    aa=0;        
    sum2=0;
    
    for(i=T-1; i>=0; i--)
    {
       aa+=(i-is)*(A[i]-SA);
       sum2+=MathPow((i-is),2);
    }
    aa=aa/sum2;
    //-----------bb------------
    bb=SA-aa*is;
 
    for(i=T-1; i>=0; i--) DDR[i]=aa*i+bb; 

    lr0=DDR[0];
    lrp=DDR[T-1];
  
    //linregres_grafic_c(0,DDR,i0);
//----------------------------------------------------------------------

    //-----Расчёт ошибок линейной регрессии
    for(i=T-1; i>=0; i--) R[i]=A[i]-(aa*i+bb);

    SAo=af_SA(R,T);   //среднее значение ошибок линейной регрессии
    disp_o=af_disp_o(R,SAo,T);  // Дисперсия ошибок
    S=CKO(disp_o);
         
    pMin=Low[Lowest(NULL,0,MODE_LOW,T,i0)];
    pMax=High[Highest(NULL,0,MODE_HIGH,T,i0)];
    RM=pMax-pMin;
  
    Hrst = MathLog(RM/S)/MathLog(T*0.5);
    Comment("Хёрст = ",DoubleToStr(Hrst ,4),"\n","T = ",T);
    
    ObjectMove("lrHerst",0,tp,lrp); 
    ObjectMove("lrHerst",1,t0,lr0);
    f=1;
  
  }//---while
  //--------------------------------------------------
  return(0);
}
//***************************************************************
//функция для расчёта дисперсии ошибок
double af_disp_o(double data[], double centr, int T)
{
   double disp=0;
   for(int k=T-1; k>=0; k--) disp+=MathPow((data[k]-centr),2);
   if(T>1) disp=disp/(T-2);
   return(disp);
}
//***************************************************************
//функция для расчёта СКО
double CKO(double disp)
{
   double sko=MathPow(disp,0.5);
   return(sko);
}
//***************************************************************
//функция для подсчёта среднего арифметического значения по массиву
double af_SA(double data[],int T)
{
   double sum=0;
   for(int k=T-1; k>=0; k--) sum+=data[k];
   sum=sum/T;
   return(sum);
}
//***************************************************************
/*
//функция рисования канала линейной регрессии 
int linregres_grafic_c(int window_number, double data[], int i0b)
{
   int deletedArrows,k,size;
   string line_name;
   //очистка предыдущего рисунка
   deletedArrows=ObjectsDeleteAll(window_number,OBJ_TREND);
   
   //находим размер массива
   size=ArraySize(data);
   
   //рисуем центральную линию линейной регрессии
   for(k=size-1; k>=1; k--)
   {
      line_name="line_lin_reg"+k;
      ObjectCreate(line_name,OBJ_TREND,window_number,Time[k+i0b],data[k],Time[k+i0b-1],data[k-1]);
      ObjectSet(line_name,OBJPROP_COLOR,Yellow);
      ObjectSet(line_name,OBJPROP_STYLE,DRAW_LINE);
      ObjectSet(line_name,OBJPROP_WIDTH,2);
      ObjectSet(line_name,OBJPROP_BACK,true);
      ObjectSet(line_name,OBJPROP_RAY,false);
   }
   
   //рисуем проекцию центральной линии линейной регрессии
   line_name="line_lin_reg_proec";
   ObjectCreate(line_name,OBJ_TREND,window_number,Time[size-1+i0b],data[size-1],Time[i0b],data[0]);
   ObjectSet(line_name,OBJPROP_COLOR,Red);
   ObjectSet(line_name,OBJPROP_STYLE,DRAW_LINE);
   ObjectSet(line_name,OBJPROP_WIDTH,1);
   ObjectSet(line_name,OBJPROP_BACK,false);
   ObjectSet(line_name,OBJPROP_RAY,true);
   
   return(0);
}
*/
//***************************************************************
void deinit()
{
  ObjectDelete("lrHerst");
  Comment(" ");
}
//***************************************************************



진심으로, 알렉산더.

 
Vladislav, 그 당시 solandr가 수행한 분석은 정확했지만 고품질이었습니다.

