Результаты опроса: Ваша оценка работы автора

Голосовавшие
10. Вы ещё не голосовали в этом опросе
  • Отлично

    1 10.00%
  • Хорошо

    1 10.00%
  • Удовлетворительно

    5 50.00%
  • Посредственно

    1 10.00%
  • Затруднительно оценить

    2 20.00%
Форум трейдеров » Аналитические обзоры » Прогнозирование на основе "памяти" рынка
+ Подписаться
Страница 4 из 7 ПерваяПервая ... 23456 ... ПоследняяПоследняя
  1. 4,059
    Комментарии
    24
    Темы
    6226
    Репутация Pro
    Аватар для Hunter01  
    Старожил

    6 Медалей
    Моё молчание в течение месяца не означает конец темы. Можно было рисовать новые картинки, делать прогнозы и т.п. Но это было бы топтанием на одном месте. За этот месяц я анализировал различные методики прогноза в плане опробования прогнозирующих индикаторов и выстраивал план изложения материала.
  2. 4,059
    Комментарии
    24
    Темы
    6226
    Репутация Pro
    Аватар для Hunter01  
    Старожил

    6 Медалей
    В заключении темы цикличности приведу основные принципы применения циклов к торговле, взятые из двух книг.
    Первая - это ДжонДж. Мэрфи "Технический анализ фьючерсныхрынков".
    Вторая - Ричард Моги и Джек Швагер глава из книги «Технический анализ: Полный курс».
  3. 4,059
    Комментарии
    24
    Темы
    6226
    Репутация Pro
    Аватар для Hunter01  
    Старожил

    6 Медалей
    ДжонДж. Мэрфи

    Существует четыре основных принципа, позволяющих рассмотреть ценовую модель как циклическую закономерность.
    Суммирование.
    Принцип суммирования заключается в том, что любое ценовое движение является суммой циклов разной длины. Таким образом, если изолировать их друг от друга, а затем вновь сложить, то можно определить время возникновения максимума и минимума дальнейшего ценового тренда.

    Гармоничность и Синхронность.
    Принципы гармоничности и синхронности говорят о сочетании двух циклов. Их гармоничность заключается в пропорциональности периодов, а синхронность – в соответственном возникновении минимумов. Циклический анализ предпочитает измерять протяжённость периодов между двумя нижними точками.

    Пропорциональность.
    Принцип пропорциональности означает, что амплитуды колебаний циклов прямо пропорциональны их периодам.

    Таким образом, любое ценовое движение может быть представлено как сумма некоторых пропорциональных, гармоничных и синхронных трендов. Но определение составляющих компонент цикла аналитическими методами сложно осуществить на практике. Для этого существуют численные методы, позволяющие представить колебания цены в удобном для циклического анализа виде. Большую группу составляют методы, использующие математико-статистический аппарат (преобразования Фурье, метод максимальной энтропии и т.д.). Другую группу составляют чисто визуальные методы – определение длины периода «на глаз». Между двумя уже упомянутыми методиками лежит инструмент, основанный на особого рода проецировании цены, называемый снятие направленности.

    Первый шаг снятия направленности – построение определённой скользящей средней и её центрирование. Затем график цен проецируется относительно скользящей средней, при этом значения берутся либо как расстояние, либо как проценты между скользящей и действительным значением. После этого наглядными становятся максимумы и минимумы графика, позволяющие определить его периодичность.

    Не менее важным, чем определение периодичности цикла, является определение места возникновения его экстремума. Поскольку период обычно определяют между нижними точками, значит максимум, для идеального цикла, должен быть точно посередине периода. Трендовый (бычий или медвежий) рынок определяют движением цены вверх или вниз, являющимся более сильным и успешным, чем противоположное. Это определение говорит об амплитудных закономерностях, то есть в бычьем рынке движение вверх длится дольше, чем движение вниз. Для медвежьего рынка справедливо обратное утверждение.

