Da teoria à prática - página 73
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
como sko é melhor que sao (desvio médio absoluto). talvezos extremos estejam fora... algo está lá.
Eu contei os desvios de alguma escala. sko saiu 12 pontos. soo saiu 6 pontos.
O que será que a grande diferença entre sko e co pode significar?
Por que escolher, a fórmula está lá. O RMS é de fato muito mais comum, eu diria incomparavelmente mais comum. Em primeiro lugar, devido à simplicidade e eficiência computacional gerada pelo método dos mínimos quadrados (LSM). Aqui está um exemplo simples. Por enquanto, vou assumir que sua média é a mesma que em MNC, aritmética.
Há muitas, muitas linhas. A Grande Enciclopédia Soviética eletronicamente. Necessidade de calcular a fração média do número de espaços na linha e qualquer um dos indicadores de dispersão desta fração, RMS ou seu desvio médio do modulo em relação a esta média (brevemente chamarei Cheb, depois lhe direi por quê.) Cada passagem em todas as linhas é cara, os livros estão em diferentes recursos de Internet, conexão via modem via par de cobre.Assim, para calcular RMS um passe será suficiente (basta copiar o número de linhas, a soma das frações de espaço e a soma dos quadrados das frações de espaço, a partir destes valores contar imediatamente RMS), e para Cheb precisar de dois (a primeira cópia o número de linhas e a soma das frações, sobre elas considerar a média, a segunda cópia a soma dos desvios absolutos em relação à média, ela conta o desvio Cheb). A diferença na intensidade do trabalho é de 2 vezes.
E assim, para onde quer que você se vire, há uma cunha, se algo precisa ser feito pelos métodos do Cheb. O problema da aproximação de uma função tabularmente definida gera custos de solução completamente diferentes. O caso mais simples é substituir a função por uma constante. De acordo com o MNA, esta é a média aritmética, que é encontrada por todos claramente como e em uma única passagem sobre a tabela de valores. A aproximação com minimização do desvio absoluto é chamada de aproximação uniforme, ou aproximação Chebyshev. É usado para encontrar a média mediana que garante o mínimo da soma dos desvios absolutos de qualquer constante. Pense em como calcular a mediana. A MQL tem uma função pronta para isso. O que ele faz é que primeiro organiza todos os elementos em ordem ascendente. Isto não é o mesmo que encontrar a média aritmética.
E assim por diante. Ao mesmo tempo, é preciso estar ciente de que a LOC distorce as idéias normais sobre um fenômeno. Por exemplo, o nível médio dos salários. Os órgãos de estatística tiram proveito disso, informando os salários médios. Se uma empresa tem 25 funcionários, dos quais os 5 primeiros ganham um milhão e os outros 20 ganham 50.000, o salário médio aritmético será de 6/25=240.000 e a média mediana será de 50.000.
Ah, certo. Talvez no comércio devêssemos usar o desvio mediano.
porque eu não vejo o ponto no grampo.
Não consigo ver o ponto de usar sko. todos os valores de desvio ao quadrado. depois calcular o valor do desvio mediano ao quadrado. depois tomar a raiz disso novamente.
como o csr é melhor que o sao (desvio médio absoluto). talvezos extremos estejam fora... algo está lá.
Eu calculei os desvios do mach. sko sai 12 pontos. soo sai 6 pontos.
O que será que a grande diferença entre a sko e a co poderia estar nos dizendo?
Sobre a sensibilidade do RMS às emissões. Afinal, os desvios nas emissões têm um efeito quadrado, o que equivale a um aumento dramático em seu peso se estivéssemos falando de média ponderada.
pelo contrário, não os descarta, mas aumenta seu peso! neste aspecto, sko é pior do que sao.
Então, por que todos a tomam como uma referência?
nós vimos)
Um grande desvio do sco do sao pode indicar que existem muitas emissões, ou que os valores dos desvios são muito diferentes, em vez de serem todos quase todos iguais.
pelo contrário, eles não adiam, mas aumentam seu peso!
De forma muito aproximada, todas as estatísticas vieram da energia ou da contabilidade do trabalho (teoria do gás). O que não está muito certo, mas servirá).
A energia média dos corpos seria Wcp=(M*V1^2/2 + M*V2^2/2+...)/n. Isto é, os corpos, para fazer o trabalho, devem ter velocidade média Vcp=sqrt(Wcp)/M. As fórmulas são equivalentes.
A velocidade média não lhe dará absolutamente nada para estes cálculos.
