Хотим рассмотреть новый метод, с помощью которого можно выявить движение графиков цен, используя скользящую авторегрессию, которая адаптивна к априори незнакомым законам их развития. Метод дает возможность несколько убрать низкую чувствительность средних скользящих и эффект, смещения трендов, а также улучшить качество сигналов.
Скользящие средние, их минусы и плюсы
В техническом анализе сегодня очень востребованы разные типы скользящих средних – это несложные инструменты сглаживания графиков цен, чтобы выявить тренды. Скользящие средние могут быть простыми (MA), экспоненциальными (EMA) и взвешенными (WMA). При комбинациях скользящих средних разного порядка обретены стохастические осцилляторы, MACD.
Скользящее усреднение применяют, при формировании индекса RSI и прочих показателях. При помощи скользящих средних создаются каналы изменения цен - PCU и Bollinger Bands. Их используют, когда формируют сигналы, для фильтровки торговых систем.
Скользящие средние – самые знаменитые инструменты технического анализа. Однако и у них есть минусы:
1) минимальная чувствительность к колебаниям графиков цен (снижается при повышении времени усреднения);
2) они запаздывают по отношению к графикам цен.
Минусы эти досконально описаны в технической литературе. Уточним, что второй минус принципиально нельзя убрать, а вот первый, его можно значительно уменьшить, если использовать метод, который мы предлагаем. Так же скользящие средние имеют еще один минус, который раньше игроки не брали во внимание: при усреднении нелинейных трендов показывают не настоящие тренды, а их линеаризованные аналоги.
Суть метода скользящей авторегрессии.
На скользящем промежутке усреднения по знакомой стоимости закрытия методом наименьших квадратов высчитывают неизвестные параметры счетного множества уравнений авторегрессии разных видов. Для любого из N уравнений авторегрессии высчитывается остаточная дисперсия. Потом берем то уравнение, остаточная дисперсия в котором наименьшая. Если известны параметры данного уравнения, то высчитываем условное математическое ожидание. Процесс повторяется, как и у обычных скользящих средних. Чтобы использовать этот метод, более удобно брать так именуемые двухпараметрические функции. Мы применили такие функции: 1 - линейная; 2, 10 - гиперболические; 3 - логарифмическая; 4, 16 - экспоненциальные; 5, 6, 7, 8, 9 и 17 - степенные; 11, 13 - произведения степенных и гиперболических функций, 12 - обратно экспоненциальная; 14, 15 - показательные.
Чтобы воплотить метод, создана программа МАСАНТ. В качестве средства разработки была взята интегрированная среда программирования Delphi 6.0 компании Borland International. Состоит программы из исполняемого файла masant.exe и не нужно подключать добавочные модули. Код файла masant.exe (около 600 Кб), его можно легко копировать и перенести на иной компьютер.
В итоге самой простого эксперимента (время усреднения не было оптимизировано, участок графика INDU избран первый попавшийся) видно, что сигналы по торгам, которые сгенерированы при помощи двух новых скользящих средних, в 54% эпизодов идут впереди сигналов по торгам на 1-2 бара. Есть новый сигнал S6\' (он получился из-за повышенной чувствительности и снижения смещения).
Биржа управляется не детерминированными и не законами случайными. Биржа – это непростой фрактальный объект. Число фракталов, их размерность и связь между ними постоянно изменяются. Неспособность на сегодня создать и провести опыты фрактальной модели биржи приводит попытке косвенно учитывать ее характеристики в техническом анализе. Это сделали игроки из-за границы Билл Вильямс и Синтия Кейс, а также авторы этой публикации. Но это не эквивалентные подходы.
Нужно отметить, что графики цен - это выходные продукты непростой экономической макросистемы, либо отражения ее реакций на изменения положений как внутри биржи, так и за ее пределами. Как раз потому Б. Вильямс находится в поиске фракталов на графиков цен, хотя, скорее всего это, лишь следы их наличия в виде нелинейного характера графиков цен. Большинство игроков, и С. Кейс, настырно стараются использовать волновой принцип Эллиотта и баланс чисел Фибоначчи в техническом анализе. Но только в подобных вариантах применяется лишь набор следствий (биржевых реакций), которые, обычно, не повторяются даже, если есть похожие рыночные причины.
Как раз потому принцип Эллиотта и баланс чисел Фибоначчи <отлично работают> при использовании исторических показателей и только лишь удовлетворительно - при решении зада по прогнозам. Тогда почему же знаменитые игроки применяют данные принципы? Ответ рядом – их неимоверный опыт и предчувствие дают им возможность <увидеть> то, что сможет разглядеть обычный игрок.
Свой подход мы построили на аксиоме, что биржа – огромная стохастическая нелинейная система с выраженной инерционностью. Из этого следует нелинейный характер графиков цен. Данный метод, конечно не 100% вероятность дать оценку типу нелинейности биржи в любую минуту времени: из-за небольшой величины m, присутствия в графиках цен случайной компоненты, конечной возможности ошибок верного распознавания вида нелинейности по применяемому критерию.
В некоторые фазы, когда больше случайных законов развития фракталов, биржа развивается по линейным или почти по линейным законам. Данные фазы биржевой <слабости>. В эти фазы ONT равняется, либо близок к нулю. Во многих случаях биржа идет по нелинейным законам. Программа MACAHT дает возможность дать оценку нелинейности биржи в определенную минуту. Осциллятор ONT можно применять как фильтр систем по торгам вместе с данными о типе нелинейности, чтобы увеличить доходность, с его помощью можно классифицировать биржевые ситуации по признаку <тренд-флэт> либо дать оценку направленности рынка, а также для прочих целей.
