uma estratégia comercial baseada na Teoria da Onda de Elliott - página 212
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
PS: O que quero dizer é que este critério vai funcionar de vez em quando...ou, em um tick....o sobre isso...
Bem, bem, nós já sabemos como lidar com a alta freqüência de transações :-) - Basta conectar mais um critério "independente" (por exemplo, pela conexão: salto anterior - salto esperado), e a freqüência das negociações cairá várias vezes, enquanto a confiabilidade prevista só vai aumentar!
Claramente, o desvio do mercado sob pequenas perturbações é demonstrado pela função de distribuição da amplitude da reação do mercado em resposta a uma perturbação de +2 pontos (por exemplo) EURCHF 2004 1 minuto:
Para comparação, aqui está a função de distribuição imperturbável do mesmo instrumento:
"
Sergey:
A interpretação é a seguinte: se vimos uma perturbação de +10 pips, é mais provável que se espere um puxão de -10 pips na próxima barra (ver fig.). É claro, o recuo pode ser qualquer, mesmo "para o lado errado", mas estatisticamente, a amplitude do recuo é igual à amplitude do distúrbio. Os erros não são senis, são de igual probabilidade e absorverão, com um aumento do número de negócios, uns aos outros, mas a vantagem estatística permanecerá do nosso lado"!
Mas não existe tal coisa!!! Se você olhar para os gráficos de minutos, o preço salta em qualquer lugar! Eu não encontrei nenhuma confirmação (com meus olhos muito visíveis!) disso em nenhum lugar! O mesmo salto acontecerá mas um dia, um mês, um ano depois.... SOMENTE estaremos vazando com esta super vantagem estatutária
De acordo com as estatísticas (o mais provável), o preço deve permanecer o tempo todo (se for +10 agora é provavelmente -10), mas isso não está acontecendo!!!! Exatamente porque não olhamos para o preço, olhamos para os desvios...
Ou talvez eu também não entenda nada sobre benefícios estatutários...muito possivelmente.
PS: Não que eu esteja me distraindo, mas gostaria de lembrar que você prometeu dar sua opinião sobre a definição de tendências ...
Você está errado.
Se nós drenamos, é por uma razão - o módulo FAC trabalha com volatilidade, menos dispersão!
Portanto, não precisamos procurar nada com os olhos, mas sentar no computador e executar uma série de instrumentos em diferentes TFs para avaliação deste parâmetro.
PS: Não que eu esteja me distraindo, mas gostaria de lembrar que você prometeu dar sua opinião sobre a definição de tendências ...
Uh-huh...
Por que precisamos então de desvios? Ah-ah-ah-ah vejo, para eles consideramos FAC (ainda não gosto desta abreviação...).
Vamos levar o EURUSD:
Espalhamento - 3 ou 0,0003?
Para isso, o FAC deve ser [0:1].
Volatilidade em média, em que faixa????
Então, o que se segue? Depois de cada tick para cima abre para baixo e vice versa ? :-)))
...
um pouco sobre este assunto
http://forum.fxclub.org/showpost.php?p=618349&postcount=297
http://forum.fxclub.org/showpost.php?p=624720&postcount=326
http://forum.fxclub.org/showpost.php?p=622143&postcount=310
http://forum.fxclub.org/showpost.php?p=626115&postcount=334
PS: diga-me os limites dos valores de volatilidade para eurosd. Eu simplesmente não conto volatilidade alguma. E neste momento não posso fazer tais cálculos.
...um pouco sobre este assunto
http://forum.fxclub.org/showpost.php?p=618349&postcount=297
http://forum.fxclub.org/showpost.php?p=624720&postcount=326
http://forum.fxclub.org/showpost.php?p=622143&postcount=310
http://forum.fxclub.org/showpost.php?p=626115&postcount=334
Respeito!
Eu li o fio com grande interesse. Há muitas inundações, é claro, mas aparentemente essa é a ordem das coisas... North Wind, você não tem esse material publicado no site, apresentado na forma de um artigo? Ficar-lhe-ia grato. Além disso, estou interessado no que você está fazendo agora, qual é a direção mais perspectiva no comércio? Ficarei feliz se você se juntar a nós como um crítico e gerador de idéias a respeito do assunto aqui discutido.
Vamos levar o EURUSD:
Espalhamento - 3 ou 0,0003?
Para isso, o FAC deve mentir [0:1].
Volatilidade, em média, em que faixa????
Sergey, eu não consigo entender a "natureza" do produto de volatilidade da FAC igual à propagação. Explique, por favor. É empiricamente derivado ou cientificamente intuitivo?
Sergey, a dimensão da volatilidade e da dispersão deve ser a mesma. Se estiver em metros - então em metros, e se estiver em quilômetros - então tudo está em quilômetros :-)).