    Это является основополагающим определением для концепции правого и левого смещения. Правое смещение возникает при бычьем рынке, а левое – при медвежьем. Иначе говоря, максимум цены на определённом отрезке цикла располагается соответственно ближе к концу или ближе к началу. Если на определённом цикле отмечается левое смещение, это свидетельствует о том, что общее направление тренда; если же при этом оно заменяется консолидацией, а потом правым смещением, то вероятна смена основного тренда с медвежьего на бычий. Эта концепция работоспособна для установления времени возникновения ценовых максимумов рынка, определения текущего направления тренда и является одной из важнейших в прикладном использовании Теории Циклов.

    Выводы о возможности применения на практике теории таковы:

    * Возможно предсказать время возникновения ценовых минимумов рынка, используя метод снятия направленности, и визуально определяется длину периода цикла.
    * При ярко выраженном бычьем или медвежьем тренде можно предположить наличие соответственно правого или левого смещения и определить время возникновения максимума. При боковом текущем тренде максимум, с большой вероятностью, возникнет посередине цикла.
    * Если направление тренда неизвестно, устанавливается наличие правого, левого смещения или его отсутствие. По смещению определяется бычье или медвежье направление цен, а отсутствие его говорит о боковом тренде.
  4. 4,059
    Комментарии
    24
    Темы
    6226
    Репутация Pro
    Аватар для Hunter01  
    Старожил

    6 Медалей
    Ричард Моги и Джек Швагер.

    Восемь шагов при проведении циклического анализа.
    Полный циклический анализ рядов данных использует следующую пошаговую процедуру.
    1. Выбор данных.
    Выбор типа данных. лучше всего использовать непрерывные фьючерсы, которые устраняют влияние замены одного контракта на другой.

    Выбор длины отрезка данных. Большинство методов поиска циклов испытывает проблемы, связанные с недостатком или переизбытком данных. Если набор данных слишком мал, то аналитик просто не увидит достаточного количества повторений, чтобы обнаружить наличие цикла. Как правило, требуется по меньшей мере десять повторений цикла (лучше пятнадцать), чтобы статистически подтвердить его наличие. Следовательно, если кто-то ищет 100-дневный цикл, необходимо иметь данные за 1000 дней, чтобы его обнаружить. Практический минимум — это примерно 200 точек данных, независимо от длины отыскиваемых циклов, поскольку большинство математических алгоритмов не смогут правильно работать при меньшем количестве данных.

    1.1. Внутридневные данные. Хотя циклы могут быть обнаружены и во внутридневных данных, существуют две проблемы, связанные с их поиском. Во-первых, подобные сжатия содержат слишком много случайного шума. (В общем случае более короткие, чем 30-минутные сжатия, склонны содержать слишком много случайных флуктуаций.) Во-вторых, поскольку, как обсуждалось ранее, лучше всего не работать с количеством данных, превышающим 2000 точек, большинство преобладающих циклов будет упущено. Тем не менее довольно часто часовые или более долгосрочные данные работают хорошо, и аналитику следовало бы поэкспериментировать с подобными сериями. Общий принцип состоит в том, что чем больше средний дневной объем, тем более вероятно, что краткосрочные данные содержат важные циклы.

    2.Дневные данные. Дневные данные — это лучшие данные для анализа циклов. С практической точки зрения период минимального цикла, который может быть проанализирован, равен пяти дням, поскольку трудно отфильтровать шум для меньшего количества точек данных. Верхний предел периода цикла равен одной десятой длины всего объема данных, поскольку, как объяснялось ранее, более длинные циклы покажут слишком мало повторений, чтобы адекватно подтвердить наличие обнаруженного цикла.
    Основная сложность, связанная с анализом дневных данных, — это проблема выходных дней. Есть три основные возможности ее решения: (1) считать, что в выходные были торги с теми же результатами, что и в предшествующий им день; (2) интерполировать ценовые данные на выходные дни; (3) игнорировать выходные дни. Хотя единственного правильного ответа не существует, мы предпочитаем, исходя из опыта, первое решение.

