基于艾略特波浪理论的交易策略 - 页 185

新评论
 
Grasn，感谢你的链接和你对所提问题的兴趣。
在科学中，有解决特定问题的标准方式和方法。这种方法的好处是它的确定性、可利用的成熟工具和不变的成功（当然，如果原则上有一个解决问题的方法的话）。这种方法节省了时间并保证了结果。它是有吸引力的。顺便说一下，在你引用的链接上，可以清楚地证明，如何不解决一个问题。事实上，使用发达的时间序列频谱分析仪器或分析通过其自 相关函数确定的静止时间序列的频谱密度就足够了，以便不要用关于艾略特波的数量和质量的经验观察来烦扰我们的头脑。市场是波动的，使用由五波组成的静止模型，比如说，这类似于死亡。一旦成功，但六个月后，使用十一波模型会更正确。所以.........我们是否应该每次都根据经验来调整模型，以适应动荡的市场？这不是一个理性行为的例子。
Yurixx在他的上述帖子中似乎赞同我的观点，看看他在这方面的工作会很有趣。
关于你对选择自回归模型比率的随机性的评论（如果我理解正确的话），我必须反对，因为给定的比率是由被调查的时间序列的自相关系数通过解决Yule-Walker方程[Yule（1927）]，[Walker（1931）]唯一决定的。
Grasn，请你告诉我们更多关于你在这个领域的研究。

注意到。
 
这种方法的好处是它的确定性，有成熟的工具，以及不变的成功（当然，如果原则上有解决问题的方法）。这种方法节省了时间并保证了结果。

请解释你所说的是什么方法。什么方法能确保不间断的成功并保证结果？

顺便说一下，你引用的链接可以清楚地证明如何不解决问题。事实上，为了不对艾略特波的数量和质量进行经验性观察，只需使用发达的时间序列频谱分析仪器或分析由其自相关函数定义的静止时间序列的频谱密度即可。市场是波动的，使用由五波组成的静止模型，比如说，这类似于死亡。一旦成功，但六个月后，使用十一波模型会更正确。所以.........我们是否应该每次都根据经验来调整模型，以适应波动的市场？这不是一个理性行为的例子。

完全同意你的评估。任何决定性的模型都注定是短命的。而且，它的决定性越强，其寿命就越短。只是不清楚你是如何将这样的观点与你在第一篇文章中写的内容结合起来的：
我对定价机制的决定性描述的可能性感兴趣。

顺便说一下，作为一个远离DSP的人，我希望你能解释一下关于通过自 相关函数定义的静止时间序列的谱密度分析的细节。特别是关于一个时间序列是如何通过其自相关函数定义的。
 
<br/ translate="no"> Grasn，请你详细介绍一下你在这方面的研究
。


好吧，我试着简单描述一下。


Rosh
grasn，在你看来，极端1和极端2的区别是什么（你的推理），以及如何在网上（在历史的右边）识别它们（区分它们）？

在某种程度上，是选择可靠渠道的另一种方法。我先从歌词说起。有一天，我去见我的一个老朋友。从我的眼神中，他立即明白了我出现的原因，并没有问什么，就说："如果你有一个想法，首先坐下来，冷静下来，给自己倒一杯上好的白兰地，然后问一个问题--为什么你的前辈们没有成功。也许我不是唯一一个提出这个想法的人，但至少我还没有从我现有的资料中看到类似的东西。但不要紧，也许我读书不多，对作者的身份根本不假思索（虽然我是老老实实想出来的，是搞

神经网络 的）。在我看来，它的全面实施非常困难，甚至在某些地方似乎不可能。但这并不是想要 "谈论它的原因 :o)"。其中仍有很多模糊不清的地方。如果我们讨论它，我们可以找到正确的道路，一直走到最后。虽然，如果我们想象我们一起是一个大的超级大脑，我们可能将能够完全解决这样的问题。:о)我说的是一个想法，它可能成为另一种预测价格走势的基础，并最终在发达系统中占据应有的位置（这不是从重要性出发，而是从个人估计出发）。在我的系统中的实现，我认为是一个辅助模块，并直接将应用视为选择可靠通道的额外标准，但当然不是唯一的标准，读到最后，你可以理解我为什么要归结为 "感谢上帝，它不是唯一的"。但更接近身体，正如老莫泊桑曾经说过的。



