내가 펼치고자 하는 현상은 누군가에게는 알려질 수도 있고, 그렇지 않을 수도 있고, 모두에게 알려지지 않을 수도 있다. 어쨌든, 나는 어디에도 그것에 대한 언급을 본 적이 없습니다. EURUSD M15(약 10년 동안의 alpari 데이터)를 사용하여 그 증분을 살펴보겠습니다.
10년 동안 알프스는 데이터의 일부가 4자리(5번째 기호로 축소됨)이고 일부는 실제로 5자리입니다. 0.0001 또는 0.00001 단계로 증가하는 히스토그램이 있습니까?
그리고 히스토그램에 "딥"이 어떤 증분으로 나타납니까?
판스워스 :
5 기호는 그리 오래 전에(아마도 1년, 어쩌면 더 적게) 도입되었으며 일반적으로 결과에 영향을 미치지 않습니다. 이것은 주의 깊게 살펴보면 "알파" 및 "오메가" 프로세스의 역학에서 볼 수 있습니다 . 히스토그램의 단계가 0.0001보다 크므로 지금은 확실히 말할 수 없지만 이 현상은 섹션 수 500개, 즉 500개에서 나타납니다. 대략적으로 말하면, Max(Open)-Min(Open)을 500으로 나눈 것입니다. 변수가 연속적이라면 거의 효과가 없을 것입니다.
추신: "히스토그램"은 제가 만든 것이 아니라 MathCAD에서 만든 것입니다. 당신은 아마 놀랄 것입니다, 나는 또한 그것들을 만드는 방법을 알고 있습니다. 히스토그램 작성 오류를 찾을 필요가 없다고 생각합니다. 데이터를 확인하기만 하면 됩니다.
일반적으로 말하면 이러한 "분포의 중첩"이 나에게 발생했으며 4자리와 5자리 데이터가 혼합된 경우에만 발생했습니다. 5자의 역사가 훨씬 짧다는 것은 분리를 방해하기보다는 분리에 기여한다.
따라서 검증을 위해 4자리 시간과 5자리 시간에 대해 별도로 배포를 구축하는 것이 여전히 가치가 있을 것입니다. 혼동하지 않는다면 2009년경부터 Alpari에 있었습니다.
Avals : 10년 동안 데이터의 알프스 부분은 4자리(5번째 기호로 축소)이고 일부는 실제로 5자리입니다. 0.0001 또는 0.00001 단계로 증가하는 히스토그램이 있습니까?
그건 그렇고, 이것은 매우 민감한 질문입니다. 여기에서 puppeteers-2는 최선을 다했습니다. 진짜 꼭두각시가 아니라 DC인 사람들. 그건 그렇고, 이것은 또 다른 현상이지만 오히려 부정적입니다.
분포 연구에서 나는 오래 전에 고정 간격 선택을 중단했습니다. 나는 quantile로 나누는 것을 더 좋아합니다. 그러나 여기에도 캐치가 있습니다. 일부 개별 반환 값(예: 0.0004)의 경우 농도가 너무 높아 분위수로 간격을 정성적으로 선택합니다.
데이터의 샘플링 오류(0.0001)가 너무 커서 히스토그램의 품질에 영향을 줄 수 없습니다. 그런데 Prival 은 이에 대해 간접적으로 이야기합니다. 저것들. 형식적으로 연속적인 것으로 간주될 수 있는 분포는 그렇게 연속적이지 않지만 매우 사악한 - 이산-연속적입니다.
예: 1999년 이후 히스토리에 대해 1H 또는 4H EURUSD를 반환하고 이 세트(50 quantile)에 0.02, 0.04, ..., 0.98 quantile을 구축하려고 시도합니다. 물론 Excel은 공식적으로 올바르게 수행하지만 각 간격에 속하는 값의 수를 다시 계산하면 매우 다를 것입니다(대략 일치해야 하지만). 그리고 그들은 백분율이 아니라 때때로 다를 것입니다!
