Практика трейдинга Основные практические аспекты торговли на Форекс.

Ответить
21.10.2010, 11:04
Регистрация: 18.08.2008 / Сообщений: 8,856
Поблагодарили 2,792 раз(а) / Репутация: 2826

По умолчанию Исследование паттернов с помощью анализа Маркова

Исследование паттернов с помощью анализа Маркова

Большинство трейдеров, так или иначе использует некие элементарные ценовые модели, как, например, линии тренда, треугольники, гэпы и флаги. Особенности распознавания и характерные свойства этих моделей хорошо известны. Модели, кроме того, имеют прогностический смысл и обычно делятся на два класса: модели продолжения и модели разворота, в зависимости от их позиции на графике. В этой статье описываются переходы от одной модели к другой, с выявлением среди них статистически значимых.

Статистический метод, известный как анализ Маркова (Markov), легко приспособить для изучения переходов моделей на графиках цены. Этот метод используется учеными для исследования многих природных процессов, в которых предыдущие события влияют, но не предопределяют последующие.

Например, погода. Маловероятно, что она будет кардинально меняться день ото дня. Погода предыдущего дня, значит, влияет на погоду сегодня. Это не означает, что она не может измениться, но вероятность изменения - меньше. Цены ведут себя подобным образом. Обычно на них сильно влияют цены накануне.

Чтобы создать начальную базу данных, использовались графики недельных цены на 19 видов товаров с 1970 по 1979 годы. В перечень включены примеры по зерну, мясу, металлам, процентным ставкам и валютам. На каждом графике были обозначены очевидные паттерны. Масштаб выбранных моделей менялся как по длительности (от нескольких недель до двух или трех лет), так и по амплитуде (от 1-2 процентов до 25). Определяюшим фактором для выбора в тех случаях, когда модель пересекалась с другими, была наилучшая форма. Перечень возможных паттернов включает в себя:

Сокращения
uf - up flag - флаг вверх
sa - symmetrical triangle - симметричный треугольник
df - down flag - флаг вниз
sc - symmetrical wedge - симметричный клин
ut - up trend - тренд вверх
ac - ascending wedge - восходящий клин
dt - down trend - тренд вниз
dc - descending wedge - нисходящий клин
aa - ascending triangle - восходящий треугольник
md - diamond - бриллиант
da - descending triangle - нисходящий треугольник
bt - broadening trend - расширяющийся тренд

Модель "голова с плечами" была разделена на составные части, например, тренды и треугольники, причем последние при анализе считались симметричными треугольниками. График (Рисунок 1) зерна дает пример того, как подбирались данные. Паттерны выбирались, используя критерии, описанные в классическом труде Роберта Эдвардса (Robert Edwards) и Джона Мэджи (John Magee) "Technical Analysis of Stock Trends".


Рисунок 1: Последовательность переходов: sc-ut-da-ut-df-ut-df-ut-uf-sa-dt-sa-dt-uf-dt-sa-ut-sa-ut

Анализ матрицы

Следующим шагом следовало записать переходы в базу данных. Длинные тренды содержат переходы, где скорость изменения цены ускоряется или замедляется. Матрица Переходов показывает переходы от модели с левой стороны к модели, обозначенной в верхней части матрицы. Таким образом, было пять переходов от флага вверх(uf) к флагу вниз (df). В итоге было распознано и закодировано свыше 700 переходов.


Матрица переходов

Каждый элемент в этой таблице был разделен на сумму его ряда, чтобы создать Матрицу Вероятности. Эта матрица показывает статистическую вероятность того, что один паттерн будет следовать за другим. Например, есть вероятность 6 процентов, что за упомянутым флагом вверх последует флаг вниз.


Матрица вероятности

Эта таблица не дает, однако, нам все то, что мы хотим узнать, поскольку всегда будет присутствовать определенное число случайных переходов для каждого элемента в матрице. Была создана Матрица математического ожидания, которую затем вычли из матрицы вероятности, чтобы получить Матрицу Разницы. Чтобы улучшить читабельность, все отрицательные числа в этой матрице были заменены на нуль. Нуль (или отрицательное число) в этой матрице означает, что переходы происходили со случайной частотой. Положительные числа округлены и представляют собой значимые переходы. Например, от тренда вниз к флагу вверх наблюдалось на 43 перехода больше, чем это ожидалось бы при его случайном появлении. Наконец, был проведен chi-квадратный анализ и получено значение 898, которое, при сравнении с chi-квадратной таблицей, показывает, что наблюдаемые переходы были не случайны. Заметьте, что возможно получить положительные значения Матрицы Разницы и в при случайных процессах, так что очень важно проверять данные, используя chi-квадратное тестирование.


