Tema: Eegia de forex con Media estadística de mercado

Me gustaría dedicar este hilo a las siguientes preguntas:


¿El mercado tiene una media constante? ¿Si sí cómo aproximarlo?
¿Si el medio no es constante, su variable como los cambios de mercado estructura, cómo él dado un tamaño de muestra aproximado?
Mi investigación para encontrar el mejor modelo que modela la media.

Por la "media" me refiero a la media estadística , no la mediana, que es el separador de la mitad de la distribución en el caso del precio de la línea de la mitad de todo el mercado que por ejemplo aproximadamente (máximos más altos de todos los tiempos + mínimos más bajos de todos los tiempos) / 2

Así que puesto que el mercado es cambiante, fijo el tamaño de la muestra a 1440 M1 bares que es 1 día de datos, puesto que su probablemente lógico separador entre muestras porque la distribución de la volatilidad también es separada por las noches baja liquidez cuando el SE de Londres y Nueva York SE está cerrado.
Así que elige 1440 a tamaño de la muestra, tal vez podría haber sido así de 7200 que es 1 semana, porque hay una diferencia de volatilidad entre viernes y el lunes por la mañana así.

He probado varias medias móviles para encontrar la media pero la mayoría de ellos no era sensible al precio. Aquí están los promedios móviles clásicos, siempre usé Median Price, no confundir con mediana de mercado, que es (High[position]+Low[position]) 2 ya que refleja el mercado mejor que el precio de cierre.

Por lo que estos promedios tienen período de 1440, M1 bares, MEDIAN PRICE, cambiar 0
Y por el color son los siguientes: amarillo = alisado Simple, =Simple(Arithmetic) azul, púrpura = ponderación exponencial, rojo = lineal ponderada

No encuentra la respuesta a esta pregunta porque es un problema mal planteado.

-Si usted necesita el mínimo error cuadrado con el precio el precio sí mismo es el resultado trivial.
-Si desea máximo suave la regresión lineal es la solución: una línea es infinitamente diferenciable, plana y todos los derivados son 0. No puede haber más suave.
-Si usted quisiera el precio para "equilibrar" alrededor de la línea de la mediana resulta trivial. Por construcción se Obtén tantas muestras arriba como abajo.
-Si usted quiere/acepta para definir a priori un equilibrio entre el error y la suavidad, el filtro de Hodrick-Prescott es la solución óptima. Excepto que también puede interesar el filtro no totalmente repintado en cada muestra

En cualquier caso práctico usted necesitará definir una escala de tiempo. Si tienes 3 cambios hacia abajo, hacia arriba y hacia abajo ¿consideras forman una "oscilación" alrededor de su media o consideras que son 3 tendencias que seguirá la media? Esto depende de la escala de los columpios. Entonces la pregunta es: ¿Qué consideras una media «buena»?

Esta escala de tiempo se traducirá en un ancho de banda de frecuencias. Cualquiera que sea el ancho de banda seleccionar no se encuentra ningún filtro causal que cortará perfectamente. Habrá movimientos que usted no será capaz de clasificar "big swing" o "pequeña tendencia".

Después de mucha investigación que finalmente acepté que tenía que utilizar personal predefinido y totalmente no mercado el valor objetivo de los datos para el ancho de banda. Que estimar significa "destino" por métodos de probabilidad máxima y conseguir mi filtro de Kalman/suave que no te gusta.

Echa un vistazo aquí he establecido mi magnitud x 1600 y ahora mi promedio móvil es casi idéntico con un período de 3 o la media móvil de período 4, mientras que su todavía en período de 1440, ya que la magnitud está disminuyendo exponencialmente mientras que el precio se mueve del último precio.

Como se puede ver la varianza es convergente a 0, como mi magnitud va hacia infinito

-Si usted necesita el mínimo error cuadrado con el precio el precio sí mismo es el resultado trivial.
-Si desea máximo suave la regresión lineal es la solución: una línea es infinitamente diferenciable, plana y todos los derivados son 0. No puede haber más suave.
-Si usted quisiera el precio para "equilibrar" alrededor de la línea de la mediana resulta trivial. Por construcción se Obtén tantas muestras arriba como abajo. -Si usted quiere/acepta para definir a priori un equilibrio entre el error y la suavidad, el filtro de Hodrick-Prescott es la solución óptima...

Bien que me gustaría estimar una volatilidad más tarde y compararlo con la volatilidad Garch [1,1] para ver cuál es mejor primero que necesito una media.

1) que sería absurdo, esto no me dice nada acerca de eventos futuros, en una serie de tiempo como el mercado si lo pongo en un comercio en X índice, qué es la garantía de que X + 1 índice se comporta como la media en X.If la tendencia es suave y al menos yo puedo estimar la probabilidad de continúen.