    3. Недельные данные. После внутридневных данных недельные данные представляют собой наиболее проблематичную степень сжатия, поскольку их период не совпадает с периодами любых сезонных моделей. Проблема связана с тем, что изменения цен многих фьючерсных контрактов имеют сезонный характер. Поскольку месяц не равен четырем неделям, а год немного длиннее, чем 52 недели, недельные данные «идут не в ногу» с сезонными изменениями. Основная ценность недельных данных заключается в том, что они позволяют идентифицировать циклы, слишком длинные, чтобы их можно было найти, используя дневные данные. Один из возможных подходов — использовать недельный анализ для отыскания подобных более длинных циклов, а затем конвертировать циклы в дневные или месячные, что позволит избежать проблемы несовпадения фаз цикла с сезонными моделями данных. Аналогично дневным данным, ограничьте поиск циклами, период которых не меньше пяти недель и не больше одной десятой всего объема данных.

    4. Месячные данные. Вместе с дневными данными месячные данные представляют собой наилучшее сжатие для циклического анализа. У месячных данных нет проблем, связанных со случайными флуктуациями, поскольку они сильно сглажены. Кроме этого, они прекрасно сочетаются с сезонными тенденциями во фьючерсных данных. Месячные данные могут использоваться для отыскания циклов от 5 месяцев до 350. (Верхний предел превышает максимальную длину цикла, равную одной десятой всего объема данных, о которой говорилось выше. Это менее жесткое условие возникает благодаря сглаженной природе месячных данных.)

    2. Визуальный анализ данных.

    1. Выделение точек, содержащих негодные данные. Любые данные содержат ошибки. Большие ошибки могут полностью разрушить методы анализа циклов. Визуальная проверка данных на графике позволяет аналитику быстро идентифицировать все точки, в которых данные сильно выбиваются из общего ряда. Точность этих данных необходимо проверить отдельно.
    2. Нахождение экстремальных колебаний цен. Ценовые пики на рынке золота и серебра 1980 г. и крушение фондового рынка 19 октября 1987 г. — примеры экстраординарного ценового движения. Движения цен, подобные этим, настолько велики, что могут существенно исказить анализируемые циклы, а также затруднить нахождение циклов, присутствующих на широких интервалах данных. Наилучший подход к таким ситуациям состоит в том, чтобы произвести два отдельных анализа данных: первый — на данных вплоть до возникновения ненормального движения, а второй — на тех данных, которые появляются после него. Найденные в результате анализа двух наборов данных циклы следует сравнить, проверив их на надежность с точки зрения статистики, и выбрать один из двух циклов.
    3. Оценка тренда. Визуальная проверка графика дает возможность с легкостью понять, присутствует ли в данных тренд, и оценить силу любого подобного тренда. Понимание этих аспектов важно для принятия решения о том, нуждаются ли данные в удалении тренда.
    4. Оценка средней длительности рыночных колебаний. Человеческий глаз лучше понимает форму, чем большинство циклических алгоритмов. Если ваш глаз не видит колебаний, вероятно, преобладающий цикл отсутствует. Параметры цикла можно оценить путем измерения расстояния между гребнями с помощью линейки.

    3. Перевод данных в логарифмическую форму (первый шаг по удалению трендовых компонентов).