Дифференциальная матрица

Наиболее частые переходы на недельных ценах показаны на Рисунке 2. Рядом с каждым дано число вероятности из матрицы Вероятности. Знак плюс означает, что переход имел большую, чем случайная, вероятность (положительное число в Матрице Разницы), свидетельствуя, что предыдущая модель повлияла на этот переход. Паттерны сгруппированы в порядке уменьшении возможного перехода. Рисунок показывает, например, что восходящий тренд завершается флагом вниз в 39 процентах случаев и происходит это с большей частотой, чем ожидалось бы при случайном развитии событий. Переходы с частотой три или меньше игнорируются, поскольку выводы об их поведении будут недостаточно достоверными.


Рисунок 2

Выводы

Треугольники: Похоже, симметричные треугольники предшествуют трендам вверх, а асимметричные (нисходящий или восходящий) треугольники чаще предшествуют трендам вниз.

Клинья: Клинья появлялись нечасто, но оказались значимыми индикаторами трендов. Это, возможно, явилось результатом начала данных с 1970, когда многие товары показали клинья, приведшие к сильному росту несколькими годами позже.

Расширение трендов: Расширений трендов отмечено не было, возможно потому, что их составные элементы были четче определены и опознаны, как иные паттерны. Бриллианты оказались самыми нечастыми.

Тренды и Флаги: Они сформировали самые существенные пары переходов. Переходы от тренда вверх к флагам вниз и от тренда вниз к флагам вверх были частыми и значительно более вероятными, чем простая случайность. Одно предостережение: как флаги вверх, так и флаги вниз показали вторичную тенденцию эволюционировать в тренды вверх и вниз вместо изменения направления.

Эти данные проясняют некоторые особенности моделей графиков. База данных легко подвергается дальнейшему исследованию, используя многократные переходы. Например, представлены тренд вверх и симметричный треугольник, какая последует самая вероятная модель? Труды естественных наук, использующие анализ Маркова, обеспечили трейдера полезным инструментом для анализа всего разнообразия комбинаций ценовых моделей.

По материалам сайта Stocks & Commodities
21.10.2010, 11:39
Аватар для Синягин Ю.
Синягин Ю. Синягин Ю. вне форума Интересующийся
Регистрация: 11.08.2010 / Сообщений: 23
Поблагодарили 3 раз(а) / Репутация: 4
Цитата:
какая последует самая вероятная модель?
Это очень хороший вопрос, но на него губительно отвечать "вот эта" и тыкать, простите, пальцем.

Для реального анализа эффективности полученных результатов необходимо построить на основе описанного принципа реальную
прогностическую модель, включающую в себя основы ММ, задать критерии прибыльности и просадки.

Теоретически это интересно, но без построения модели, оптимализации и последующего тестирования практической (просчитанной и хорошо обоснованной) пользы, кроме еще одного хорошего "визуального помощника" нет никакой.
Ответить


Опции темы

Ваши права в разделе
Вы не можете создавать новые темы
Вы не можете отвечать в темах
Вы не можете прикреплять вложения
Вы не можете редактировать свои сообщения

BB коды Вкл.
Смайлы Вкл.
[IMG] код Вкл.
HTML код Выкл.
Trackbacks are Выкл.
Pingbacks are Выкл.
Refbacks are Выкл.


Похожие темы
Тема Автор Раздел Ответов Последнее сообщение
Соотношение прибыли к риску при помощи паттернов FXWizard Практика трейдинга 0 22.10.2010 11:49
Делали ли кто нибудь прогноз Eur usd с помощью технического и фундаментального анализа Алексей Вопросы ответы заметки на тему форекс 0 16.01.2010 15:37


Текущее время: 01:49. Часовой пояс GMT.


Перевод: zCarot
Copyright ©2000 - 2017, Jelsoft Enterprises Ltd.
SEO by vBSEO