торговая стратегия на базе Волновой теории Эллиота - страница 212

 
По-моему, мы сейчас разрабатываем отличный, статистически обоснованный математический аппарат сопровождения своих брокеров до ближайшей психушки.

PS: Я имею в виду, что этот критерий будет срабатывать через раз…или, через тик….около этого...

Ну-ну, мы уже знаем как бороться с высокой частотой сделок:-) - достаточно воткнуть ещё один "независимый" критерий (например, по связи: пред-предыдущий скачёк - ожидаемый скачёк), как частота сделок упадёт в несколько раз, а достоверность прогноза только возрастёт!
Наглядно, прогиб рынка под небольшими возмущениями, показывает функция распределения амплитуд реакций рынка в ответ на +2-х пунктовое (например) возмущение EURCHF 2004 г. 1 мин:

Для сравнения привожу невозмущённую функцию распределения того же инструмента:
 
Верно, воткнуть критерий можно, даже два. Но все-таки терзают меня смутные сомнения по этому подходу. Посмотрим…. :о)


«
Сергей:
Интерпретация следующая: если мы увидели возмущение в +10 пипсов, то вероятнее всего ожидать на следующем баре откат в -10 пипсов (см. рис). Безусловно, откат может быть какой угодно, даже "не в ту сторону", но среднестатистически, амплитуда отката равна амплитуде возмущения. Ошибки не старшны, они равновероятны и поглотят, с увеличением числа сделок, друг друга, а вот статпреимущество останется на нашей стороне!»


Но ведь нет такого!!! Если посмотреть на минутные графики то цена упрыгивает куда угодно! Я не нашел подтверждения (глазками очень видно!) этого нигде! Такой же отка случится, но через день, месяц, год…. Мы будем ТОЛЬКО сливать с этим супер-стат преимуществом!!!!!


В соответствии со статистикой (наиболее вероятно), цена должна все время оставаться на месте (если сейчас +10 то вероятнее всего -10), но этого то и не происходит!!!! Ровно потому, что мы на цену не смотрим, а смотрим на отклонения…

Или и я ничего не понимаю в стат преимуществах…вполне возможно.

PS: Не то, что бы отвлекаю, но хотел бы напомнить, что ты обещал высказать свои соображения по определению тренда …
 

Но ведь нет такого!!! Если посмотреть на минутные графики то цена упрыгивает куда угодно! Я не нашел подтверждения (глазками очень видно!) этого нигде! Такой же отка случится, но через день, месяц, год…. Мы будем ТОЛЬКО сливать с этим супер-стат преимуществом!!!!!

Ты не прав.
Если и будем сливать, так по одной причине - модуль произведения ФАК на волатильность, меньше спреда!
Поэтому не нужно ничего искать глазками, а нужно сесть за комп и прогнать ряд инструментов на разных ТФ на предмет оценки по этому параметру.

PS: Не то, что бы отвлекаю, но хотел бы напомнить, что ты обещал высказать свои соображения по определению тренда …

Угу...
 

Если и будем сливать, так по одной причине - модуль произведения ФАК на волатильность меньше спреда! Поэтому не нужно ничего искать глазками, а нужно сесть за комп и прогнать ряд инструментов на разных ТФ на предмет оценки по этому параметру.


А зачем нам тогда отклонения??? А-а-а-а понял, для них мы считаем ФАК (все-таки не нравится мне это аббревиатура…).

Возьмем EURUSD:

Спред – 3 или 0.0003?
Для нее ФАК должен лежать [0:1]
Волатильность в среднем, в каком диапазоне???
 
...Что творится на тиках легко себе представить.
Поскольку цена движется медленно, а тики тикают быстро, то должна быть очень сильная отрицательная автокорреляция. Оно и понятно: вверх-вниз-вверх-вниз ...
И что из этого следует ? После каждого тика вверх открываться вниз и наоборот ? :-)))
...

немного на эту тему
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
 
Сергей, не могу понять «природу» произведения ФАК на волатильность равно около спреда. Поясни, плиз. Это эмпирически выведенное или научно интуитивное?

PS: скажи границы значений волатильности для евроусд. Я просто волатильность вообще не считаю. А прям сейчас не могу выполнить такие расчеты.
 

Респект!
Читаю ветку с большим интересом. Флуда, конечно много но, видимо, таков порядок вещей... Северный Ветер, нет ли у Вас того материала, что опубликован на сайте, представленного в виде статьи? Был бы признателен. Ещё, меня интересует вопрос о том, чем Вы сейчас занимаетесь, какое направление исследований считаете наиболее перспективным в трейдинге? Буду рад если присоединитесь к нам в качестве критика и генератора идей в обсуждаемом здесь вопросе.

grasn 10.01.07 15:33
Возьмем EURUSD:
Спред – 3 или 0.0003?
Для нее ФАК должен лежать [0:1]
Волатильность в среднем, в каком диапазоне???
Сергей, не могу понять «природу» произведения ФАК на волатильность равно около спреда. Поясни, плиз. Это эмпирически выведенное или научно интуитивное?

