1. 잘 모르겠어, Sergey . 그 질문은 아주 사소하지 않아. 샌드위치에 대한 내 기사에서 내가 공격하고 있는 금광인 베르누이 시스템을 확인했습니다.
나는 당신의 기사를 다시 읽을 것입니다 - 나는 당신의 요리 걸작을 전체적으로 삼키려고 노력할 것입니다 :-))).
그건 그렇고, 여기에 또 다른 것이 있습니다 : 예금 성장 공식에서
회원
그들은 예금이 두 배로 증가하는 특징적인 시간을 담당할 것입니다(시간 퀀텀은 tau 와 같음 - 변동성이 추정된 기간). 이 시기를 결정하는 중요한 매개변수는 스프레드에 대한 선택한 상품의 변동성 비율의 제곱임을 알 수 있습니다. 이 매개변수를 통해 특정 악기의 조건부 "매력"을 평가할 수 있습니다. 이 지표가 높을수록 도구가 더 좋습니다. Alpari DC에서 제공하는 33개의 기기에 대한 매개변수를 평가했습니다.
여기에서 첫 번째 열은 스프레드, 두 번째 열은 시간당 변동성, 세 번째 열은 정규화된 상대 변동성, 네 번째 열은 정규화된 제곱을 나타냅니다. 열의 데이터는 변동성 내림차순으로 순위가 매겨집니다.
명시된 의미에서 가장 매력적인 쌍은 EUR/USD이며 그 수준은 100%로 간주됩니다. 다음은 59%의 GBP/USD입니다. 마지막 공식을 보면 다른 모든 조건이 동일할 때 이 쌍의 예치금을 두 배로 늘리는 데 필요한 시간이 EUR/USD의 거의 두 배라는 것을 알 수 있습니다. 배가 시간을 추정하는 동일한 공식에는 기기의 예측 가능성을 특징짓는 매개변수 p 의 4승이 포함된다는 점을 상기시켜 드리겠습니다. 이를 고려하면 이 추정치를 크게 편향시킬 수 있습니다. 시계열의 일반적인 고려 사항과 속성을 기반으로 그리고 이에 대한 "과학적 파고"(생명이 충분하지 않음)라는 실험적 방법을 사용하지 않고 p 의 극한 추정치를 만드는 방법을 배우는 것이 매우 중요합니다. 그러한 방법의 존재는 진정한 돌파구로 간주될 수 있습니다. 이론적으로 정당화되는 예측 가능성의 한계는 선택한 통화 상품에 대해 나타납니다. 어느 특정 지점까지 TS가 이상을 준수하도록 개선할 수 있는지 알고 있습니다!
불행히도 가격과 같은 시계열에 대한 예측 가능성(매개변수 p )을 추정하는 방법을 구현할 수 없었습니다. 주요 아이디어로 Yezhov, Shumsky 의 "금융 시계열 예측 " 기사에서 논의된 "몰입" 방법을 사용하려고 했습니다. 그러나 저자가 교활하거나 내 손이 비뚤어집니다. 결과는 확실히 서투릅니다 ... 요컨대, 나는 이러한 간접적 인 추정에 침을 뱉고 Neuro Grid가 모든 종류의 명백하고 최적의 포수이기 때문에 스스로 결정했습니다. 그렇게 규칙적이지 않다면, 그것을 잡아서 국회의 출구에 있습니다. 우리는 가격 움직임의 방향으로 정확한 추측의 상대적인 수만 계산할 것입니다. 직접 방법으로 매개변수 p (위의 게시물 참조)를 추정합니다. 물론 대가에 묻힌 모든 것을 국회가 잡아간다는 사실은 아니지만, 더 나은 것이 부족할 때를 위해 최선을 다하겠습니다!
이를 위해 알고리즘 매개변수 역할을 하는 입력 수 d 로 이 경우에 대한 가장 단순한 퍼셉트론을 날카롭게 하고 시계열을 EUR/USD의 경우 10포인트 및 5포인트의 최소 이동 단계로 여러 거래 지평선으로 나누었습니다. 올해 EUR/GBP. 분석을 위해 분봉의 시가를 취하고 예상되는 움직임의 신호를 예측했습니다. 그런 다음 추측한 방향의 수를 세어 전체 수에 참조했습니다. 결과 값을 2로 나눈 값이 원하는 매개변수 p 입니다.