Eu utilizo o modelo TS "ideal" nos cálculos de estimativa que chega a prever apenas um parâmetro - a direção do salto esperado no preço. A amplitude deste salto pode ser assumida igual à volatilidade de um instrumento em um período de tempo selecionado ou seu desvio padrão, que é quase o mesmo. Considerando que o FAC pode ser interpretado como um valor relativo de prevalência de um tipo de movimento de preços sobre o outro (os saltos opostos e contra-direcionais), então podemos afirmar, sem perda de precisão, que o TS, baseado no "indicador de previsão ideal", NÃO cometerá um erro ao escolher a direção da posição de abertura, com a probabilidade proporcional ao valor absoluto do FAC, subjacente no "indicador de previsão ideal". O lucro ou perda em pips de cada comércio é razoável para estimar o valor do desvio padrão do instrumento. Então o lucro do TS em um intervalo de tempo suficientemente longo pode ser estimado como a diferença entre todas as negociações bem-sucedidas e as não bem-sucedidas, cada uma das quais é multiplicada pela volatilidade. Além disso, relacionamos o retorno bruto obtido com o número de operações executadas e obtemos a estimativa média s do retorno TS "ideal" por uma operação:
s(TF)=Volatilidade(TF)*{(n+)-(n-)}/N=FAC(TF)* desvio padrão(TF), onde (n+) é o número de negócios com saldo positivo, (n-) é o número de negócios "negativos", N é o número total de negócios.
O que era necessário para provar.
Se você não pode estimar a volatilidade, estime o desvio padrão). Não haverá diferença.
Vamos lá...
Os objetivos básicos da análise de séries temporais.
O objetivo básico de uma análise estatística de uma série cronológica é o de
1. determinar quais funções não aleatórias estão presentes na decomposição, ou seja, determinar o tipo de indicadores;
2. construir estimativas "boas" para aquelas funções não aleatórias presentes na expansão;
3. Selecionar um modelo que descreva adequadamente o comportamento de resíduos não aleatórios e estimar estatisticamente os parâmetros do modelo.
A solução bem sucedida desses problemas determinada pelo propósito básico da análise estatística das séries temporais é a base para alcançar os objetivos finais aplicados do estudo e, em primeiro lugar, para resolver problemas de previsão de valores de séries temporais a curto e médio prazo. Os principais elementos da análise econométrica de séries temporais são descritos brevemente a seguir.
- A maioria dos métodos matemáticos-estatísticos lida com modelos nos quais as observações são assumidas como independentes e igualmente distribuídas. A dependência entre observações é mais freqüentemente vista como um obstáculo para a aplicação efetiva desses métodos. Entretanto, uma variedade de dados em economia, sociologia, finanças, comércio e outros campos da atividade humana vêm na forma de séries temporais nas quais as observações são mutuamente dependentes, e a natureza desta dependência é precisamente o principal interesse do pesquisador. A totalidade dos métodos e modelos para estudar tais séries de observação dependentes é chamada de análise de séries temporais. O principal objetivo da análise econométrica de séries temporais é construir modelos o mais simples e econometricamente parametrizados possível, descrevendo adequadamente as séries de observação disponíveis e fornecendo a base para resolver, em primeiro lugar, os seguintes problemas:
(a) descobrindo o mecanismo de gênese das observações que compõem as séries cronológicas analisadas;
(b) Construção da previsão ótima para os valores futuros das séries temporais;
(c) Elaboração da estratégia de gestão e otimização dos processos em análise.
- Ao discutir a gênese das observações que formam uma série temporal, deve-se ter em mente (e, se possível, modelo) os quatro tipos de fatores sob a influência dos quais essas observações podem ser formadas: a longo prazo, sazonais, cíclicas (ou oportunistas), e aleatórias. Não é necessariamente o caso que todos os quatro tipos de fatores precisam estar envolvidos simultaneamente na formação dos valores de uma determinada série temporal. Uma solução bem sucedida para os problemas de identificação e modelagem destes fatores é a base, o ponto de partida básico para alcançar os objetivos finais aplicados do estudo, os principais dos quais são mencionados no parágrafo anterior.
- Ao iniciar a análise de uma série discreta de observações dispostas em ordem cronológica, deve-se primeiro verificar se outros fatores além dos puramente aleatórios estiveram de fato envolvidos na formação dos valores desta série. O termo "puramente aleatório" refere-se apenas àqueles fatores aleatórios que geram seqüências de variáveis aleatórias mutuamente não correlacionadas e igualmente distribuídas, com meios e variações constantes (independentes do tempo). A resposta à pergunta dada é obtida pela realização de um teste estatístico da hipótese correspondente, por exemplo, com a ajuda de um dos "testes em série", o critério Abbe, o teste Box-Pierce e o teste Ljung-Box.