2) la regresión realmente no adaptarse al mercado de la forma por lo tanto es imposible medir SD en él, también no me dicen nada acerca de la volatilidad, la varianza puede ser distribuido número infinito de maneras alrededor de esa línea.

¿3) la HP se ve bastante cool, lo que la diferencia entre que una el filtro de Kalman?
Ya tengo el código de C para el Kalman, pero yo también pondría a prueba el filtro de HP también para ver cuál ajusta a mi objetivo mejor.

He encontrado un filtro de HP en MQL4, pero parece que su pintura

Parece que tengo que reconstruir mi, odio pintar indicadores, su mejor lagg y mostrar las barras de retardado que al repintar...

Ninguno de los ejemplos se supone que es útil. Naturalmente HP filter "vuelve a pintar". Es un estimador GLOBAL: vuelve a dibujar el entero conjunto de datos. Todos los cuatro ejemplos se pretendía mostrar que el problema está mal plantean. Si desea quitar cada movimiento más pequeño de 4 pips te puede utilizar barras de rango o ladrillos de renko o barras de la rejilla. Pero esto no resuelve tu problema.

No entiendo, ¿por qué necesita la media para GARCH?

Aquí es de EUR/USD y es diario GARCH. Se puede ver claramente el bajísimo vols del año pasado:

GARCH es mucho mejor que ATR y otro cosas por menor se utiliza típicamente.

Pero volviendo al tema original, que me enteré de en lugar de buscar la perfecta media, móvil para que pueda mirarlo y ver la tendencia actual, es mucho mejor detectar en su lugar el actual régimen de mercado y luego aplicar una media móvil sólo a aquella parte.

Por lo que la vuelta las cosas. En primer lugar detectamos el régimen actual (arriba, abajo, plano), y sólo entonces aplicamos (si queremos) una media móvil.

Esto resuelve el problema de salto, como se aprecia en la imagen, donde la enorme abajo movimiento en poco tiempo (salto) hace el retraso promedio móvil para mucho tiempo. Si por el contrario detecta un régimen hacia abajo, seguido por un régimen plano, puede calibrar la media móvil mucho más rápidamente y eliminar la mayor parte de la lag.

Por supuesto, detectando el régimen actual de mercado es un Santo Grial, como el perfecto movimiento promedio, pero descubrí que es un enfoque más acertado.

Posiblemente mis tres favoritos afiche (Adal, PipMeUp y Prox) todos en el mismo subproceso tirando cosas a los pedazos otra vez.

Gracias por tus aportes! Encanta leer lo que publiques.

No entiendo, ¿por qué necesita la media para GARCH? Aquí es de EUR/USD y es diario GARCH. Se puede ver claramente el bajísimo vols del año pasado: {imagen} GARCH es mucho mejor que el ATR y otro cosas por menor normalmente utiliza. Pero volviendo al tema original, que me enteré de en lugar de buscar la perfecta media, móvil para que pueda mirarlo y ver la tendencia actual, es mucho mejor detectar en su lugar el actual régimen de mercado y luego aplicar una media móvil sólo a aquella parte. Por lo que la vuelta las cosas. Primero nos...

No necesito la media para el GARCH pero lo necesito para que me calcular desviaciones fuera de él y luego compara eso con la volatilidad GARCH. Quiero hacer una estimación de volatilidad tan precisa como sea posible.

Pero también necesito la media es por separado, que es para la detección de tendencia/sesgo.

Ninguno de los ejemplos se supone que es útil. Naturalmente HP filter "vuelve a pintar". Es un estimador GLOBAL: vuelve a dibujar el entero conjunto de datos. Todos los cuatro ejemplos se pretendía mostrar que el problema está mal plantean. Si desea quitar cada movimiento más pequeño de 4 pips te puede utilizar barras de rango o ladrillos de renko o barras de la rejilla. Pero esto no resuelve tu problema.

Sí ahora, veo aunque sólo vuelve a pintar ya que se codificó mal pero ahora veo que funciona sólo con datos estáticos.

Si fuera un algo de revestimiento clásico, luego volver a pintar es solamente debido a malas habilidades de programación, ya que en casos normales usted puede siempre cambiar nuevamente las barras LAGG de resultado sobre los datos, y por lo que no se vuelva a pintar, y la barra actual mostrará siempre corriente de barra - datos LAGG, es la forma elegante de tratar con LAGG.

Sin embargo sí, el filtro de HP cambia dinámicamente.

Bueno, parece que tengo que buscar en el filtro de Kalman


Un gráfico renko es erróneo porque se ve sólo en el precio, tenemos que considerar además del tiempo, debido a la aceleración en el precio no se puede ignorar, porque causa excesiva volatilidad. Un gráfico renko en mi opinión no es un método muy elegante para el precio del filtro, y filtra demasiado mucho de la información útil con él.