主要思想
所以，我给自己设定了以下目标：根据新闻的表现形式作为信号（对不起，这都是数字信号处理的影响），对价格走势进行建模（预测）。这是个简单的想法。没有趋势，没有周期性，也没有其他的东西，这些都没有。有传来的消息和一个与之相关的信号。

假设（简而言之，并非全部）
在任何时刻，市场都处于单一状态，分为两个平行且相关的子状态：等待消息和对收到的消息做出反应。市场现在处于这种状态，它将在一分钟、一小时、一个月内，一直处于这种状态。 新闻只是将信息（数据或其他知识）装入一个外壳，并通过各种通信渠道传递。当然，"支撑 "市场的不是新闻，而是信息。不管是 "山姆大叔 "还是拥有200美元存款的交易员，都会直接或间接接收和处理这些信息。不要误会，间接的新闻不会影响没有正式进行新闻分析的交易员。任何建立在价格序列上的指标都已经包含了转化的信息（TA的第一个假设）。因此也是新闻。对于一些人来说，收到的报价可以是 "新闻"，咳咳，只是开玩笑。 我所说的信息是指新闻中包含的任何影响报价的有意义的数据（谣言、报告、基本数据的预测、基本数据的到来、选举，等等，等等）。





局限性（简而言之，远非全部）
我们是否能得到所有的新闻？这个问题不能作肯定的回答。例如，我们不知道关于极端交易的任何情况。我们可能根本无法得到所有的消息，原因很简单，我们选择了一个不好的供应商，我们每个人当然不可能处理所有的事情。这条新闻有影响吗？我在这里写了两段话，主要是为

亚历克斯 写的（记得亚历克斯写过，当时专业人士在上面挣钱，新闻没有影响），但我把它们擦掉了。抛开哲学不谈，我将立即发表我自己的意见--是的，他们确实如此。 我们的想法是不要建立一个经济模式，不要滑向这个领域。该思想的实质是对传入的信息进行分类，并与某种信号进行比较，在对传入信息进行定性分析的基础上，以信号参数的形式给出 "反馈"。



模型（简短且远离一切）
，如果我们没有得到所有的消息，那怎么办？答案可能在于，我们不需要所有的信息。玩家不太可能对所有的新闻都做出反应，最可能的是，根据目标（不多），他期待一些特定的新闻。因此，根据统计学原理，我们需要确定真正重要的信息，这是绝大多数人所期望的，然后只用它来工作。一般来说，这样的工作似乎已经为我们完成了，要开始研究它可以使用和信任，这正是我所做的。结构化信息，以及更多的......，都是单独的有趣话题。在数学上，每条新闻（被考虑）都是由某个信号类（信号用于数字信号处理的背景下）来模拟的，有其自身的特点。这种信号的条件卷积（脉冲也是一种信号）将得到一个完整的预测信号。因此，有必要将考虑到的每个重要新闻与使用的参数和信号类型相匹配。所有脉冲的参数都应归一化，并从当前价格水平计算。预测应以周为单位，对长期的战略预测应以周五的预测值为基础。





应用
应用是多种多样的。你可以把它钉在墙上，把它打印出来并带到浴室，或者你可以，例如，通过简单地把预测信号 "装入 "渠道来完善一个可靠的渠道。 PS：这不是一个能给你非常准确的价格预测的想法，完全不是。而解决Yule-Walker方程恐怕不会有帮助，尽管如果

中子 分享，我会很感激。

关于任意性和研究
，这才是真正的任意性，在这里你可以转身，尽情享受它。我很喜欢它：从令人震惊的结果（我在天花板上奔跑，被吊灯绊倒的情绪压得喘不过气来）到富有哲理的 "是啊......他们甚至读过新闻吗？"。:о))