Se tal teste de hipótese estatística mostrar que as observações disponíveis são mutuamente dependentes (e possivelmente distribuídas de forma desigual), então um modelo apropriado para a série é ajustado. O conjunto de modelos dentro do qual esta seleção é feita é geralmente restrito às seguintes classes de modelos:
(a) a classe das séries temporais estacionárias (que são usadas principalmente para descrever o comportamento de "resíduos aleatórios"),
(b) a classe de séries temporais não estacionárias que é uma soma de tendências determinísticas e séries temporais estacionárias,
(c) a classe de séries temporais não estacionárias que têm uma tendência estocástica, que pode ser removida por diferenciação sucessiva das séries (isto é, passando de uma série de nível para uma série de primeira ordem ou série de diferença de ordem superior).
No âmbito da análise econométrica de séries temporais, combinamos as séries em classes (a) e (b) em uma classe, que, seguindo a prática recentemente aceita [ver, por exemplo, Maddala, Kim (1998)], chamamos a classe da série TS (série de tendência estacionária, estacionária em relação à tendência determinística). Um método adequado para a residualização de séries temporais pertencentes à classe (b) é a subtração da tendência determinista. Pelo contrário, para séries pertencentes à classe (c), um método adequado de residualização de uma série é uma transição de uma série de níveis para uma série de diferenças (de primeira ou maior ordem).
- As séries temporais estacionárias (no sentido amplo) são caracterizadas pelo fato de que sua média, variância e covariância não dependem do tempo para o qual são computadas. As interdependências existentes entre os membros de uma série temporal estacionária podem geralmente ser descritas adequadamente dentro de modelos autoregressivos de ordem p (AR(p)-modelos), modelos de média móvel de ordem q (MA(q)-modelos) ou modelos autoregressivos com médias móveis em resíduos de ordem p e q (ARMA(p, q)-modelos).
- Uma série cronológica é chamada integrada (reintegrada) de ordem k, se diferenças consecutivas nesta série de ordem k (mas não de ordem menor!) formarem uma série cronológica estacionária. O comportamento de tais séries, incluindo as que contêm o componente sazonal, é descrito com bastante sucesso em problemas econométricos aplicados utilizando modelos autoregressivos média móvel integrada de pedidos p, k e q (ARIMA(p, k, q)-modelos) e algumas modificações dos mesmos. Esta classe também inclui o modelo de tendência estocástica mais simples - o processo de caminhada aleatória (ARIMA(0, 1, 0)). Os incrementos da caminhada aleatória formam uma seqüência de variáveis aleatórias independentes, igualmente distribuídas ("ruído branco"). Portanto, o processo de caminhada aleatória também é chamado de "ruído branco integrado".
- Ajustar um modelo a uma determinada série temporal significa identificar uma família paramétrica adequada de modelos como um conjunto admissível de soluções, e então estimar estatisticamente os parâmetros do modelo a partir das observações disponíveis. Todo este processo é comumente referido como o processo de identificação do modelo, ou simplesmente identificação. Para a correta identificação de um modelo de série temporal, é necessário decidir se a série temporal em estudo é estacionária, estacionária em relação à tendência determinística (ou seja, a soma dos componentes determinísticos e as séries estacionárias), ou se contém uma tendência estocástica.
Às vezes, morro de riso quando sou confrontado com as observações dos senhores das enchentes militantes! É como um circo, eles deveriam estar no jardim de infância para matemática, mas não, eles estão na idade errada! Generais.
O que é interessante, a situação que ocorre na maioria dos fóruns (a nossa, talvez, é uma exceção rara), indica inequivocamente que o principal contingente de "comerciantes" participantes dos fóruns, são pessoas analfabetas e, como regra, pessoas com falhas. Quem entrou no mercado, talvez, apenas por desespero e demência seletiva.
Desculpe, eu não pude resistir.
...North Wind, você não tem esse material publicado no site apresentado como um artigo? Ficar-lhe-ia grato. Também estou interessado em qual linha de pesquisa você está agora, qual você considera a mais promissora no comércio? Ficarei feliz se você se juntar a nós como crítico e gerador de idéias sobre o assunto aqui discutido...
Não, eu não tenho nenhum material na forma de um artigo e é improvável que tenha. Tenho feito tudo pouco a pouco.
Eu lido com tudo pouco a pouco, mas principalmente, é claro, do ponto de vista dos métodos estocásticos. O mesmo problema de decomposição, mas aparentemente não de uma forma pura, como é formulado pelos clássicos.
Li este tópico na íntegra, com interesse, pelo menos porque eu mesmo percorri este caminho. Pessoalmente, gostei da "lagarta" dos métodos de análise do tempo. Mas novamente, eu não poderia usar o método puro do An.Vremena.
... Às vezes, morro de riso quando sou confrontado com os comentários de militantes de inundações! É apenas um circo, eles deveriam estar no jardim de infância - para aprender matemática, mas não, não nessa idade! Generais, cara...
:::) Não preste atenção, este é um teste enviado de cima para baixo para nós, a graça de nosso pai e seu filho e seu espírito, como um teste da força de nossa fé ::::))