    На нескорректированном графике ценового ряда одно и то же процентное изменение цены будет выглядеть все больше и больше по мере роста цен — нежелательное качество, которое может привести к серьезным искажениям, особенно в данных с сильным трендом. Однако когда данные переведены в логарифмическую форму (взяты логарифмы данных), равные процентные изменения будут изображаться как одинаковые вертикальные изменения на графике.
    Эти характеристики данных можно увидеть на рис., который показывает промышленный индекс Доу-Джонса с 1900 г. до начала 1995 г. в виде необработанных данных и в логарифмической форме. На диаграмме, показывающей необработанные данные, одинаковое процентное изменение индекса выглядит по-разному в начале и в конце графика, так как цены в начале века были ниже, чем в настоящее время. Тем не менее на логарифмическом графике характер движения цен не меняется на протяжении всего XX века. Например, 10%-ное движение акций составляет 400 пунктов на уровне 4000, но лишь 10 пунктов на уровне 100, в то время как на логарифмической диаграмме 10%-ное движение цен всегда одинаково и не зависит от арифметической разницы.
    Даже при использовании других методов удаления тренда необходимо работать с логарифмическими данными. Причина состоит в том, что взятие логарифмов нормирует процентные ценовые колебания, что является полезным свойством даже для бестрендовых данных. Если не брать логарифмы, то одно и то же процентное ценовое изменение на более высоком ценовом уровне окажется больше, чем при низких ценах. Таким образом, появится искажение в соотношении амплитуд различных ценовых колебаний. Например, если из графика фондового индекса удален тренд без взятия логарифмов, колебания вокруг горизонтальной оси будут становиться все шире и шире при росте цен с течением времени.

    Вложение 194379

    Рассуждения, приведенные выше, предполагают, что анализ циклов применяется к фьючерсным ценовым сериям. Ради полноты следовало бы заметить, что если циклический анализ применяется к экономическим сериям, в которых присутствует элемент ярко выраженной тенденции (например, индекс потребительских цен), перевод в логарифмическую форму не окажется адекватным в качестве первого шага по снятию направленности. В сериях такого типа следует удалять тренд одним из двух методов: с помощью темпов изменения или первых разниц.
    Темпы изменений (rate of change, ROC) вычисляются путем деления данных в текущей точке на данные в точке, расположенной в ряду данных на некоторое количество периодов ранее. В месячных экономических данных обычно берется точка, расположенная на 12 месяцев раньше. 12-месячный ROC показывает процентные изменения от года к году. Первые разницы вычисляются путем вычитания значения предшествующей точки данных из значения текущей точки. Метод первых разниц — один из наиболее редко используемых приемов обработки данных, поскольку после его применения график данных становится похож на случайные колебания, что затрудняет его визуальную интерпретацию. Хотя перевод в логарифмическую форму может сочетаться с отклонениями от скользящей средней (которые обсуждаются позже), он не сочетается с такими методами снятия направленности, как темпы изменений или первые разницы.
     
  5. 4,059
    Комментарии
    24
    Темы
    6226
    Репутация Pro
    Аватар для Hunter01  
    Старожил

    6 Медалей
    Продолжение.

    4. Сглаживание данных.

    Сглаживание с целью устранения ошибок в данных. Этот тип сглаживающей процедуры необходим только тогда, когда данные могут содержать ошибки, например резкие выбросы цены, не соответствующие реальному рынку. Если данные не содержат ошибок, то данный тип сглаживания можно не применять. Наиболее популярным методом сглаживания при работе с данными, содержащими ошибки, является сглаживание по трем точкам. При этой процедуре оригинальные данные конвертируются в свою трехточечную скользящую медиану — из трех точек выбирается средняя по величине, а максимальная и минимальная величины отбрасываются. Таким образом, ошибочные выбросы цены будут проигнорированы и не войдут в преобразованный ценовой ряд. Конечно, этот метод будет удалять и реальные трехдневные максимумы и минимумы. Если представляется возможным, предпочтительно корректировать данные «вручную» и полностью избегать данного метода.
    Сглаживание с целью удаления случайных колебаний. Как обсуждалось ранее, ряды данных могут быть разбиты на три основных компонента: тренд, циклы и случайные колебания. Таким образом, чтобы найти циклы, необходимо из данных удалить тренд и случайные колебания. Если из первоначальных данных полностью удалены тренд и случайные колебания, полученный в результате ценовой ряд может оказаться цикличным. Удаление тренда уже было рассмотрено, за исключением последнего шага — взятия отклонений от скользящей средней, которое обсуждается ниже.
    Сглаживание с целью устранения (или, по крайней мере, подавления) случайных колебаний достигается путем вычисления краткосрочной центрированной скользящей средней ценового ряда. Центрированная скользящая средняя отличается от обычной скользящей средней, используемой в техническом анализе, тем, что она рассчитывается как среднее значение равного количества точек перед и после текущей точки. Например, 11-дневная скользящая средняя — это среднее значение данного дня, предыдущих пяти дней и последующих пяти дней. Центрированная скользящая средняя всегда вычисляется по нечетному количеству дней. Если мы вычисляем скользящую среднюю по n точкам, то из первоначального ряда данных будет выброшено n — 1 точек — половина в начале и половина в конце ряда.
    При сглаживании данных очень важно, чтобы аналитик выбрал скользящую среднюю более короткую, чем самый короткий из отыскиваемых циклов. Причина состоит в том, что если скользящая средняя, используемая для сглаживания данных, длиннее, чем некий отыскиваемый цикл, она будет инвертировать фазу оригинального цикла. Этот момент будет объяснен и проиллюстрирован далее, при обсуждении отклонений от скользящей средней.