처음에는 이것이 매우 성가신 일이었지만 나중에 해결책을 찾았습니다. 나는 의도적으로 0.0001보다 훨씬 작은 임의의 값을 수익에 추가하기 시작했습니다. 모든 것이 해결되었습니다. 분위수가 실제 분위수와 유사해졌습니다. 각 분위수 간격에 속하는 값의 수는 이제 단위별로 다릅니다. 퍼센트의 10분의 1에서 100분의 1입니다.
이러한 "실험"은 실제로 데이터에 영향을 미치지 않습니다. 이 데이터는 이미 확산 차수의 양만큼 DC 필터에 의해 왜곡됩니다.
우리 대부분(물론 이렇게 하는 사람들 중)은 Pearson 상관 관계, 더 정확하게는 자기 상관 관계를 통해 시장 기억을 측정하는 데 익숙합니다. 이러한 상관 관계는 강도에서 5-10 막대까지의 지연 범위에서 다소 단기적이고 중요하다는 것은 잘 알려져 있습니다. 이로부터 일반적으로 시장에 기억이 있다면 매우 단기적이라는 결론이 나옵니다.
그러나 Pearson의 상관 관계는 막대 간의 선형 관계만 측정할 수 있으며 실제로는 막대 간의 비선형 관계를 알아차리지 못합니다. 임의 프로세스의 상관 이론은 이유 때문에 선형이라고 합니다.
그러나 확률 변수 간의 임의적 종속성을 입증할 수 있는 통계적 기준이 있습니다. 예를 들어 카이제곱 검정 또는 상호 정보 검정이 있습니다. 아직 2번째는 안써봤는데 1번째는 질러버렸네요. 사용법은 설명하지 않겠습니다. 인터넷에 사용법을 설명하는 방법론적 도움이 많이 있습니다.
주요 질문은 다음과 같습니다. 매우 먼 막대 사이에 통계적 관계가 있습니까(예: 막대 사이에 천 개의 막대가 있는 경우)? 거래에서 그것을 사용하는 방법에 대한 질문은 제기되지 않았습니다.
답변: 그렇습니다. 매우 중요합니다.
예를 들어, 1999년부터 H1까지의 EURUSD 히스토리를 가지고 카이제곱으로 쌍의 수익률을 확인하면 90%의 경우에 10에서 6000 사이의 막대 사이의 "거리" 범위에서, 현재 막대는 과거 막대에 따라 다릅니다. 90%! 막대 사이의 거리가 6000 이상인 경우 이러한 종속성은 점점 덜 일반적이지만 여전히 발생합니다!
솔직히 말해서, 그러한 "발견"은 단순히 나를 놀라게 했습니다. 왜냐하면. 그것은 유로가 매우 장기 기억을 가지고 있음을 직접적으로 보여줍니다. EURUSD H1에서 6,000바는 약 1년입니다. 이것은 1년 전의 시간별 막대 중에 현재의 0이 "기억하는" 막대가 여전히 있다는 것을 의미합니다.
H4에서는 최대 약 1000-1500바까지 상당한 종속성이 발생합니다. 저것들. "시장의 기억"의 기간은 여전히 동일합니다 - 약 1 년.
약 4년 동안 시장의 기억에 대해 말한 Peters가 떠오릅니다. 그러나 모순은... 아직 해결 방법을 모르겠습니다.
진정하지 않고 독립적으로 생성된 합성 수익을 입력에 적용하면 카이-제곱에 이러한 종속성이 표시되는지 확인하기로 결정했습니다. 나는 합성 수익의 두 가지 가능한 분포(정상 및 라플라시안)를 선택하고 출시했습니다. 예, 표시되지만 기준의 유의 수준(나는 0.01을 가짐) 내에 있습니다! 즉, 합성은 과거에 약 1%의 종속 막대를 보여주었는데, 바로 기준 오류 확률 수준입니다.
결론은 무엇입니까?
1. 유로 견적은 확실히 Markov 프로세스가 아닙니다. Markov 프로세스에서 현재 값은 이전 값에만 의존합니다. 우리의 경우 매우 먼 과거에 현재 막대가 의존하는 수많은 막대가 있습니다.