EUR/GBP BP는 EUR/USD 시리즈에 비해 예측 가능성이 현저히 높습니다. 아마도 이것이 일부 트레이더가 챔피언십에서 이 쌍을 가장 유망한 것으로 선택한 이유일 것입니다. p=0.04 및 시그마=18핍/시간, 스프레드=2핍(EUR/USD), p=0.15, 시그마=8핍/시간, 스프레드=3핍 EUR/GBP(위 표 참조), 특성 이러한 쌍에 대한 예금의 두 배 시간은 공식을 사용하여 추정할 수 있습니다(위 참조).
17배, 즉 ceteris paribus로 밝혀졌습니다. 이러한 VR의 예측 가능성 정도의 차이를 통해 EUR/GBP에 유리하게 거의 20배 차이가 나는 요율로 보증금을 늘릴 수 있습니다! 위에 주어진 공식에 따라 매개 변수 H- 뇌물의 평균 금액 및 L- 최적 거래 레버리지에 대한 최적 값을 추정할 수 있습니다. 따라서 EUR/USD 쌍의 경우 H = 50포인트, L = 8입니다. EUR/GBP 쌍의 경우 H = 20포인트, L = 75입니다.
시장은 일반적으로 물리 법칙과 거의 관련이 없는 고유한 법칙이 있는 복잡하고 역동적인 시스템임이 분명합니다. 그러나 한 가지는 다소 명확하게 말할 수 있습니다. 우리는 예측하기 어려운 이 과정의 직접적인 참가자로서 우선 가격이 어느 방향으로 갈 것인지, 두 번째로 몇 점을 알 것인지를 아는 것이 중요합니다. 그것은이 방향으로 갈 것이고 아마도 세 번째로만 - 선택한 방향으로 얼마나 오래 움직일 것입니까? 실제로 Sergey, 다시 한 번 이윤율 표현에주의를 기울이십시오.
그 결과 예상되는 이동 방향을 결정하는 정확도가 복귀율을 4도로 결정하고, 이 움직임의 진폭이 복귀율에 영향을 미치는 2도를 결정하며, 이러한 움직임이 존재하는 시간은 선형으로 들어갑니다. 저것들. 예측 p 의 정확도를 2배 낮추면 수익성이 16배 감소합니다! 예상되는 움직임의 진폭으로 작업해야 하는 것은 원하는 것의 절반입니다. 이익이 4배나 부족합니다. 진폭을 그와 같이 예측할 필요가 있다는 점에 대해서는 의문의 여지가 없으며, 이 매개변수의 평균값만 필요하며, 알다시피 결정하는 데 문제가 없으며 이는 관성 표시기(고정 매개변수)입니다. 일반적으로 시간은 모든 것(또는 거의 모든 것)을 견디며 각 단계에서 이 값을 예측할 필요도 없으며 평균 값을 아는 것으로 충분합니다.
지금까지 말한 모든 것에서 나는 국회가 이 움직임을 일정 시간 간격으로 추정 할 수 없다는 당신의 비관론에 동의하지 않습니다. 예상되는 움직임의 징후를 예측하는 정확도를 향상시키기 위해 모든 지력(자신의 힘뿐만 아니라)을 사용하는 것이 훨씬 더 중요합니다.
그것은 일어났습니다 - 나는 국회를 기반으로 VR에서 명시적 및 숨겨진 규칙성의 "추정기"를 구축할 수 있었습니다. 이제 이 짐승을 kotir에 넣으면 매개변수 p 를 대략적으로 추정할 수 있습니다. 즉, 도구의 예측 가능성을 특성화하고 0(임의 프로세스)에서 1/2(완전히 결정적인 시스템(고유하게 예측 가능))로 변경합니다.
다음은 등급의 몇 가지 예입니다. 무화과에. 왼쪽에는 EURUSD BP의 예측 가능성이 거래 지평선 H (가격 변동의 특징적인 규모)에 대한 의존도가 표시됩니다. 빨간색은 위에서 얻은 예측 가능성 점수(가능한 최대값)를 보여주고 파란색은 내 "최적" 신경망이 감지할 수 있었던 것을 보여줍니다. 평가 프로세스는 리소스 집약적이므로 위의 몇 가지 게시물에 있는 표에 표시된 모든 도구에 대한 전체 정보를 며칠 내로 제공할 것입니다.