Скользящие средние, их минусы и плюсы
В техническом анализе сегодня очень востребованы разные типы скользящих средних – это несложные инструменты сглаживания графиков цен, чтобы выявить тренды. Скользящие средние могут быть простыми (MA), экспоненциальными (EMA) и взвешенными (WMA). При комбинациях скользящих средних разного порядка обретены стохастические осцилляторы, MACD.
Скользящее усреднение применяют, при формировании индекса RSI и прочих показателях. При помощи скользящих средних создаются каналы изменения цен - PCU и Bollinger Bands. Их используют, когда формируют сигналы, для фильтровки торговых систем.
Скользящие средние – самые знаменитые инструменты технического анализа. Однако и у них есть минусы:
1) минимальная чувствительность к колебаниям графиков цен (снижается при повышении времени усреднения);
2) они запаздывают по отношению к графикам цен.
Минусы эти досконально описаны в технической литературе. Уточним, что второй минус принципиально нельзя убрать, а вот первый, его можно значительно уменьшить, если использовать метод, который мы предлагаем. Так же скользящие средние имеют еще один минус, который раньше игроки не брали во внимание: при усреднении нелинейных трендов показывают не настоящие тренды, а их линеаризованные аналоги.
Суть метода скользящей авторегрессии.
На скользящем промежутке усреднения по знакомой стоимости закрытия методом наименьших квадратов высчитывают неизвестные параметры счетного множества уравнений авторегрессии разных видов. Для любого из N уравнений авторегрессии высчитывается остаточная дисперсия. Потом берем то уравнение, остаточная дисперсия в котором наименьшая. Если известны параметры данного уравнения, то высчитываем условное математическое ожидание. Процесс повторяется, как и у обычных скользящих средних. Чтобы использовать этот метод, более удобно брать так именуемые двухпараметрические функции. Мы применили такие функции: 1 - линейная; 2, 10 - гиперболические; 3 - логарифмическая; 4, 16 - экспоненциальные; 5, 6, 7, 8, 9 и 17 - степенные; 11, 13 - произведения степенных и гиперболических функций, 12 - обратно экспоненциальная; 14, 15 - показательные.
Чтобы воплотить метод, создана программа МАСАНТ. В качестве средства разработки была взята интегрированная среда программирования Delphi 6.0 компании Borland International. Состоит программы из исполняемого файла masant.exe и не нужно подключать добавочные модули. Код файла masant.exe (около 600 Кб), его можно легко копировать и перенести на иной компьютер.
В итоге самой простого эксперимента (время усреднения не было оптимизировано, участок графика INDU избран первый попавшийся) видно, что сигналы по торгам, которые сгенерированы при помощи двух новых скользящих средних, в 54% эпизодов идут впереди сигналов по торгам на 1-2 бара. Есть новый сигнал S6\' (он получился из-за повышенной чувствительности и снижения смещения).
Биржа управляется не детерминированными и не законами случайными. Биржа – это непростой фрактальный объект. Число фракталов, их размерность и связь между ними постоянно изменяются. Неспособность на сегодня создать и провести опыты фрактальной модели биржи приводит попытке косвенно учитывать ее характеристики в техническом анализе. Это сделали игроки из-за границы Билл Вильямс и Синтия Кейс, а также авторы этой публикации. Но это не эквивалентные подходы.
Нужно отметить, что графики цен - это выходные продукты непростой экономической макросистемы, либо отражения ее реакций на изменения положений как внутри биржи, так и за ее пределами. Как раз потому Б. Вильямс находится в поиске фракталов на графиков цен, хотя, скорее всего это, лишь следы их наличия в виде нелинейного характера графиков цен. Большинство игроков, и С. Кейс, настырно стараются использовать волновой принцип Эллиотта и баланс чисел Фибоначчи в техническом анализе. Но только в подобных вариантах применяется лишь набор следствий (биржевых реакций), которые, обычно, не повторяются даже, если есть похожие рыночные причины.
Как раз потому принцип Эллиотта и баланс чисел Фибоначчи <отлично работают> при использовании исторических показателей и только лишь удовлетворительно - при решении зада по прогнозам. Тогда почему же знаменитые игроки применяют данные принципы? Ответ рядом – их неимоверный опыт и предчувствие дают им возможность <увидеть> то, что сможет разглядеть обычный игрок.
Свой подход мы построили на аксиоме, что биржа – огромная стохастическая нелинейная система с выраженной инерционностью. Из этого следует нелинейный характер графиков цен. Данный метод, конечно не 100% вероятность дать оценку типу нелинейности биржи в любую минуту времени: из-за небольшой величины m, присутствия в графиках цен случайной компоненты, конечной возможности ошибок верного распознавания вида нелинейности по применяемому критерию.
В некоторые фазы, когда больше случайных законов развития фракталов, биржа развивается по линейным или почти по линейным законам. Данные фазы биржевой <слабости>. В эти фазы ONT равняется, либо близок к нулю. Во многих случаях биржа идет по нелинейным законам. Программа MACAHT дает возможность дать оценку нелинейности биржи в определенную минуту. Осциллятор ONT можно применять как фильтр систем по торгам вместе с данными о типе нелинейности, чтобы увеличить доходность, с его помощью можно классифицировать биржевые ситуации по признаку <тренд-флэт> либо дать оценку направленности рынка, а также для прочих целей.
Последний раз редактировалось: Admin (Чт Мар 25, 2010 11:52 am), всего редактировалось 1 раз(а) (Обоснование : Хотим рассмотреть новый метод, с помощью которого можно выявить движение графиков цен, используя скользящую авторегрессию, которая адаптивна к априори незнакомым законам их развития. Метод дает возможность несколько убрать низкую чувствительность средних)