2. 소위 "기초"는 물론 따옴표를 이동하는 이유로 특정 역할을합니다. 그러나 그는 확실히 유일한 사람이 아닙니다. 기술을 봐야 합니다!
3. 이 결과는 여전히 순전히 이론적인 것이며 여전히 적용되는 가치가 없습니다. 그러나 그는 무언가를 찾는 사람들에게 모든 것이 잃어버린 것이 아님을 분명히 보여줍니다.
Pakukas, 이 현상이 존재하는데, 그들이 그것을 보지 못하는 이유는 매우 간단합니다.
그가 있다면? 수염을 자극적인 노란색으로 염색하시겠습니까? 좋아, 아바타의 수염을 다시 칠하십시오. 그리고 거기에 없으면 포럼을 떠나고 TA와 VA를 사용할 수 없는 당신을 괴롭히지 않을 것입니다. 오는거야? :에 대한)))
Pakukas, 이 현상이 존재하는데, 그들이 그것을 보지 못하는 이유는 매우 간단합니다.
그가 있다면? 수염을 자극적인 노란색으로 염색 하시겠습니까? 좋아, 아바타의 수염을 다시 칠하십시오. 그리고 거기에 없으면 포럼을 떠나고 TA와 VA를 사용할 수 없는 당신을 괴롭히지 않을 것입니다. 오는거야? :에 대한)))
공정하지 않아. 포럼은 고통받을 것입니다. 손실, 중요합니다. "... 거기에 없다면...", 당신의 아바타는 수염이 있을 것입니다.
와, 얼마나 공격적입니까? 있을 것이라고 말했다. 기다려야 합니다.
어떤 경우에도 아바타를 그리는 것에 안주하지 마십시오. 이것은 또 다른 사기입니다. - "글쎄, 적어도 아바타에서"와 같이
당신은 당신 자신을 칠할 수 있습니다. 몇 달 안에 검은 색으로 자랄 것이지만 아바타에서는 무화과가 자라지 않을 것입니다. 나중에 이것은 TA의 관에 있는 현상이자 또 다른 못이라고도 합니다.
내가 펼치고자 하는 현상은 누군가에게는 알려질 수도 있고, 그렇지 않을 수도 있고, 모두에게 알려지지 않을 수도 있다. 어쨌든, 나는 어디에도 그것에 대한 언급을 본 적이 없습니다. EURUSD M15(약 10년 동안의 alpari 데이터)를 사용하여 그 증분을 살펴보겠습니다.
10년 동안 알프스는 데이터의 일부가 4자리(5번째 기호로 축소됨)이고 일부는 실제로 5자리입니다. 0.0001 또는 0.00001 단계로 증가하는 히스토그램이 있습니까?
그리고 히스토그램에 "딥"이 어떤 증분으로 나타납니까?
판스워스 :5 기호는 그리 오래 전에(아마도 1년, 어쩌면 더 적게) 도입되었으며 일반적으로 결과에 영향을 미치지 않습니다. 이것은 주의 깊게 살펴보면 "알파" 및 "오메가" 프로세스의 역학에서 볼 수 있습니다 . 히스토그램의 단계가 0.0001보다 크므로 지금은 확실히 말할 수 없지만 이 현상은 섹션 수 500개, 즉 500개에서 나타납니다. 대략적으로 말하면, Max(Open)-Min(Open)을 500으로 나눈 것입니다. 변수가 연속적이라면 거의 효과가 없을 것입니다.
추신: "히스토그램"은 제가 만든 것이 아니라 MathCAD에서 만든 것입니다. 당신은 아마 놀랄 것입니다, 나는 또한 그것들을 만드는 방법을 알고 있습니다. 히스토그램 작성 오류를 찾을 필요가 없다고 생각합니다. 데이터를 확인하기만 하면 됩니다.
일반적으로 말하면 이러한 "분포의 중첩"이 나에게 발생했으며 4자리와 5자리 데이터가 혼합된 경우에만 발생했습니다. 5자의 역사가 훨씬 짧다는 것은 분리를 방해하기보다는 분리에 기여한다.