    5. Поиск возможных циклов.

    Ряды Фурье. Почти все математические алгоритмы анализа циклов используют некоторую версию рядов Фурье — уравнения, содержащего в качестве членов синусы и косинусы. Эти тригонометрические функции идеально годятся для описания волн (или циклов). В основном существует два метода применения рядов Фурье для целей анализа циклов: спектральный анализ и гармонический анализ. С теоретической точки зрения разница между этими двумя методами состоит в том, что спектральный анализ использует частоту, в то время как гармонический анализ использует период. (Как было уже сказано, частота и период имеют обратное соотношение.) Более существенное с практической точки зрения различие между этими двумя подходами заключается в том, что спектральный анализ лучше приспособлен для поиска циклов, в то время как гармонический анализ лучше годится для их проверки.

    Результатом применения спектрального анализа является спектр мощности, который показывает единственное значение для каждой частоты в проанализированном частотном диапазоне. Если для данной частоты показано высокое значение, это предполагает, что у данных есть циклическая волновая форма на этой частоте. Если, однако, для данной частоты показано низкое значение, это подразумевает, что данные стремятся на этой частоте к горизонтальной линии.
    Хотя спектральный анализ данных, с которых частично снята направленность (логарифмов данных), будет правильно определять фазу найденных возможных циклов, амплитуда этих циклов будет искажаться оставшимся в данных трендом. Такое искажение амплитуды будет оказывать серъезное влияние на любые статистические проверки значимости. Таким образом, необходимо полностью снять с данных направленность, прежде чем тестировать циклы на статистическую значимость.

    6. Окончательное удаление трендовых компонентов данных благодаря использованию отклонений от скользящей средней.

    Перевод первоначальных данных в логарифмическую форму, предпринятый на шаге 3, лишь частично удаляет тренд, и, как только что было показано, остатки тренда в данных могут значительно повлиять на проверку статистической надежности. Отклонения от скользящей средней являются наилучшим способом полностью снять направленность с данных. Отклонения вычисляются путем вычитания скользящей средней данных из самих данных. Поскольку скользящая средняя отражает тренд в данных, вычитание ее из данных приводит к сериям, в которых нет тренда.

    Вложение 194381

    Метод отклонений от скользящей средней следует использовать очень осторожно из-за взаимодействия длины скользящей средней и периода данных (если они цикличны). Рис. 12 показывает, как выглядит скользящая средняя данных с безупречным 25-дневным циклом: скользящая средняя, рассчитанная по количеству точек, меньшему чем период цикла, будет содержать тот же цикл, но с меньшей амплитудой; скользящая средняя той же длины, что и цикл, будет постоянной величиной и не будет содержать цикла; скользящая средняя, более протяженная, чем период цикла, будет содержать цикл с инвертированной фазой и уменьшенной амплитудой. (Именно из-за последнего свойства в предыдущем шаге сглаживания данных было необходимо использовать скользящую среднюю более короткую, чем самый короткий из отыскиваемых циклов.)