주어진 데이터에 관해서. eurchf 쌍이 eurusd에 비해 예측에 더 매력적임을 알 수 있습니다. 상품 가격의 움직임에 눈에 띄게 더 많은 규칙성이 포함됩니다. 시간 지연의 감소와 함께 이 쌍에 대한 예측 가능성의 증가에 주의를 기울이며, 이는 짧은 시간 프레임과 잠재적인 파이퍼에게 쌍을 더 매력적으로 만듭니다. 일반적으로 eurusd 시리즈는 매개변수 p = 0.04를 특징으로 한다고 주장할 수 있으며, 이 스레드에서 최적의 H(MM의 의미에서), 그것은 밝혀졌습니다
Hopt=Spread/p =2/0.04=50, 이것은 포인트 단위의 최적의 트릭 양입니다.
최적의 거래 레버리지:
L=(S/스프레드)*p^2 =10^4/2*0/04^2=8
이 최적의 MM으로 거래할 때 일반적인 예금 두 배 시간:
t=tau/sigma^2*Spread^2/p^4 , 여기서 sigma 는 TF=tau에서 쌍의 변동성입니다. 위기 전 옵션을 사용합시다: 시그마= 70포인트/일, 타우= 일, 스프레드= 2포인트. 그 다음에,
t=1/70^2*2^2/0.04^4=320일 - 예치금을 두 배로 늘리는 대략적인 시간(물론 내가 어딘가에서 잘못되지 않는 한).
몇 eurchf의 경우 상황이 훨씬 더 나쁩니다. 쌍의 예측 가능성은 높지만 스프레드는 3과 같습니다. 이러한 매개 변수를 사용하면 현재보다 크지 않은 최적의 Н 이 있는 기존 р(Н) (그림 참조)로 영역이 없습니다. 하나! 즉, 부부는 약속하지 않습니다.
Alpari DC 시세 아카이브에서 사용할 수 있는 금융 상품의 예측 가능성 p (y축)를 평가했습니다. 포인트(가로축)로 표현된 다양한 거래 범위에 대해 계산되었습니다.
각 다이어그램에서 검은색 선은 수익성 있는 영역을 수익성 없는 영역과 조건부로 구분하는 수익성 마진을 보여줍니다. 호가에 숨겨진 패턴을 이용한 TS가 통계적으로 이익을 내기 위해서는 파란색 히스토그램이 수익성 수준을 넘어야 한다. 경계는 그림 1의 첫 번째 공식에 따라 작성되었습니다. (두 번째는 р<<1/2에 대한 제한적인 변형입니다).
각 악기에 대해, 최적의 MM(매개변수 Н 및 L )에 따라 예금을 두 배로 늘리는 특징적인 시간 - tau2 를 추정할 수 있으며, 이는 장비의 변동성 - sigma , 특성 시간 간격 - tau , 예측 가능성 - р 및 DC 커미션 - Sp (그림의 마지막 공식). 나중에 할 것입니다.
따라서 TS를 작성하고 이를 기반으로 MTS를 구축하고 데모 계정에서 거래 결과를 기다리는 데 시간을 낭비하지 않고 특정 상품에 대한 작업 가능성을 신속하게 평가할 수 있습니다.
쓰기. 여기에서 확산은 더 얇게 고려됩니다. 원숭이가 역할을 합니다. 그리고 시스템은 거래 결과를 기반으로 하는 베르누이여야 합니다. 그렇지 않으면 추정치가 정확하지 않을 것입니다. 그러나 나는 순전히 분석적인 해결책에 도달하지 못했습니다.
지금까지는 베르누이 시스템에 대해서만 특정 결론을 도출할 수 있었습니다. 사실 그렇게 많지 않습니다. 베르누이가 아닌 시스템을 모델링하는 것이 더 어렵습니다. 분명히 Markov 프로세스가 연결되어야 합니다. 그러한 시스템의 분석 장치는 더 어려울 것입니다.
추신: 종종 이런 식입니다. 동전을 던지지만 대칭은 아닙니다. 글쎄, 나는 샌드위치를 의미합니다.