따라서 검증을 위해 4자리 시간과 5자리 시간에 대해 별도로 배포를 구축하는 것이 여전히 가치가 있을 것입니다. 혼동하지 않는다면 2009년경부터 Alpari에 있었습니다.
PS 그건 그렇고, 여러분 안녕하세요 :)
그건 그렇고, 이것은 매우 민감한 질문입니다. 여기에서 puppeteers-2는 최선을 다했습니다. 진짜 꼭두각시가 아니라 DC인 사람들. 그건 그렇고, 이것은 또 다른 현상이지만 오히려 부정적입니다.
분포 연구에서 나는 오래 전에 고정 간격 선택을 중단했습니다. 나는 quantile로 나누는 것을 더 좋아합니다. 그러나 여기에도 캐치가 있습니다. 일부 개별 반환 값(예: 0.0004)의 경우 농도가 너무 높아 분위수로 간격을 정성적으로 선택합니다.
데이터의 샘플링 오류(0.0001)가 너무 커서 히스토그램의 품질에 영향을 줄 수 없습니다. 그런데 Prival 은 이에 대해 간접적으로 이야기합니다. 저것들. 형식적으로 연속적인 것으로 간주될 수 있는 분포는 그렇게 연속적이지 않지만 매우 사악한 - 이산-연속적입니다.
예: 1999년 이후 히스토리에 대해 1H 또는 4H EURUSD를 반환하고 이 세트(50 quantile)에 0.02, 0.04, ..., 0.98 quantile을 구축하려고 시도합니다. 물론 Excel은 공식적으로 올바르게 수행하지만 각 간격에 속하는 값의 수를 다시 계산하면 매우 다를 것입니다(대략 일치해야 하지만). 그리고 그들은 백분율이 아니라 때때로 다를 것입니다!
처음에는 이것이 매우 성가신 일이었지만 나중에 해결책을 찾았습니다. 나는 의도적으로 0.0001보다 훨씬 작은 임의의 값을 수익에 추가하기 시작했습니다. 모든 것이 해결되었습니다. 분위수가 실제 분위수와 유사해졌습니다. 각 분위수 간격에 속하는 값의 수는 이제 단위별로 다릅니다. 퍼센트의 10분의 1에서 100분의 1입니다.
이러한 "실험"은 실제로 데이터에 영향을 미치지 않습니다. 이 데이터는 이미 확산 차수의 양만큼 DC 필터에 의해 왜곡됩니다.
일반적으로 말하면 이러한 "분포의 중첩"이 나에게 발생했으며 4자리와 5자리 데이터가 혼합된 경우에만 발생했습니다. 5자의 역사가 훨씬 짧다는 것은 분리를 방해하기보다는 분리에 기여한다.
따라서 검증을 위해 4자리 시간과 5자리 시간에 대해 별도로 배포를 구축하는 것이 여전히 가치가 있을 것입니다. 혼동하지 않는다면 2009년경부터 Alpari에 있었습니다.
PS 그건 그렇고, 여러분 안녕하세요 :)
며칠 후에 확인하겠지만 현상을 발견했을 때 섹션을 분석했습니다. 모든 것이 안정적입니다. 반복합니다. 이것은 프로세스 자체의 역학에서 볼 수 있습니다.
다섯 번째 숫자는 영향을 받지 않으며 0.0001보다 훨씬 큰 단계가 사용됩니다 . 글쎄, 네, 소위 1-1.5 년입니다. 뭔가 망설임이 있는 것 같긴 한데 분류를 잘 못 소개한 건 저였던 것 같아요.
또 다른 현상은 장기기억입니다.
우리 대부분(물론 이렇게 하는 사람들 중)은 Pearson 상관 관계, 더 정확하게는 자기 상관 관계를 통해 시장 기억을 측정하는 데 익숙합니다. 이러한 상관 관계는 강도에서 5-10 막대까지의 지연 범위에서 다소 단기적이고 중요하다는 것은 잘 알려져 있습니다. 이로부터 일반적으로 시장에 기억이 있다면 매우 단기적이라는 결론이 나옵니다.