    Вложение 194385

    Центрированная скользящая средняя с длиной, равной длине цикла, не содержит этого цикла. Следовательно, вычитание этой скользящей средней из первоначальных данных удалит тренд и оставит только цикл. Однако если скользящая средняя существенно длиннее, чем отыскиваемый цикл, она будет скорее трансформировать первоначальный цикл, чем удалять его.
    Следовательно, при вычитании подобной скользящей средней из первоначальных серий будет получаться цикл с неправильными параметрами. Таким образом, если для снятия направленности с данных используются отклонения от средней, важно использовать скользящую среднюю, по длине примерно равную отыскиваемому циклу. Вот почему было необходимо сначала найти циклы (используя спектральный анализ) и лишь потом завершить процедуру удаления тренда. Если длительности потенциальных циклов не были бы известны, мы не могли бы знать длину скользящих средних, необходимых для нахождения рядов отклонений.
      
  6. 4,059
    Комментарии
    24
    Темы
    6226
    Репутация Pro
    Аватар для Hunter01  
    Старожил

    6 Медалей
    Продолжение.

    7. Проверка циклов с точки зрения статистической значимости и доминантности.
    Необходимость статистической проверки. Когда циклы найдены и из данных полностью удален тренд с помощью описанных методов, аналитику нужно оценить циклы, используя различные стандартные статистические приемы. Это очень важно, так как визуально легко найти множество циклов там, где на самом деле их нет. Таким образом, необходимо использовать объективную статистическую проверку. В анализе циклов наиболее часто используют три важных теста: тест Бартелса, F-коэффициент и Xи-квадрат.
    Из этих трех способов тест Бартелса предлагает наиболее разумный и надежный способ измерить статистическую значимость цикла...


    8. Комбинирование и проецирование циклов в будущее.

    Общая ошибка, которую совершают многие трейдеры, пытающиеся использовать циклы как инструмент торговли, состоит в предположении, что точки разворота рынка будут в точности соответствовать найденным циклам. В действительности возникают две основные проблемы, даже в случае реальных циклов, которые продолжают работать.
    1. Колебания рынка несимметричны. Математические кривые, используемые для представления циклов, симметричны; они ясно подразумевают, что колебания рынка вверх и вниз имеют одинаковую длительность. Тем не менее колебания рынка в действительности обычно смещены. Если фаза движения вверх продолжается дольше, чем фаза движения вниз, о цикле говорят, что он имеет правое смещение; если дольше движение вниз, о цикле говорят, что у него левое смещение (см рис. ).
    2. Вершины и впадины цикла могут возникать преждевременно или с опозданием. Важно понимать, что идеализированные циклы, обнаруженные методами циклического анализа, — на самом деле композиция исторических проявлений цикла. Этот суммарный цикл в типичном случае будет содержать как преждевременные, так и запаздывающие вершины и впадины. Даже если цикл определен как математически наилучшим образом соответствующий прошлым данным о появлениях вершин и впадин, нет абсолютно никакой причины ожидать, что будущие точки разворота рынка будут в точности соответствовать теоретическим фазам цикла.
    С этими двумя проблемами можно справиться с помощью корректировки смещения цикла и окон цикла.

