Elliot Dalga Teorisine dayalı ticaret stratejisi - sayfa 138

 
Evet ilk etapta istiyorum, sadece ellerim ulaşmıyor (yeni başlayanlar muhtemelen ellerinin yeşilliklere ulaşmadığını anlamazlar :)). Tek bir sistemde manuel pozisyonlara eşlik edecek bir iskelet EA'm var, ancak bir hakem yazmak için zaman yoktu (4-5 para biriminde sanal ertelemeli giriş seviyeleri eşlik edecek). Yeni Yıldan önce, umarım yaparım.
 
Elliott'ın bu 69 sayfalık yaratıcılıkla ne ilgisi var?
 
Elliott'ın bu 69 sayfalık yaratıcılıkla ne ilgisi var?

"Ziyaretin amacı? - Öğle Yemeği" (c) "Siyah Giyen Adamlar"
 
:-))
 
Tünaydın bayanlar ve baylar.


TAMAM.

:-)))
 
Ticaret stratejileri hakkında metafor:

Araştırmacı, labirentte koşan bir fareyle bir deney kurarsa ve fare yanlış yönde koşarsa, deneyin teorisini çürüttüğünden ziyade, araştırmacının farenin hasta olduğuna inanması daha olasıdır.
 
Представление графика в виде ломанной линии и распознавание образа ( формы ) ломанной в целом и отдельных ее фрагментов.
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.

Kalıpların istatistiksel özelliklerinin değerlendirilmesinin pratik açıdan oldukça şüpheli olduğunu düşünüyorum, ancak bunu yapma girişimleri hakkında bilgi internette sürekli olarak bulunuyor. Örneğin, son yeni sürüm burada "MQL4: Kendi Kendine Öğrenen UZMAN" Bu yöntem sinir ağlarını ifade eder. Doğru, nedense hiçbir yerde bu tür sistemlerin çalışmasının nicel özelliklerini görmedim. Belki sadece kötü bir bakış?

Ve bence buradaki sorun, oldukça katı parametrelere dayalı olarak değerlendirme için kalıplar seçerseniz, bireysel kalıpların parametrelerini değerlendirmek için yeterli geçmişe sahip olamayabileceğinizdir. Veya bir model kavramına koşullu olarak atfedilebilecek TÜM çubuk kombinasyonlarının istatistiksel bir değerlendirmesini yaparsanız, o zaman birbirinden çok küçük bir farkla farklılık gösteren çok sayıda çeşitli desen modifikasyonuna sahip olacağınızı düşünüyorum. istatistiksel olarak önemsiz miktar veya modellerin istatistiksel tahminleri güçlü bir şekilde yayılacaktır (tahminlerin büyük varyansı). Ve gelecekte, gerçek ticarette, makinenin veri tabanında bulunan kalıplardan hangilerinin şu anda son çubuklarda görünenlere ait olabileceğini anlaması çok zor olacaktır. Bazı modellerin istatistiksel olarak anlamlı olması için, çalışan döviz çiftimiz üzerinde sahip olmadığımız bir geçmişe ihtiyacımız olduğunu düşünüyorum ve tüm bunlar, piyasanın aynı kurallara göre ve olmayan bir örnek üzerinde oynayacağının garantisi ile. eğitimli (gelecekte). Bu bakımdan basit bir lineer regresyon kanalı istatistiksel olarak çok daha iyi sağlanır. Bakalım hangisi daha güvenilir? Tarih boyunca son 300 bar için HER ZAMAN standart karmaşık olmayan algoritmaya göre hesaplanan piyasanın durumu hakkında bilgi veya örneğin, zamanın son anında gelen bu çubukların benzer olduğu bilgisi (iyi korelasyonlu) 100 örneğin üzerinde ortalama kafa modeline - son 5 yılda tarihte mevcut olan omuzlar? Benim düşünceme göre, regresyon daha güvenilirdir, çünkü diğer çeşitli faktörlere çok fazla bağımlılığın olduğu örüntü tanımaya kıyasla iyi çalışılmış ve kanıtlanmış bir matematiksel tekniktir.

