分形、分形结构、其图形图像+画布 - 页 8

 

嗯,嗯。

好吧,如果有人对我的观点感兴趣,那么市场分形应该被理解为一组数据在某种程度上的滑动 时间 窗口。如果找到这样的窗口,其中价格/涨幅的概率密度 在漫长的历史中显示出相同的行为,那么这样的时空结构可以被认为是自相似的。

在漫画中,它应该是这样的--密度相对于期望值 "波动",然后尾部拉出,然后分布峰值转移到尾部。不应该有任何多模态等。如果找到了这样的窗口,那么从中榨取利润就只是小事一桩。

IMHO - 这个动态窗口=一个交易时段的时间。

 
Alexander_K:


在漫画中,它应该是这样的--密度相对于期望值 "波动",然后尾部拉出,然后分布峰值转移到尾部。不应该有任何多模态等。如果找到了这样的窗口,那么从中榨取利润就只是小事一桩。

IMHO - 这个动态窗口=交易时段。

这种情况在所有的移动窗口上都能观察到,只是必须正确地找到概率密度

 
Aleksey Ivanov:

这种模式在所有的滑动窗口上都能观察到,只是需要正确找到概率密度

嗯哼,我有点不确定。我想看看。好吧,有机会我自己做。

 
Alexander_K:

嗯哼,我有点不确定。我想看看。好吧,有机会我自己做。

提出一个方法。我在建议这个方案,但这是追踪密度的问题,如果需要追踪,可能会有效果。我还没有做,因为我还没有完成完整的理论。我担心这可能会变成一个有点混乱的问题。

关于交易、自动交易系统和交易策略测试的论坛

分形,分形结构,其图形图像+画布

Maxim Romanov, 2019.03.07 16:40

我在很久以前就开发了第一个。我们在垂直方向上创建一个有n个点的窗口,把它除以2,然后从中间开始工作。如果价格上升了一步,那么我们就画一条上升的垂直线,如果价格下降了一步,那么我们就画一条下降的垂直线。如果价格往上走了5个点,接下来又往下走了7个点,我们就往下画一条垂直线,并在价格的2倍处把线画得深一点。换句话说,我们把调色板分成梯度,价格在某一点的次数越多,那里的像素就越深。当价格的振幅变得大于垂直方向上的窗口大小时,我们就开始一个新的线条,在前一个线条的右边。你应该得到这样的东西。

有几种工作变体:1-下一条垂直线从中间开始,如果价格上涨,则从底部开始,如果价格上涨,则从顶部开始,但在下一条线上颠倒运动方向(如果价格上涨,则向下画)。理想情况下,你应该得到一条长线,以屏幕的垂直尺寸为界,以点为单位,折合数次

2- 如果在新的线上,价格向后退了,就转到上一条线上,或者不转。我自己是倾向于上一条线的,但最好是做个调整,看看效果如何。

这样我们就能清楚地看到价格是如何访问一些点的,形成加粗的线条,也许还能看到模式。所有的操作都应该逐点进行,如果蜡烛来了,但价格没有移动,那么就没有采取任何措施。在设置中,设置以点为单位的步长,低于此步长的运动将被忽略掉。

着色不仅可以用从浅到深的渐变,也可以用从旧的颜色。两次访问同一个点之间的时间越长,颜色就越能在调色板上移动。由于这里不考虑时间,所以最好是计算完成的步骤。假设,如果价格在这一点上退了2步,那么颜色是相似的,但如果退了100步,那么它就从调色板上的红色转移到了紫色。

我甚至在很久以前就做过一个ToR,如果你需要的话,我会去找的。


 
Alexander_K:

嗯哼,我有点不确定。我想看看。好吧,有机会我自己来吧。

在接下来的几周里,我正计划完成动态指标的开发,该指标在浮动窗口和浮动时间段 内测量概率密度。我想得到像你提到的东西,以补充一个自适应机器人。

 
Maxim Dmitrievsky:

是一个图形上的分形函数

如果它看起来相似,那么它就是交易。

函数,尤其是分形函数在图上的什么位置?我看到圆圈和线条,上面有标签。而与报价相比,又是什么呢?

这可能只是一些模式识别吗?

 
Dmitry Fedoseev:

图中的函数在哪里,尤其是分形函数?我看到圆圈和线条,上面有标签。而与报价相比,又是什么呢?

它是否只是在识别某种模式?

Weierstrass-Mandelbrot图,他们在上面画线,以记住图上的轮子,哪个轮子跟着哪个轮子。

图表本身与报价相比较,有时惊人地相似,即你可以预测未来,有时它们又有分歧......但总的来说,这很有趣。

 
Maxim Dmitrievsky:

威尔斯特拉斯-曼德布罗特图就在那里,他们把破折号放在上面以记住图的曲线。

图表本身与报价相比较,有时惊人地相似,即你可以预测未来,有时它们又有分歧......但总的来说,这很有趣。

模式识别,没有分形的神秘感。

 
Maxim Dmitrievsky:

他们在Weierstrass-Mandelbrot图上加了破折号,以记住图上的轮子,哪个轮子在哪个轮子后面。

图表本身与报价相比,有时惊人地相似,也就是说,你可以预测未来,有时它们会出现分歧......但总的来说,这很有趣。

有没有人做过科学的研究,至少是支持性的统计。还是像读塔罗牌一样。
 
Dmitry Fedoseev:

模式识别,没有分形的神秘感。

但这个模式是分形的。