    Вложение 194439

    Корректировка смещения цикла


    Смещения цикла зависят от двух основных характеристик движения рыночных цен.
    1. Как правило, рынки растут медленнее, чем падают. По-другому эту мысль можно высказать так: «медвежий» рынок обычно бывает короче, чем «бычий». Такая модель поведения приводит к тому, что долгосрочные циклы рыночных цен имеют правое смещение (длина циклов соответствует типичной продолжительности фаз «бычьего»/«медвежьего» рынка).
    2. Для краткосрочных или среднесрочных циклов будет наблюдаться тенденция смещения цикла в направлении более долгосрочного тренда (которое также окажется направлением более долгосрочного цикла). Иначе говоря, во время долгосрочного нисходящего тренда будет наблюдаться большая продолжительность нисходящей фазы цикла, чем его восходящей фазы (левое смещение), а во время долгосрочного восходящего тренда будет наблюдаться большая длительность восходящей фазы цикла, чем его нисходящей фазы (правое смещение).
    Аналитику следует исследовать положение пиков во всех прошлых проявлениях этого цикла, что даст ему намек на возможное смещение в будущем повторении цикла. В идеале аналитик мог бы построить гистограмму частоты прошлых пиков цикла внутри каждого интервала. Например, для 11-месячного цикла такая гистограмма может показывать число пиков, которые появлялись в каждом месяце цикла (время следует отмерять от минимума цикла). Если, например, подобный анализ показывает преобладание пиков в 7, 8 и 9 месяцах (а не в 5, 6 и 7 месяцах, как следовало бы ожидать, если бы цикл был симметричным), то при равенстве всех остальных условий в проекцию цикла следовало бы включить правое смещение. Подобную коррекцию смещения можно уточнить далее путем проведения отдельного анализа прошлых циклов для каждого направления основного долгосрочного цикла. Например, можно построить отдельные гистрограм мы расположения прошлых пиков цикла, основываясь на превалирующем направлении данного долгосрочного цикла.

    Окна цикла


    Учитывая тот факт, что циклы будут достигать своих экстремумов раньше или позже, чем предполагают теоретические разворотные точки цикла, имеет больше смысла использовать проекцию окна цикла, а не точечную проекцию. Для большинства рыночных данных окно должно быть равно примерно 14–20% длины цикла с обеих сторон точки его теоретического разворота. (Конечно, если проекция цикла включает коррекцию смещения, что обсуждалось в предыдущем разделе, центр окна должен находиться в скорректированной, а не в теоретической разворотной точке.) В случае коротких циклов между этими числами не будет большой разницы. Например, 14%-ное окно 73-дневного цикла включает 10 дней с каждой стороны от идеальной точки разворота, а 20%-ное окно — 14 дней. (Рис. показывает 73-дневный цикл с 20%-ным окном.)
    Трейдер будет использовать окна, чтобы определить временные периоды, когда точка разворота рынка кажется наиболее вероятной. Конкретное использование этой информации будет зависеть от трейдера. Некоторые примеры возможных приложений включают более плотное размещение остановок в позициях, которые держатся против спроецированной точки разворота, и использование более чувствительных индикаторов разворота тренда, чем могли бы применяться в другом случае.

    Вложение 194441

    Трендовые циклы и временные циклы
    Трейдер озабочен как направлением рынка, так и выбором момента для открытия или закрытия позиции. Анализ циклов может быть полезным инструментом с обеих точек зрения. С концептуальной точки зрения он полезен для определения двух типов циклов: трендовых и временных. Трендовый цикл — это тот цикл, который может быть использован трейдером как инструмент прогнозирования возможного направления движения рынка. Временной цикл, как подразумевает название, полезен при выборе времени для входа в рынок. В идеале трейдер будет использовать спроецированные разворотные точки (или окна) во временном цикле, чтобы выбирать момент начала торговли в направлении трендового цикла (рис. ).
    Класификация любого данного цикла как трендового или временного не определяется его сущностью, но будет зависеть от каждого отдельного трейдера. Цикл, который для одного игрока будет трендовым, для более долгосрочного трейдера может быть более пригодным в качестве временного цикла. Однако каждому трейдеру следует выбирать один цикл для направления и более короткий цикл для выбора времени открытия позиции. Вообще говоря, трейдеру следует выбирать в качестве трендового цикла тот, длина которого значительно больше, чем подразумеваемая продолжительность сделки. Например, если трейдер обычно держит позицию около трех месяцев (предполагая, что она не ликвидируется по причинам, связанным с управлением риском), ему следует выбирать в качестве трендового цикл длиной около шести месяцев. (Конечно, выбор трендового цикла будет ограничен только статистически значимыми циклами.) В типичном случае временной цикл должен быть равным примерно от половины до одной трети длины трендового цикла.