Bununla birlikte, benim görüşüme göre, kalıpları tanıma görevi, daha basit bir eğilim çizgileri problemini çözmeye indirgenebilir (ekstremumlar boyunca çizilen eğimli direnç/destek çizgileri). Diğer bir deyişle, birçok klasik desen, bir dizi trend çizgisi ile değiştirilebilir; bu çizginin kırılması, desenin işlendiği anlamına gelir. Burada da, her şey o kadar basit değil. Örneğin, bu dosyada bir yakınsak üçgenin dinamiklerini görebilirsiniz https://c.mql5.com/mql4/forum/2006/08/triangle.zip
8 Ağustos'ta yakınsak üçgenden çıkış görülebilir. Ancak şimdi, bu üçgenin klasik tanımına göre, penetrasyon sadece yukarı doğru gerçekleşmiş olmalıydı. Ancak pratikte fiyat inip çıktı, yani hem boğalar hem de ayılar parayı vurdu. Bu örnek, "Yakınlaşan Üçgen" modelinin anlamını hemen bu şekilde çiziyor.

Yukarıdaki grafiklerde, son 2 çubuk dikkate alınmadan trend çizgileri oluşturulmuştur. Bu nedenle, bir trend çizgisi kırıldığında, hangi trend çizgisinin kırıldığı açıkça görülür.
Geçen ay trend çizgisi dinamiklerinin gelişiminin daha eksiksiz bir versiyonu burada yayınlanmıştır "MQL4: Meta alıntılarla ilgili forum resmi" solandr 08/31/2006 08:02 (Çok ciltli RAR arşivi. Toplamda 16 parça. Sonra tüm parçaları indirin, zip uzantısını rar ile değiştirin ve WinRAR3.50'a açın.) Acemi tüccarların, örneğin ACDSee programı aracılığıyla bu karikatürü tanımaları, piyasa havasının nasıl değişebileceğini anlamaları için çok yararlıdır. zaman ve risklerini en aza indirmek için neler yapılabileceği.

Benim düşünceme göre, trend çizgileriyle çalışmak, geçmiş verilere yakalanması ve ardından istatistik toplaması gereken çok parametreli kalıplarla çalışmaktan çok daha kolay. Trend çizgileri - çok daha kolay! Hatta Uzman Danışmanımda onlarla deneyler yaptım. Onaylayan osilatörü ve hatta Hurst üssünün kendisini değiştirdiler! Ve genel olarak, sonuç çok anlamlıydı, tamamen rastgeleden açıkça farklıydı. Ancak şu an için Uzman Danışmanımda trend çizgilerinin kullanımını bir süre erteledim, çünkü Hurst üssünün gözlemlerime göre hesaplanması trend çizgileri ile yaklaşık olarak aynı bilgiyi veriyor, ancak sadece daha resmi bir temelde. oluşturma ve pratik kullanım açısından daha verimli olan hesaplama algoritması MTS.

Pekala, sinir ağları büyük olasılıkla gelecekte olabilecek her türlü kombinasyonu önceden hesaplayabileceğiniz ve gürültüdeki bu kombinasyonlara dayanarak bir veya başka bir seçeneğin onayını bulabileceğiniz alanlarda kullanışlıdır. Örneğin, önceden bilmek (önceden test alanında kayıt yapmış olmak veya bir matematiksel modelin yeterli durumuna dayalı olarak tüm olası sinyal varyantlarını hesaplamış olmak), gelecekte bir nesne diğerine yaklaştığında (bir nesne diğerine yaklaştığında) olası tüm sinyal varyantlarını bilmek. Bu şekilde eğitilen nesne fiilen kullanılır), mevcut sinyal varyantlarından en yakın olanı bulmak ve sinir ağları üzerinde eğitilmiş sistemin kurulu olduğu nesnenin gerekli diğer eylemleri hakkında uygun bir karar vermek mümkündür. Ancak tüm bunlar, veri tabanındaki durumların bir kez kaydedilen algoritmaya göre gerçekleşeceği ve gelişeceği gerçeği çerçevesinde çalışır. Korkarım Forex bu konuda daha çeşitli :o(



Yurixx, bana öyle geliyor ki, buna boşuna katılmadın.
 
Yurixx, bana öyle geliyor ki, buna boşuna katılmadın.

Niye ya ? Neden böyle düşünüyorsun?
 

Bu sayfaya bakılırsa, forum çok bilimsel değil. Buna göre tavsiyeler.

Görünüşe göre yazın bilim sadece tatildeydi ;o). Ve şimdi akademik yıl başladı ve bilimsel forum statüsüne daha uygun bazı cevaplar ortaya çıktı:
http://www.lib.mexmat.ru/forum/viewtopic.php?t=3254&sid=a6468f00350c4e81f1b818be89ec1869
 
Evet, konuşma oraya daha anlamlı gitti.
Link için teşekkürler yarın okuyacağım.