uma estratégia comercial baseada na Teoria da Onda de Elliott - página 138
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
"O objetivo da visita? - Almoço" (c) "Homens de Preto"
Ok.
:-)))
Se um pesquisador faz uma experiência com um rato correndo através de um labirinto, e se o rato corre de forma errada, o pesquisador está mais inclinado a acreditar que o rato está doente, ao invés de que a experiência desminta sua teoria.
Является ли такой подход к автоматическому трейдингу перспективным и реализуемым ?
Это совершенно другой подход к торговле, который не может быть описан в рамках математической статистики.
Не согласен. Для каждого образа, на основе которого оценивается рынок, необходимо сделать статистический анализ поведения рынка при появлении этого образа на истории, построить распределение, определить его параметры. Далее можно опять-таки статистически определить оптимальные параметры образа. Имея эти данные в базе данных образов можно с известной точностью определять вероятность ошибки/успеха при принятии решений.
Penso que a estimativa das características estatísticas dos padrões é bastante questionável em termos práticos, embora informações sobre tentativas de fazê-lo possam ser constantemente encontradas na Internet. Por exemplo, a última versão é apresentada aqui : "MQL4: The Self-Learning Expert Advisor" Este método se refere a neuronets. Mas por alguma razão, nunca encontrei nenhuma característica quantitativa de tais sistemas. Talvez eu apenas assisti mal?
E eu acho que o problema aqui é que você simplesmente pode não ter histórico suficiente para estimar parâmetros de padrões individuais se você selecionar padrões para estimativa com base em parâmetros bastante rigorosos. Ou se você vai estimar estatisticamente TODAS as combinações de barras que podem ser condicionalmente atribuídas ao conceito de padrão, então eu acho que você terá uma enorme quantidade de todas as modificações de padrão possíveis que diferem umas das outras por um valor muito pequeno estatisticamente insignificante, ou as estimativas estatísticas de padrões serão muito manchadas (uma grande variação de estimativas). E no futuro será muito difícil para um autômato no comércio real entender a qual das modificações de padrão existentes na base que apareceu nas últimas barras agora pertence. Para que um padrão seja estatisticamente significativo, acho que precisamos de história em nosso par de moedas de trabalho, que não temos, e tudo isso com garantias de que o mercado jogará pelas mesmas regras na amostra que não foi treinada (no futuro). A este respeito, um simples canal de regressão linear é estatisticamente muito melhor assegurado. Veja o que é mais confiável? Informações sobre as condições de mercado SEMPRE calculadas com algoritmo simples padrão nas últimas 300 barras durante o histórico, ou informações que essas barras obtidas recentemente são similares (bem correlacionadas) ao valor médio de 100 instâncias de padrão de cabeça e ombros, presentes no histórico dos últimos 5 anos? Na minha opinião, a regressão é mais confiável por ser uma técnica matemática bem estudada e trabalhada em comparação com o reconhecimento de padrões onde há demasiadas dependências de vários outros fatores.
Entretanto, acho que a tarefa de reconhecimento de padrões pode ser reduzida a uma tarefa de linha de tendência mais simples (linhas inclinadas de resistência/apoio desenhadas ao longo dos extremos). Isso é muito clássico e pode ser substituído por um conjunto de linhas de tendência que quebram o que significará trabalhar fora do padrão. Mas aqui também não é tão fácil assim. Por exemplo, neste arquivo, podemos ver a dinâmica de um triângulo convergente https://c.mql5.com/mql4/forum/2006/08/triangle.zip.
Você pode ver a saída do triângulo convergente em 8 de agosto. Mas de acordo com a descrição clássica deste triângulo, a fuga deveria ter sido apenas para cima. Mas na prática o preço subiu e desceu, ou seja, tanto os touros quanto os ursos receberam seu dinheiro. Este exemplo nega imediatamente o significado do padrão "Triângulo convergente" como tal.
As linhas de tendência nos gráficos fornecidos são desenhadas sem levar em consideração as duas últimas barras. É por isso que, quando uma linha de tendência é quebrada, vê-se claramente qual linha de tendência foi quebrada.
Uma versão mais completa da dinâmica das linhas de tendência do último mês pode ser encontrada aqui "MQL4: Uma imagem para o fórum de metaquotas" solandr 31.08.2006 08:02 (Um arquivo RAR multi-volume. Existem 16 partes no total. Depois de ter baixado todas as peças, mude a extensão do zip para rar e desempacote-o no WinRAR3.50. É muito útil para iniciantes na comercialização assistir a este desenho animado, por exemplo o ACDSee, para entender como a tendência do mercado pode mudar com o tempo e o que pode ser feito para minimizar seu risco.
Na minha opinião, trabalhar com linhas de tendência é muito mais fácil do que trabalhar com padrões multi-parâmetros que precisam ser capturados em dados históricos e, em seguida, recolher estatísticas. As linhas de tendência são muito mais fáceis! Eu até experimentei com eles em meu Consultor Especialista. Eu os usei para substituir um oscilador de confirmação e até mesmo o indicador Hurst! E em geral, o resultado obtido foi muito significativo, claramente diferente de um resultado completamente aleatório. Por enquanto, decidi adiar o uso de linhas de tendência em meu consultor especializado por algum tempo, já que, de acordo com minhas observações, o cálculo do indicador Hearst fornece aproximadamente as mesmas informações que as linhas de tendência, mas usando um algoritmo de cálculo mais formalizado que é mais eficiente em termos de criação e uso prático do MTS.
As redes neurais são muito provavelmente úteis nas áreas onde é possível calcular antecipadamente todas as combinações possíveis que podem acontecer no futuro e apenas encontrar uma confirmação para uma ou outra variante com base nessas combinações no ruído. Por exemplo, conhecendo de antemão (tendo registrado preliminarmente em uma área de teste, ou tendo calculado todas as variantes possíveis de sinais com base no modelo matemático adequado à situação) todas as variantes possíveis de sinais na aproximação de um objeto a outro, no futuro (no uso real do objeto treinado desta maneira) é possível encontrar as variantes de sinais mais próximas das disponíveis e tomar a decisão correspondente sobre as ações posteriores do objeto onde o sistema treinado em neuronetas é estabelecido. Mas tudo isso funciona dentro dos limites das situações disponíveis no banco de dados e evoluirá de acordo com o algoritmo, uma vez registrado. Temo que o forex seja mais variado a este respeito :o(
Yurixx, eu acho que você estava errado em discordar disso.
Por que não? Quero dizer, por que você acha isso?
Aparentemente, no verão, a ciência estava simplesmente de férias ;o). E agora começou um ano acadêmico e há algum status mais apropriado de um fórum científico:
http://www.lib.mexmat.ru/forum/viewtopic.php?t=3254&sid=a6468f00350c4e81f1b818be89ec1869
Obrigado pelo link, eu o lerei amanhã.