지금까지는 베르누이 시스템에 대해서만 특정 결론을 도출할 수 있었습니다. 사실 그렇게 많지 않습니다. 베르누이가 아닌 시스템을 모델링하는 것이 더 어렵습니다. 분명히 Markov 프로세스가 연결되어야 합니다. 그러한 시스템의 분석 장치는 더 어려울 것입니다.
추신: 종종 이런 식입니다. 동전을 던지지만 대칭은 아닙니다. 글쎄, 나는 샌드위치를 의미합니다.
이해했다. 나는 그것을 완전히 얻었습니다. 같은 위치에서 확률을 0.9로 설정할 수 있습니다. 0.5에서 멈췄습니다. ))
1. 잘 모르겠어, Sergey . 그 질문은 아주 사소하지 않아. 샌드위치에 대한 내 기사에서 내가 공격하고 있는 금광인 베르누이 시스템을 확인했습니다.
나는 당신의 기사를 다시 읽을 것입니다 - 나는 당신의 요리 걸작을 전체적으로 삼키려고 노력할 것입니다 :-))).
그건 그렇고, 여기에 또 다른 것이 있습니다 : 예금 성장 공식에서
회원
그들은 예금이 두 배로 증가하는 특징적인 시간을 담당할 것입니다(시간 퀀텀은 tau 와 같음 - 변동성이 추정된 기간). 이 시기를 결정하는 중요한 매개변수는 스프레드에 대한 선택한 상품의 변동성 비율의 제곱임을 알 수 있습니다. 이 매개변수를 통해 특정 악기의 조건부 "매력"을 평가할 수 있습니다. 이 지표가 높을수록 도구가 더 좋습니다. Alpari DC에서 제공하는 33개의 기기에 대한 매개변수를 평가했습니다.
여기에서 첫 번째 열은 스프레드, 두 번째 열은 시간당 변동성, 세 번째 열은 정규화된 상대 변동성, 네 번째 열은 정규화된 제곱을 나타냅니다. 열의 데이터는 변동성 내림차순으로 순위가 매겨집니다.
명시된 의미에서 가장 매력적인 쌍은 EUR/USD이며 그 수준은 100%로 간주됩니다. 다음은 59%의 GBP/USD입니다. 마지막 공식을 보면 다른 모든 조건이 동일할 때 이 쌍의 예치금을 두 배로 늘리는 데 필요한 시간이 EUR/USD의 거의 두 배라는 것을 알 수 있습니다. 배가 시간을 추정하는 동일한 공식에는 기기의 예측 가능성을 특징짓는 매개변수 p 의 4승이 포함된다는 점을 상기시켜 드리겠습니다. 이를 고려하면 이 추정치를 크게 편향시킬 수 있습니다. 시계열의 일반적인 고려 사항과 속성을 기반으로 그리고 이에 대한 "과학적 파고"(생명이 충분하지 않음)라는 실험적 방법을 사용하지 않고 p 의 극한 추정치를 만드는 방법을 배우는 것이 매우 중요합니다. 그러한 방법의 존재는 진정한 돌파구로 간주될 수 있습니다. 이론적으로 정당화되는 예측 가능성의 한계는 선택한 통화 상품에 대해 나타납니다. 어느 특정 지점까지 TS가 이상을 준수하도록 개선할 수 있는지 알고 있습니다!
Alpari DC가 제시한 33개의 기기에 대한 매개변수를 평가했습니다...
유용한 분석. 존경! ;)
불행히도 가격과 같은 시계열에 대한 예측 가능성(매개변수 p )을 추정하는 방법을 구현할 수 없었습니다. 주요 아이디어로 Yezhov, Shumsky 의 "금융 시계열 예측 " 기사에서 논의된 "몰입" 방법을 사용하려고 했습니다. 그러나 저자가 교활하거나 내 손이 비뚤어집니다. 결과는 확실히 서투릅니다 ... 요컨대, 나는 이러한 간접적 인 추정에 침을 뱉고 Neuro Grid가 모든 종류의 명백하고 최적의 포수이기 때문에 스스로 결정했습니다. 그렇게 규칙적이지 않다면, 그것을 잡아서 국회의 출구에 있습니다. 우리는 가격 움직임의 방향으로 정확한 추측의 상대적인 수만 계산할 것입니다. 직접 방법으로 매개변수 p (위의 게시물 참조)를 추정합니다. 물론 대가에 묻힌 모든 것을 국회가 잡아간다는 사실은 아니지만, 더 나은 것이 부족할 때를 위해 최선을 다하겠습니다!