그러나 Pearson의 상관 관계는 막대 간의 선형 관계만 측정할 수 있으며 실제로는 막대 간의 비선형 관계를 알아차리지 못합니다. 임의 프로세스의 상관 이론은 이유 때문에 선형이라고 합니다.
그러나 확률 변수 간의 임의적 종속성을 입증할 수 있는 통계적 기준이 있습니다. 예를 들어 카이제곱 검정 또는 상호 정보 검정이 있습니다. 아직 2번째는 안써봤는데 1번째는 질러버렸네요. 사용법은 설명하지 않겠습니다. 인터넷에 사용법을 설명하는 방법론적 도움이 많이 있습니다.
주요 질문은 다음과 같습니다. 매우 먼 막대 사이에 통계적 관계가 있습니까(예: 막대 사이에 천 개의 막대가 있는 경우)? 거래에서 그것을 사용하는 방법에 대한 질문은 제기되지 않았습니다.
답변: 그렇습니다. 매우 중요합니다.
예를 들어, 1999년부터 H1까지의 EURUSD 히스토리를 가지고 카이제곱으로 쌍의 수익률을 확인하면 90%의 경우에 10에서 6000 사이의 막대 사이의 "거리" 범위에서, 현재 막대는 과거 막대에 따라 다릅니다. 90%! 막대 사이의 거리가 6000 이상인 경우 이러한 종속성은 점점 덜 일반적이지만 여전히 발생합니다!
솔직히 말해서, 그러한 "발견"은 단순히 나를 놀라게 했습니다. 왜냐하면. 그것은 유로가 매우 장기 기억을 가지고 있음을 직접적으로 보여줍니다. EURUSD H1에서 6,000바는 약 1년입니다. 이것은 1년 전의 시간별 막대 중에 현재의 0이 "기억하는" 막대가 여전히 있다는 것을 의미합니다.
H4에서는 최대 약 1000-1500바까지 상당한 종속성이 발생합니다. 저것들. "시장의 기억"의 기간은 여전히 동일합니다 - 약 1 년.
약 4년 동안 시장의 기억에 대해 말한 Peters가 떠오릅니다. 그러나 모순은... 아직 해결 방법을 모르겠습니다.
진정하지 않고 독립적으로 생성된 합성 수익을 입력에 적용하면 카이-제곱에 이러한 종속성이 표시되는지 확인하기로 결정했습니다. 나는 합성 수익의 두 가지 가능한 분포(정상 및 라플라시안)를 선택하고 출시했습니다. 예, 표시되지만 기준의 유의 수준(나는 0.01을 가짐) 내에 있습니다! 즉, 합성은 과거에 약 1%의 종속 막대를 보여주었는데, 바로 기준 오류 확률 수준입니다.
결론은 무엇입니까?
1. 유로 견적은 확실히 Markov 프로세스가 아닙니다. Markov 프로세스에서 현재 값은 이전 값에만 의존합니다. 우리의 경우 매우 먼 과거에 현재 막대가 의존하는 수많은 막대가 있습니다.
2. 소위 "기초"는 물론 따옴표를 이동하는 이유로 특정 역할을합니다. 그러나 그는 확실히 유일한 사람이 아닙니다. 기술을 봐야 합니다!
3. 이 결과는 여전히 순전히 이론적인 것이며 여전히 적용되는 가치가 없습니다. 그러나 그는 무언가를 찾는 사람들에게 모든 것이 잃어버린 것이 아님을 분명히 보여줍니다.
또 다른 현상은 장기기억입니다.
주요 질문은 다음과 같습니다. 매우 먼 막대 사이에 통계적 관계 가 있습니까(예: 막대 사이에 천 개의 막대가 있는 경우)? 거래에서 그것을 사용하는 방법에 대한 질문은 제기되지 않았습니다.
답변: 그렇습니다. 매우 중요합니다.