思想的发展
适当实施的结果很可能与EWT相关。说得粗俗点，但也很温和，为什么不从反面，在这个理论中，即从 "人群 "和它的情绪中去？ 那么，我们是否应该创造一个 "情绪公式"，亲爱的论坛成员？:о)
 
<br/ translate="no">通过自相关函数定义的静止时间序列的谱密度分析
。


使用自 相关函数是计算光谱的一种方法


特别是关于一个时间序列是如何通过其自相关函数定义的


这一点我自己也不明白，也许不是准确的措辞
 
嗨，Serguei!
我将从歌词开始。

如果你现在加上这些图表和半打不太复杂的市场行为规则，你可以出版一本关于外汇交易的书。不比威廉姆斯和艾略特差。:-)))
 
嗨，谢尔盖！ <br / translate="no">
我先从歌词说起。

如果你现在加上这些图表和半打一些不太复杂的市场行为规则，你已经可以出版关于外汇交易的书籍。不比威廉姆斯和艾略特差。:-)))


你好，Yuri!
你和我已经决定了我们何时开始出书。我还没有和这个想法说再见。
:о)))
 
顺便说一下，这里有一篇关于新闻（事件）可视化的非常好的文章："MQL4：与文件一起工作。重要市场事件的可视化实例"。

你只需要再向前走几步...
 
你和我已经决定了我们何时开始出书。我还没有放弃这个想法<br / translate="no"> :o)))

但你必须靠一些东西来生活!外汇是好的，但它是纯粹的科学。:-)
 
Grasn，谢谢你的详尽答复。非常有趣。
我在我的策略中使用了一种可以利用机械交易系统（MTS）的方法。即使对可能的交易算法进行粗略的分析，也会发现只有基于对已有历史数据分析的方法才符合这一要求。换句话说，我做了一个假设，即历史会重演，有可能建立一个策略，利用可预测性的特性，对一个工具的时间序列提前几步。
自然，这一假设需要确认，并建立一个充分的价格形成过程的模型。作为一个模型，假设价格加起来包括一个随机的部分和一个确定的部分，似乎是合乎逻辑的。这一假设是基于对中央银行稳定作用的猜想（中央银行从将价格保持在一个有限的范围内获益，即由于在价格运动和中央银行的行动之间引入了一个负反馈回路，所以一定有稳定的效果），以及结合市场参与者的不稳定作用（人群倾向于羊群行为，即他们从趋势性价格运动中获益）。同时，我们不排除存在季节性或周期性因素，以及可能的确定性趋势（大玩家的定向行动）。
让我们介绍一些基本概念。
1.如 果m个观测值的联合概率分布与m个观测值的联合概率分布相同，那么一个序列被称为严格静止的 （或狭义的静止）。
换句话说，当时间原点改变时，严格静止的时间序列的属性不会改变。特别是，从时间序列的严格静止性假设来看，随机变量的概率分布规律与时间无关，因此其所有的主要数字特征，包括平均值和方差，也与时间无关。
显然，平均值定义了一个恒定的水平，相对于这个水平，被分析的时间序列会有波动，而分散度（D）则描述了这些波动的范围。由于随机变量的概率分布规律在所有t下都是相同的，所以它本身和它的主要数字特征可以通过观察来估计。
2.确定性的线性趋势是 由市场上的某些事件引起的方向性价格运动。该标准是一个强制静止的时间序列的非零期望值，并通过低频数字滤波器检测。
3.非决定性的线性趋势 - 由随机定价过程引起的方向性价格运动。该准则是强行静止的时间序列的零期望值，由于休闲滤波方案不可避免的相位滞后，低通数字滤波器无法检测到。
4.外 汇市场的实时序列 可以被认为是一个综合静止的序列。这样做，可以假设生成的静止序列的期望值为零。