그러나 결국 Forex 시장에 대한 다른 분석 및 예측은 불가능합니다. 그 이유는 주로 프랙탈리티 때문입니다!
즉, 신뢰 구간 의 경계와 한 방향 또는 다른 방향으로 이동할 확률의 일정한 변동이 있습니다. 그리고 이후의 각 변동은 가격 궤적의 유형을 변경할 수 있으며 매우 중요하다고 생각합니다. 동시에 현재 변동에 영향을 준 모든 사고(예: 뉴스)의 총체는 가격 궤적의 발전을 위한 하나 또는 다른 시나리오의 개발로 이어질 수 있습니다. 즉, 가격은 신뢰 구간의 경계를 방문할 수 있지만 가장 다양한 궤적이 가능합니다. 아무도 궤도를 추측할 수 없습니다. 할 수 있는 최대값은 가격이 현재 어디에 있고 다음에 무엇을 할 수 있는지 보는 것입니다. 즉, 여기에서 구매한 다음 여기에서 중지하고 판매하는 것과 같은 일부 표준 예측은 Forex 시장에서 비효율적입니다. 가격은 권장 수준에 도달하거나 초과하지 않으며 몇 번 더 그 사이에 머물며 거래자는 예측에 따라 관망하는 입장을 취해야 합니다.
사실, Vladislava 시스템의 첫 번째 거래로 판단하면 시장은 단순히 한 방향 또는 다른 방향으로 움직일 확률을 모니터링하고 거래자는 거래에 대한 결정을 내리는 것 같습니다. 상인의 의사 결정과 블라디슬라바 시스템의 유일한 차이점은 각 상인이 자신의 직관에 따라 결정을 내린다는 것입니다. 영형)). 블라디슬라바 시스템은 수학적 통계의 중심극한정리를 기반으로 하는 반면, 이를 Forex 시장에 적용하면 다음과 같은 해석이 가능합니다. 자신의 직관에 따라 거래하는 개별 상인의 거래를 임의의 영향으로 간주하면 중심 극한 정리에 따라 자신의 전략에 따라 거래하는 모든 상인의 공동 행동에 의해 형성되는 시장 가격의 분포, 정규분포의 경향을 보일 것이다. 동시에 이것을 시장에 적용하기 위해서는 먼저 트레이더가 보는 채널을 찾아 대부분의 트레이더가 보는 채널 또는 적분에 따른 최적의 채널로 평가하면 됩니다. 거래 거래자의 전체 샘플에 대한 평가 ;o). 또한 이러한 채널을 선택하면 채널 중심에서 다른 거리에서 가격을 찾을 확률을 계산할 수 있으며 이를 기반으로 한 방향 또는 다른 방향으로 가격이 이동할 확률에 대한 가정을 할 수 있습니다. 그리고 물론 채널은 특히 일중 거래에서 끊임없이 변화하고 가격이 앞뒤로 움직입니다. 그리고 예를 들어 3시간 전에 옳았던 것이 이익을 내기 위해 지금 해야 하는 일과 실질적으로 아무 관련이 없을 수도 있습니다. 따라서 기껏해야 현재 상황에서 일종의 오리엔테이션을 갖기 위해 전문가 Vladislava의 작업을 볼 수 있습니다. 글쎄, 표준 형식의 예측은 물론 불가능합니다. 기껏해야 일종의 질적 추론입니다. 그리고 진정한 의사결정은 필요한 상황이 전개될 때일 것입니다. 동시에 가장 넓은 범위에서만 레벨과 시간을 미리 예측할 수 있습니다.

추신: 그런데 거래자들이 거래하는 방식에 대한 질문을 보십시오. 많은 사람들이 패스트 마켓에서 거래합니다. 이 때문에 무언가를 잡는 데는 많은 서두름이 필요합니다. 이 때문에 이 포럼조차도 패스트 마켓에서 주문을 열거나 닫을 때 버튼을 누르는 편리함을 위해 또는 전체 군중이 할 때 어드바이저가 빠르게 주문을 열고 닫을 수 있도록 MT4 개발자의 몇 가지 추가 기능이 필요한 지점으로 가득 차 있습니다. 동일, 모든 거래 기술 자원을 득점합니다(일반적으로 군중은 절반이 이미 지나갔고 시장이 한 방향 또는 다른 방향으로 움직일 확률이 실질적으로 평준화되었을 때 동일한 일을 합니다) :o))) 즉, 가장 강한 이동은 채널(중앙)의 중심선을 지날 때 가격을 찾을 확률 분포 - 전체 군중이 뛰어 올라 게임에 합류했습니다. 빠른 시장에서 서두르면 이해하지 못하는 문제를 해결할 수 있다고 생각할 수도 있습니다. 시장의 현재 상황.
 
그러나 결국 Forex 시장에 대한 다른 분석 및 예측은 불가능합니다. 그 이유는 주로 프랙탈리티 때문입니다!

솔란더,
나는 어떤 식 으로든 당신을 화나게 할 의도가 없었습니다. Vladislav는 그의 전략에 대한 논의의 맨 처음에 다른 대부분의 전략과의 차이점을 강조했습니다. 그리고 그것은 가격 움직임의 다양한 방향의 확률에 대한 양적 추정 덕분에 비 무작위 예측을 정확하게 할 수 있다는 사실로 정확하게 구성되었습니다.
 
블라디슬라프,
이 논의에서 프랙털 개념의 일부 불일치가 발생한 것 같습니다.
내가 이해하는 한, 프랙탈은 무작위 구조의 자기 유사성입니다. 그 자체로는 우리가 정량적 추정을 하는 것을 막을 수 없습니다. 그리고 이러한 추정치가 본질적으로 확률적이라는 사실은 프랙탈에서 비롯된 것이 아니라 우리가 다루고 있는 현상의 무작위적 특성에서 비롯됩니다.
이 문제에 대한 귀하의 의견을 듣고 싶습니다. 특히 이 진술에 어떤 실질적인 의미를 담았습니까?
기본 샘플(30분-시간 => 일일 수준)을 구축한 후 필요한 세부 수준으로 구체화할 수 있습니다(여기서 프랙탈 접근 방식이 사용된다는 것을 기억했습니까?).

마지막 답변과 관련하여 한 가지 더 질문:
이것이 최적화가 짜증나는 방식입니다. 하나의 채널만 있는 것은 아닙니다.

공리 중 하나는 최적화 프로세스의 결과로 결정되는 실제(즉, 고유한) 궤적의 존재입니다. 단일 궤도가 어떻게 여러 채널로 이어질 수 있습니까?
 
로쉬,
내가 이해하는 한 MarketProfil은 범위의 주파수 응답을 제공합니다. 즉, 가격이 특정 기간 동안 몇 번이나 주어진 값을 취했는지입니다. 제가 제대로 이해한건가요?
그렇다면 빨간 선의 위치를 이해합니다. 그런데 왜 이렇게 녹색이 많은 것일까요?
나 자신도 이것을 기반으로 레벨을 식별하는 아이디어를 가지고 있었습니다. 나는 MarketProfil 지표를 다루지 않았지만. 자전거라는 것을 알게 되어 반갑습니다. :-) 최소한 시간을 절약했습니다.