이를 위해 알고리즘 매개변수 역할을 하는 입력 수 d 로 이 경우에 대한 가장 단순한 퍼셉트론을 날카롭게 하고 시계열을 EUR/USD의 경우 10포인트 및 5포인트의 최소 이동 단계로 여러 거래 지평선으로 나누었습니다. 올해 EUR/GBP. 분석을 위해 분봉의 시가를 취하고 예상되는 움직임의 신호를 예측했습니다. 그런 다음 추측한 방향의 수를 세어 전체 수에 참조했습니다. 결과 값을 2로 나눈 값이 원하는 매개변수 p 입니다.
EUR/GBP BP는 EUR/USD 시리즈에 비해 예측 가능성이 현저히 높습니다. 아마도 이것이 일부 트레이더가 챔피언십에서 이 쌍을 가장 유망한 것으로 선택한 이유일 것입니다. p=0.04 및 시그마=18핍/시간, 스프레드=2핍(EUR/USD), p=0.15, 시그마=8핍/시간, 스프레드=3핍 EUR/GBP(위 표 참조), 특성 이러한 쌍에 대한 예금의 두 배 시간은 공식을 사용하여 추정할 수 있습니다(위 참조).
17배, 즉 ceteris paribus로 밝혀졌습니다. 이러한 VR의 예측 가능성 정도의 차이를 통해 EUR/GBP에 유리하게 거의 20배 차이가 나는 요율로 보증금을 늘릴 수 있습니다! 위에 주어진 공식에 따라 매개 변수 H- 뇌물의 평균 금액 및 L- 최적 거래 레버리지에 대한 최적 값을 추정할 수 있습니다. 따라서 EUR/USD 쌍의 경우 H = 50포인트, L = 8입니다. EUR/GBP 쌍의 경우 H = 20포인트, L = 75입니다.
아니요, 곡선이 아닙니다. 해당 기사의 댓글에서 가격이 + 또는 -로 가는 방향을 결정하는 것만으로는 충분하지 않다고 썼습니다. 이 움직임을 미래의 시간 간격으로 추정할 수 있어야 합니다. NS는 할 수 없습니다.
시장은 일반적으로 물리 법칙과 거의 관련이 없는 고유한 법칙이 있는 복잡하고 역동적인 시스템임이 분명합니다. 그러나 한 가지는 다소 명확하게 말할 수 있습니다. 우리는 예측하기 어려운 이 과정의 직접적인 참가자로서 우선 가격이 어느 방향으로 갈 것인지, 두 번째로 몇 점을 알 것인지를 아는 것이 중요합니다. 그것은이 방향으로 갈 것이고 아마도 세 번째로만 - 선택한 방향으로 얼마나 오래 움직일 것입니까? 실제로 Sergey, 다시 한 번 이윤율 표현에주의를 기울이십시오.
그 결과 예상되는 이동 방향을 결정하는 정확도가 복귀율을 4도로 결정하고, 이 움직임의 진폭이 복귀율에 영향을 미치는 2도를 결정하며, 이러한 움직임이 존재하는 시간은 선형으로 들어갑니다. 저것들. 예측 p 의 정확도를 2배 낮추면 수익성이 16배 감소합니다! 예상되는 움직임의 진폭으로 작업해야 하는 것은 원하는 것의 절반입니다. 이익이 4배나 부족합니다. 진폭을 그와 같이 예측할 필요가 있다는 점에 대해서는 의문의 여지가 없으며, 이 매개변수의 평균값만 필요하며, 알다시피 결정하는 데 문제가 없으며 이는 관성 표시기(고정 매개변수)입니다. 일반적으로 시간은 모든 것(또는 거의 모든 것)을 견디며 각 단계에서 이 값을 예측할 필요도 없으며 평균 값을 아는 것으로 충분합니다.
지금까지 말한 모든 것에서 나는 국회가 이 움직임을 일정 시간 간격으로 추정 할 수 없다는 당신의 비관론에 동의하지 않습니다. 예상되는 움직임의 징후를 예측하는 정확도를 향상시키기 위해 모든 지력(자신의 힘뿐만 아니라)을 사용하는 것이 훨씬 더 중요합니다.