    Вложение 194443

    Заключение

    Анализ циклов часто привлекает людей по ложной причине. Желание найти максимумы и минимумы рынка свойственно человеческой природе. Поскольку циклы могут использоваться для проецирования будущих разворотных точек, они, как кажется, предлагают инструмент, с помощью которого можно удовлетворить это желание. Проблема в том, что погоня за максимумами и минимумами свойственна начинающим (и проигрывающим) трейдерам. Как было показано в этой главе, циклы — только одна из сил рынка, и временами она может перевешиваться другими рыночными влияниями. Более того, даже наиболее постоянные циклы будут отклоняться от своих математических представлений. Таким образом, негибкое использование проекций циклов в целях принятия торговых решений (при исключении других методов) — прямая дорога к катастрофе. Неизбежно будут возникать некоторые обстоятельства, когда за спроецированными циклическими минимумами последует главный нисходящий тренд, а за спроецированными циклическими высотами — главный восходящий тренд. Мораль в том, что циклы могут быть очень полезны как один из элементов информации, используемой при принятии торговых решений, но на них никогда не следует полагаться как на единственный источник подобных решений.
       
  7. 4,059
    Комментарии
    24
    Темы
    6226
    Репутация Pro
    Аватар для Hunter01  
    Старожил

    6 Медалей
    Вот на этой мудрой последней фразе из предыдущего поста и покончим с теорией. Следующей темой будет монадность рынка, но, предварительно, хочу остановиться на одном индикаторе. Это индикатор Fourier_extrapolator_sin, он показывает в основном окне набор синусоид с преобладающими на исследуемом отрезке ценового графика периодами, т.е. выполняет гармонический анализ. Пример применения индикатора показан на графиках EURUSD.
  8. 4,059
    Комментарии
    24
    Темы
    6226
    Репутация Pro
    Аватар для Hunter01  
    Старожил

    6 Медалей
    Вложение 194899

    На дневном графике приведены две оранжевые синусоиды с периодами 60 и 27 бар. Синусоиды жёстко не привязаны к цене, они просто показывают в данном случае преобладающий и второстепенный периоды. Значения периодов определяются при наведении мышкой на синусоиду - появляется окошко со значением периода. Видно, что период 60 бар действительно соответствует преобладающему видимому периоду графика цены.
    Значение 1/2 преобладающего периода можно использовать для выбора параметров МА и осцилляторов. На графике показана голубым пунктиром МА-30 и МАСD с медленной ЕМА=30. Зелёными и красными пунктирными вертикальными линиями показаны точки открытия лонгов и шортов, соответственно.
     
  9. 4,059
    Комментарии
    24
    Темы
    6226
    Репутация Pro
    Аватар для Hunter01  
    Старожил

    6 Медалей
    Вложение 194909

    На графике Н4 присутствуют уже 4 синусоиды с периодами 333, 164, 63 и 27 бар. Визуально определяем период 333 как преобладающий. Он примерно равен преобладающему периоду в 60 бар на дневном графике (333/6 = 55.5). Значение 116 (1/2 периода 333) используем как параметр для МА и осциллятора.
     
  10. 4,059
    Комментарии
    24
    Темы
    6226
    Репутация Pro
    Аватар для Hunter01  
    Старожил

    6 Медалей
    Вложение 194927

    На этом скрине представлена правая часть графика Н4 из предыдущего поста. Оставлены только две синусоиды с периодами 63 и 31 бар. На предыдущем графике была синусоида с периодом 27, а на этом - 31. Это объясняется тем, что последний скрин был сделан сегодня, а предыдущий 6 декабря, соответственно данные изменились и изменилось одно из значений индикатора. Как и в предыдущих случаях 1/2 преобладающего периода 63 бар используем для оптимальной настройки МА и МАСD.
    (то же самое относится и к осцилляторам стохастик и ССI).
    Кстати, на этом графике хорошо видно левое (медвежье) смещение муксимумов преобладающего цикла (жёлтые трендовые линии).
     

Вверх
РегистрацияX

чтобы писать, читать, комментировать