Сергей, размерность волатильности и спреда должна быть одинаковой. Если это метры - то метры, а если километры - тогда всё в километрах:-)
Я использую в оценочных расчётах модель "идеальной" ТС, которая сводится к прогнозированию только одного параметра - направления ожидаемого скачка цены, амплитуду этого скачка можно оценочно принять равной волатильности инструмента на выбранном ТФ или, что, почти, то же самое, его стандартному отклонению. Учитывая, что ФАК можно интерпретировать как относительную величину преобладания одного типа движения цены над другим (сонаправленные и контрнаправленные скачки), то без потери точности, можно утверждать, что ТС в основе, которой лежит "идеальный прогнозный индикатор", будет НЕ ошибаться с выбором направления открываемой позиции, с вероятностью пропорциональной абсолютной величине ФАК, лежащей в основе "идеального прогнозного индикатора". Доход или убыток в пунктах с каждой сделки разумно оценить по величине стандартного отклонения инструмента. Тогда доход ТС на достаточно длинном временном интервале можно оценить как разность всех удачных сделок и неудачных, каждая из которых умножена на волатильность. Далее, относим полученный валовый доход на число совершённых сделок и получаем среднестатистическую оценку s доходности "идеальной" ТС на одну сделку:
s(ТФ)=Волатильность(ТФ)*{(n+)-(n-)}/N=ФАК(ТФ)*стандартное отклонение(ТФ), где (n+) - число сделок с положительным балансом, (n-) - число "отрицательных" сделок, N - полное число сделок.
Что и требовалось доказать.
PS: скажи границы значений волатильности для евроусд. Я просто волатильность вообще не считаю. А прям сейчас не могу выполнить такие расчеты.

Не можешь оценить волатильность, оцени станндартное отклонение :-) Разницы не будет.
PS: Не то, что бы отвлекаю, но хотел бы напомнить, что ты обещал высказать свои соображения по определению тренда …

Поехали...

Основные задачи анализа временных рядов.
Базисная цель статистического анализа временного ряда заключается в том, чтобы по имеющейся траектории этого ряда:
1. определить, какие из неслучайных функций присутствуют в разложении, т.е. определить вид индикаторов;
2. построить «хорошие» оценки для тех неслучайных функций, которые присутствуют в разложении;
3. подобрать модель, адекватно описывающую поведение случайных остатков, и статистически оценить параметры этой модели.
Успешное решение перечисленных задач, обусловленных базовой целью статистического анализа временного ряда, является основой для достижения конечных прикладных целей исследования и, в первую очередь, для решения задачи кратко- и среднесрочного прогноза значений временного ряда. Приведем кратко основные элементы эконометрического анализа временных рядов.
• Большинство математико-статистических методов имеет дело с моделями, в которых наблюдения предполагаются независимыми и одинаково распределенными. При этом зависимость между наблюдениями чаще всего рассматривается как помеха в эффективном применении этих методов. Однако разнообразные данные в экономике, социологии, финансах, коммерции и других сферах человеческой деятельности поступают в форме временных рядов, в которых наблюдения взаимно зависимы, и характер этой зависимости как раз и представляет главный интерес для исследователя. Совокупность методов и моделей исследования таких рядов зависимых наблюдений называется анализом временных рядов. Главная цель эконометрического анализа временных рядов состоит в построении по возможности простых и экономично параметризованных моделей, адекватно описывающих имеющиеся ряды наблюдений и составляющих базу для решения, в первую очередь, следующих задач:
(а) вскрытие механизма генезиса наблюдений, составляющих анализируемый временной ряд;
(б) построение оптимального прогноза для будущих значений временного ряда;
(в) выработка стратегии управления и оптимизации анализируемых процессов.
• Говоря о генезисе образующих временной ряд наблюдений, следует иметь в виду (и по возможности модельно описать) четыре типа факторов, под воздействием которых могут формироваться эти наблюдения: долговременные, сезонные, циклические (или конъюнктурные) и случайные. При этом не обязательно в процессе формирования значений конкретного временного ряда должны одновременно участвовать факторы всех четырех типов. Успешное решение задач выявления и моделирования действия этих факторов является основой, базисным отправным пунктом для достижения конечных прикладных целей исследования, главные из которых упомянуты в предыдущем пункте.
• Приступая к анализу дискретного ряда наблюдений, расположенных в хронологическом порядке, следует в первую очередь убедиться, действительно ли в формировании значений этого ряда участвовали какие-либо факторы, помимо чисто случайных. При этом под «чисто случайными» понимаются лишь те случайные факторы, под воздействием которых генерируются последовательности взаимно не коррелированных и одинаково распределенных случайных величин, обладающих постоянными (не зависящими от времени) средними значениями и дисперсиями. Ответ на поставленный вопрос получают, проводя статистическую проверку соответствующей гипотезы, например, с помощью одного из «критериев серий», критерия Аббе, критериев Бокса-Пирса и Люнга-Бокса.
Если в результате проверки такой статистической гипотезы выяснилось, что имеющиеся наблюдения взаимно зависимы (и, возможно, неодинаково распределены), то приступают к подбору подходящей модели для этого ряда. Множество моделей, в рамках которого ведется этот подбор, ограничивается обычно следующими классами моделей:
(а) классом стационарных временных рядов (которые используются, в основном, для описания поведения «случайных остатков»),
(б) классом нестационарных временных рядов, которые являются суммой детерминированного тренда и стационарного временного ряда,
(в) классом нестационарных временных рядов, имеющих стохастический тренд, который можно удалить последовательным дифференцированием ряда (т.е. путем перехода от ряда уровней к ряду разностей первого или более высокого порядка).
В рамках эконометрического анализа временных рядов мы объединяем ряды, входящие в классы (а) и (б), в один класс, который, следуя общепринятой в последнее время практике [см., например, Maddala, Kim (1998)], называем классом TS-рядов (trend stationary series – ряды, стационарные относительно детерминированного тренда). Адекватным методом остационаривания временных рядов, принадлежащих классу (б), является вычитание из ряда детерминированного тренда. Напротив, для рядов, принадлежащих классу (в), адекватным методом остационаривания ряда является переход от ряда уровней к ряду разностей (первого или более высокого порядка).
• Стационарные (в широком смысле) временные ряды характеризуются тем, что их средние значения, дисперсии и ковариации не зависят от времени, для которого они вычисляются. Взаимозависимости, существующие между членами стационарного временного ряда, как правило, могут быть адекватно описаны в рамках моделей авторегрессии порядка p (AR(p)-моделей), моделей скользящего среднего порядка q (MA(q)-моделей) или моделей авторегрессии со скользящими средними в остатках порядка p и q (ARMA(p, q)-моделей).
• Временной ряд называется интегрированным (проинтегрированным) порядка k, если последовательные разности этого ряда порядка k (но не меньшего порядка!) образуют стационарный временной ряд. Поведение таких рядов, в том числе рядов, содержащих сезонную компоненту, в эконометрических прикладных задачах достаточно успешно описывают с помощью моделей авторегрессии проинтегрированного скользящего среднего порядка p, k и q (ARIMA(p, k, q)-моделей) и некоторых их модификаций. К этому классу относится и простейшая модель стохастического тренда – процесс случайного блуждания (ARIMA(0, 1, 0)). Приращения случайного блуждания образуют последовательность независимых, одинаково распределенных случайных величин (“белый шум”). Поэтому процесс случайного блуждания называют также “проинтегрированным белым шумом”.
• Подобрать модель для конкретного временного ряда, это значит определить подходящее параметрическое семейство моделей в качестве допустимого множества решений, а затем статистически оценить параметры модели на основании имеющихся наблюдений. Весь этот процесс принято называть процессом идентификации модели, или просто идентификацией. Для правильной идентификации модели временного ряда необходимо решить вопрос о том, является ли исследуемый временной ряд стационарным, стационарным относительно детерминированного тренда (т.е. суммой детерминированных компонент и стационарного ряда) или в его составе содержится стохастический тренд.
 