Em algum lugar no início do fio, Alexander escreveu que o mercado é auto-similar. Ou seja, tem as mesmas propriedades em diferentes períodos de tempo.
Para descobri-lo, tomei vários MAs com períodos significativamente diferentes, os tracei em TF 1m, e calculei distribuições com respeito a eles. Isso pode ser feito com rapidez suficiente no mesmo R.
Se o mercado é auto-similar, então as distribuições devem se sobrepor ao aumentar a escala. Acontece que eles não o fazem, as distribuições diferem significativamente, ou seja, o mercado não é similar a ele mesmo.
Segue-se que as estratégias que operam em diferentes escalas de tempo não podem ser deslocadas para outra por escala, e provavelmente em alguns casos não podem ser deslocadas de forma alguma.
A não-similaridade também confirma que as estratégias que operam em diferentes escalas de tempo são muito diferentes na técnica. Digamos, escalpelização, estratégias intradiárias, de curto e médio prazo e estratégias de longo prazo são todas técnicas comerciais muito diferentes.
Talvez seja tudo trivial, mas eu não tinha pensado nisso antes.
De acordo com o fio condutor, a estratégia de Alexander é "negócios raros que duram horas", embora não tenhamos certeza disso, pois só tínhamos uma demonstração na nossa frente.
Minhas atividades estão em uma escala de tempo de negociação diferente e, sem nenhuma semelhança no mercado, é uma técnica completamente diferente. Em resumo, não meu setor do mercado).
Em outras palavras: é ridículo dar conselhos aos comerciantes de Rolls Royce quando você mesmo está comercializando chucrute. O contrário também é verdade, a propósito.
Estou interessado na questão que você levantou. Na verdade, o fato de que não há sobreposição. Tomei a ata de EURUSD por dois anos e decidi ver a dependência do número de desvios N de uma média rápida com o período T1 minutos de uma média lenta com o período T2 minutos para o tempo total Tall in minutes on the size of deviation d in 4-digit points 0,0001. Para as médias T1 e T2, calculamos as freqüências de amostra de sua diferença na faixa semi-aberta [d-0,5, d+0,5) e relacionamos esta freqüência com d, denotando por N(d,T1,T2).
Então contamos a soma N(d,T1,T2) sobre todos os valores encontrados de d e dividimos N(d,T1,T2) por ela. Assim, obtemos freqüências de amostragem relativas n(d,T1,T2), cuja soma para qualquer par T1,T2 é a mesma e igual a 1. Não comparamos para dois pares (T1,T2) e (T3,T4), mas comparamos entre si os desvios da média Ti do curso, que é uma média com período de 0 minutos, o que reduz o número de cálculos. Na verdade, vamos dar 5 períodos de médias lentas de uma só vez: T1 = 4 T2 = 16 T3 = 64 T4 = 256 T5 = 1024, cobrindo períodos de 4 minutos a 17 horas. A média rápida para estas 5 médias lentas é uma, T0 = 0, o próprio curso. Ou seja, coletamos as freqüências N(d,Ti,0). Além disso, é melhor seguir a figura. Para análise foi feita uma tabela em Excel (750 mil linhas 94 Mb) https://yadi.sk/d/97QaopiK3QbTv9 (80 Mb), quem quiser - verifique, talvez eu tenha cometido um erro.
Figura 1. Freqüências de desvio de amostra primária na faixa de -350 a +350 pontos.
Podemos ver a simetria, então adicionamos as freqüências para desvios de diferentes sinais e aplicamos a logaritmização também ao eixo de abcissas. Também aumentamos todas as freqüências em 1 para excluir problemas de cálculo de logaritmos. Obtemos Fig. 2. Tendo calculado somas de freqüências de amostragem, dividimos por elas, e assim passamos para freqüências relativas. A figura 2 já mostra que as curvas tendem a ser equidistantes. Levemos também em conta a amplitude de oscilação de cada um dos SMAs. Usando a lei da raiz quadrada (fórmula EQC https://www.mql5.com/ru/forum/193378/page16#comment_5116118(2), a escala de oscilação de uma média é proporcional à raiz de seu período) divide d por Ti^0,5. A próxima Fig. 3 mostra as curvas se aproximando ainda mais. A segunda vez que aplicamos o ZKC diretamente nas próprias oscilações, sua magnitude se revela inversamente proporcional ao quadrado da freqüência. Na Fig. 4 a última etapa de redução das distribuições para o formulário do automodelo é feita.