그것은 일어났습니다 - 나는 국회를 기반으로 VR에서 명시적 및 숨겨진 규칙성의 "추정기"를 구축할 수 있었습니다. 이제 이 짐승을 kotir에 넣으면 매개변수 p 를 대략적으로 추정할 수 있습니다. 즉, 도구의 예측 가능성을 특성화하고 0(임의 프로세스)에서 1/2(완전히 결정적인 시스템(고유하게 예측 가능))로 변경합니다.
다음은 등급의 몇 가지 예입니다. 무화과에. 왼쪽에는 EURUSD BP의 예측 가능성이 거래 지평선 H (가격 변동의 특징적인 규모)에 대한 의존도가 표시됩니다. 빨간색은 위에서 얻은 예측 가능성 점수(가능한 최대값)를 보여주고 파란색은 내 "최적" 신경망이 감지할 수 있었던 것을 보여줍니다. 평가 프로세스는 리소스 집약적이므로 위의 몇 가지 게시물에 있는 표에 표시된 모든 도구에 대한 전체 정보를 며칠 내로 제공할 것입니다.
주어진 데이터에 관해서. eurchf 쌍이 eurusd에 비해 예측에 더 매력적임을 알 수 있습니다. 상품 가격의 움직임에 눈에 띄게 더 많은 규칙성이 포함됩니다. 시간 지연의 감소와 함께 이 쌍에 대한 예측 가능성의 증가에 주의를 기울이며, 이는 짧은 시간 프레임과 잠재적인 파이퍼에게 쌍을 더 매력적으로 만듭니다. 일반적으로 eurusd 시리즈는 매개변수 p = 0.04를 특징으로 한다고 주장할 수 있으며, 이 스레드에서 최적의 H (MM의 의미에서), 그것은 밝혀졌습니다
Hopt=Spread/p =2/0.04=50, 이것은 포인트 단위의 최적의 트릭 양입니다.
최적의 거래 레버리지:
L=(S/스프레드)*p^2 =10^4/2*0/04^2=8
이 최적의 MM으로 거래할 때 일반적인 예금 두 배 시간:
t=tau/sigma^2*Spread^2/p^4 , 여기서 sigma 는 TF=tau에서 쌍의 변동성입니다. 위기 전 옵션을 사용합시다: 시그마= 70포인트/일, 타우= 일, 스프레드= 2포인트. 그 다음에,
t=1/70^2*2^2/0.04^4=320일 - 예치금을 두 배로 늘리는 대략적인 시간(물론 내가 어딘가에서 잘못되지 않는 한).
몇 eurchf의 경우 상황이 훨씬 더 나쁩니다. 쌍의 예측 가능성은 높지만 스프레드는 3과 같습니다. 이러한 매개 변수를 사용하면 현재보다 크지 않은 최적의 Н 이 있는 기존 р(Н) (그림 참조)로 영역이 없습니다. 하나! 즉, 부부는 약속하지 않습니다.
Alpari DC 시세 아카이브에서 사용할 수 있는 금융 상품의 예측 가능성 p (y축)를 평가했습니다. 포인트(가로축)로 표현된 다양한 거래 범위에 대해 계산되었습니다.
각 다이어그램에서 검은색 선은 수익성 있는 영역을 수익성 없는 영역과 조건부로 구분하는 수익성 마진을 보여줍니다. 호가에 숨겨진 패턴을 이용한 TS가 통계적으로 이익을 내기 위해서는 파란색 히스토그램이 수익성 수준을 넘어야 한다. 경계는 그림 1의 첫 번째 공식에 따라 작성되었습니다. (두 번째는 р<<1/2에 대한 제한적인 변형입니다).
각 악기에 대해, 최적의 MM(매개변수 Н 및 L )에 따라 예금을 두 배로 늘리는 특징적인 시간 - tau2 를 추정할 수 있으며, 이는 장비의 변동성 - sigma , 특성 시간 간격 - tau , 예측 가능성 - р 및 DC 커미션 - Sp (그림의 마지막 공식). 나중에 할 것입니다.
따라서 TS를 작성하고 이를 기반으로 MTS를 구축하고 데모 계정에서 거래 결과를 기다리는 데 시간을 낭비하지 않고 특정 상품에 대한 작업 가능성을 신속하게 평가할 수 있습니다.