Продолжаю читать великолепные посты Северного Ветра на http://forum.fxclub.org/showthread.php?t=32942&page=1
Порой, умираю от смеха, сталкиваясь с замечаниями воинствующих флудеров! Это просто цирк какой-то, им бы в детсад - математику подучить, ан нет, возраст не тот! Генералы, блин.
Что интересно, ситуация, которая складывается на большинстве форумов (наш, пожалуй, редкое исключение), недвусмысленно говорит о том, что основной контингент "трейдеров" -участников форумов, это безграмотные и, как правило, ущербные люди. Которые полезли на рынок, пожалуй, только от безысходности да избирательного слабоумия.
Простите, не удержался.
 
Neutron 11.01.07 07:58
...Северный Ветер, нет ли у Вас того материала, что опубликован на сайте, представленного в виде статьи? Был бы признателен. Ещё, меня интересует вопрос о том, чем Вы сейчас занимаетесь, какое направление исследований считаете наиболее перспективным в трейдинге? Буду рад если присоединитесь к нам в качестве критика и генератора идей в обсуждаемом здесь вопросе...

Нет, материала в виде статьи нет и вряд ли будет. В силу разных причин, и одна из них - отсутствие времени.
Занимаюсь всем понемногу, но в основном конечно с позиций стохастических методов. Та же самая задача о разладке, но видимо не в чистом виде, как она сформулированна у классиков.
Тему эту прочитал полностью, с интересом, хотя бы по тому, что сам когда то прошел по этой дорожке. Из методов анализа временных лично мне понравилась "гусеница". Но опять же, в чистом виде метода Ан.Врем.Рядов использовать не получилось.
 
Neutron 11.01.07 09:41
... Порой, умираю от смеха, сталкиваясь с замечаниями воинствующих флудеров! Это просто цирк какой-то, им бы в детсад - математику подучить, ан нет, возраст не тот! Генералы, блин...

:) не обращайте внимания, это испытание ниспосланное нам свыше, милостью отца нашего и его сына и его духа, как проверка крепости нашей веры :::)))