Diga-me, Yuri, que tipo de auto-similaridade você estava procurando? Não é a que eu tenho?
frio, um pequeno passo permanece para você (com suas habilidades) e um grande passo para a humanidade:
Identificar em um ciclo de tempo superficial as características de um maior formando ao mesmo tempo, com um leve deslocamento para predição. E extrapolar o restante para um ciclo com um período diferente. Essa seria a previsão.
A propósito, não funcionou para mim, mas sou um nódulo em matemática e o fiz por correlação e rotação afim de ciclos (ciclos semelhantes podem existir em ângulos diferentes), e as dependências lá podem não ser tão indulgentes. :)
Ou melhor, algo funcionou, mas não estou satisfeito com os resultados... Posso dar-lhe exemplos de códigos e fotos
Interessado na questão que você levantou. Na verdade, o fato de que não há sobreposição. Tomei minutos de EURUSD por dois anos e decidi ver a dependência do número de desvios N de uma média rápida com o período T1 minutos de uma média lenta com o período T2 minutos para o tempo total Tall in minutes on the size of deviation d in 4-digit points 0,0001. Para as médias T1 e T2, calculamos as freqüências de amostra de sua diferença na faixa semi-aberta [d-0,5, d+0,5) e relacionamos esta freqüência com d, denotando por N(d,T1,T2).
Então contamos a soma N(d,T1,T2) sobre todos os valores encontrados de d e dividimos N(d,T1,T2) por ela. Assim, obtemos freqüências de amostragem relativas n(d,T1,T2), cuja soma para qualquer par T1,T2 é a mesma e igual a 1. Não comparamos para dois pares (T1,T2) e (T3,T4), mas comparamos entre si os desvios da média Ti do curso, que é uma média com período de 0 minutos, o que reduz o número de cálculos. Na verdade, vamos dar 5 períodos de médias lentas de uma só vez: T1 = 4 T2 = 16 T3 = 64 T4 = 256 T5 = 1024, cobrindo períodos de 4 minutos a 17 horas. A média rápida para estas 5 médias lentas é uma, T0 = 0, a própria taxa. Ou seja
coletamos freqüências N(d,Ti,0). Além disso, é melhor seguir a figura. Para análise, fiz uma tabela em Excel (750 mil linhas, 94 Mb) https://yadi.sk/d/97QaopiK3QbTv9,(80 Mb) quem quiser - cheque, pode ser que eu tenha cometido um erro.
Figura 1. Frequências de amostragem primária de desvios na faixa de -350 a +350 pontos.
Podemos ver a simetria, então adicionamos as freqüências para desvios de diferentes sinais e aplicamos o logaritmo ao eixo de abcissas. Também aumentamos todas as freqüências em 1 para excluir problemas de cálculo de logaritmos. Obtemos Fig. 2. Tendo calculado somas de freqüências de amostragem, dividimos por elas, e assim passamos para freqüências relativas. A figura 2 já mostra que as curvas tendem a ser equidistantes. Consideremos também a amplitude de oscilação de cada um dos SMAs deslizantes. Usando a lei da raiz quadrada (fórmula EQC https://www.mql5.com/ru/forum/193378/page16#comment_5116118(2), a escala de oscilação de uma média é proporcional à raiz de seu período) divide d por Ti^0,5. A próxima Fig. 3 mostra as curvas se aproximando ainda mais. A segunda vez que aplicamos o ZKC já diretamente nas próprias oscilações, sua magnitude é inversamente proporcional à freqüência. Na Fig. 4 a última etapa de redução das distribuições para o formulário do automodelo é feita.
Diga-me, Yuri, que tipo de auto-similaridade você estava procurando? Não foi a que eu inventei?
E se fizermos tudo isso em parcelas de caminhada aleatórias com varinhas de época diferente?
Em algum lugar no início do fio, Alexander escreveu que o mercado é auto-similar. Ou seja, tem as mesmas propriedades em diferentes períodos de tempo.
Para descobri-lo, tomei vários MAs com períodos significativamente diferentes, os tracei em TF 1m, e calculei distribuições com respeito a eles. Isso pode ser feito com rapidez suficiente no mesmo R.
Se o mercado é auto-similar, então as distribuições devem se sobrepor ao aumentar a escala. Acontece que não é assim, as distribuições diferem significativamente, ou seja, o mercado não é similar a ele mesmo.
Pode me dar algumas fotos? Como fazer a escalada?