最后一点来自于对静止时间序列的研究结果，该研究通过将现有的真实数据与报价档案区分开来获得。此外，为方便起见，我们将谈论静止的序列，并牢记实际的时间序列是通过简单地整合静止的序列而重建的。此外，从第4段可以看出，外汇市场上没有确定的方向性运动，而任何类似的方向性运动都是随机性质的，因此没有实际意义（趋势不要朋友！）。对初始序列进行微分将使我们能够摆脱随机趋势，这将进一步简化我们的模型。
因此，我们假设定价过程可以用一个模型来描述，该模型包括一个周期性成分和一个预期报酬为零的静止时间序列。价格序列中是否存在周期性成分的问题可以通过应用傅里叶分析或用窄带数字滤波器影响时间序列来回答。在我的实践中，我已经使用了这两种方法。所得结果意味着外汇市场存在周期，但它们是随机的，即不存在具有静止或接近静止周期的周期。不幸的是，这一属性使我们从根本上无法利用基于定价过程的周期性的策略。让我重复一下，这个结论只适用于外汇市场!股票市场有固定的季节性成分和确定的趋势。这一事实让你有希望在TS中可能利用股票市场的这些特性。综上所述，我的观点是，艾略特理论只适用于股票和期货市场，而不适用于外汇市场。
因此，我们的模型只包含两个部分：一个决定性的部分和一个随机的部分。价格的形成过程可以说是市场对以前无数次价格跳跃的记忆，每一次跳跃都有自己的递减权重和随机成分。在一般情况下，我们需要合理地限制参与价格形成的成员数量，并找到一种方法，从可用和可计算的参数中计算出给定的系数（权重），这些参数是感兴趣的静止过程的特征。而且还要确定随机成分的参数，这并不是一件难事。在这种情况下，下一次（第三+1次）价格飞跃将由之前的n次飞跃S(i)的总和决定，每一次飞跃都乘以其权重a(i)，随着与历史前沿的距离单调递减，还有一个随机变量sigma，其分布规律已知，预期值为零，标准差 已知：
S(i+1)=SUM(a(i-k)*S(i-k))+sigma，其中对零至n的所有k进行求和。
因此，我们处理的是一个n阶的自回归模型。
原则上，我们只需要随机变量的确切形式，如果我们想得到一个与生成的时间序列S(i)完全相同的时间序列（就特征而言），但这项任务在我看来是多余的。事实上，我们只对模型的预测能力感兴趣，它将不可避免地受到负责随机部分的项所引入的不确定性因素的影响，但考虑到引入的误差的随机符号，我们可以有把握地说，在大量的运行之后，与随机项相关的预测误差将减少到零！这就是为什么我们要对模型的预测能力感兴趣。最后我们的模型看起来很简单：
S(i+1)=SUM(a(i-k)*S(i-k))，其中求和是在从零到n的所有k上进行。

n阶自回归过程的谱密度用公式定义。
p(omega)=2D/|1-SUM(a(k)*exp{-i*2k*omega})|^2，其中对1到n的所有k进行求和，
i=SQRT(-1)，0<=omega<=1/2。
 
中子 谢谢，非常有趣的方法。我将用短暂的时间来考虑这个问题。

初步来说，我注意到
<br/ translate="no"> ......我假设历史会重演，有可能建立一种战略，利用工具的时间序列提前几步的可预测性属性......作为一个模型，似乎有必要假设价格加起来包括一个随机成分和一个确定成分
。


在我的研究中也有反映： 历史确实在重复，这一点在

赫斯特指数 中得到了证明，只是它评估的是既定结构重复/延续的可能性（正如我前面写到的），这在一定程度上改变了TC的方法。正确地执行 "反馈 "规范化，即把信号参数与信息质量相匹配，一般来说可以得到一个局部确定的成分。真的没有周期（他们不卖套鞋:o），但就是基本信息（M0、M1、利率等）有周期性。基线（"近乎决定性"）预测是基于周期性的信息。唯一的问题是，特定信息的影响程度随着时间的推移而变化，一旦你完成了历史配给，你就可以重新开始做 :o(。但到目前为止，这种方法实际上不过是一种科学爱好。
1...178179180181182183184185186187188189190191192...309
新评论