TradersEdgeSystems.
Dicas para comerciantes de estoque e commodities de janeiro de 2017.
Músculo acima dessas médias (artigo substituto para AIQ)
Artigo original de Ajay Pankhania.
O código para John Ehlers & rsquo; O artigo não é fornecido para AIQ. Em vez disso, eu substituí um artigo da edição de setembro de 2018 por Ajay Pankhania, & ldquo; Muscle Up Those Mets & rdquo ;.
Eu pensei que este código básico poderia ser útil para começar os usuários do AIQ Expert Design Studio, pois ilustra como codificar várias versões das médias móveis simples e exponenciais, bem como o indicador MACD. Também o sistema de cruzamento de média móvel simples e os sistemas de cruzamento MACD são codificados.
(clique direito e escolha Salvar como)
Indicadores preditivos para estratégias efetivas de negociação.
Artigo original de John Ehlers.
Os seguintes arquivos de código estão contidos no download dos sites:
Função: SUPSMO & ndash; O filtro SuperSmoother retorna o valor suavizado para a entrada & ldquo; price & rdquo; Função: ROOF & ndash; O filtro de telhado retorna o valor filtrado de passagem alta de dois pólos que é então o valor suavizado pela primeira função, o & ldquo; SUPSMO & rdquo; para o input & ldquo; price & rdquo; Função: MESASTOC & ndash; calcula um estocástico do & ldquo; price & rdquo; entrada que usa o filtro de cobertura e os filtros super suaves e retorna um valor super suavizado para o indicador estocástico: EHLERS_SUPSMO_IND usado para traçar o SuperSmoother em um gráfico Indicador: EHLERS_ROOF_IND usado para traçar o filtro Roofing em um gráfico Indicador: EHLERS_MESASTOC_IND usado para plotar o MesaStochastic em um sistema gráfico: EHLERS_MESASTOC_SYS um sistema (não no artigo) que criei para mostrar um exemplo de como usar o indicador MesaStochastic em um sistema. Na Figura 1, mostro um gráfico do contrato de futuros S & amp; P 500 usando Pinnacle Data, símbolo SP com os três indicadores discutidos pelo autor. No painel principal, vemos o filtro SuperSmoother usando o fechamento como o & ldquo; price & rdquo; entrada. No segundo painel, vemos o indicador MesaStochastic e, no painel inferior, vemos o filtro Roofing. Na Figura 2, mostro a curva de equidade e a curva de equidade subaquática para o sistema de exemplo que eu escrevi negociando um contrato apenas por muito tempo.
Figura 1 - gráfico do contrato de futuros S & amp; P 500 com os três indicadores, SuperSmoothing, Roofing e MesaStochastic.
Figura 2 & ndash; Equidade e curvas subaquáticas para o sistema de exemplo que eu escrevi negociando um contrato do SP apenas por muito tempo.
Indicadores preditivos.
INTRODUÇÃO.
Os comerciantes técnicos entendem que os indicadores precisam alisar os dados do mercado para serem úteis, e esse alisamento introduz o atraso como efeito colateral indesejável. Nós também sabemos que o mercado é fractal; um gráfico de intervalo diário parece exatamente com um gráfico semanal, mensal ou intradía. O que pode não ser tão óbvio é que, à medida que o intervalo de tempo ao longo do eixo x aumenta, o preço alto a baixo que balança ao longo do eixo y também aumenta, aproximadamente na proporção. Este fenômeno de "dilatação espectral" causa uma distorção indesejável, que não foi reconhecida ou foi amplamente ignorada por desenvolvedores de indicadores e técnicos de mercado.
Então, temos dois desafios a abordar. 1) Como melhorar os dados; e 2) como a natureza fractal do mercado distorce a interpretação do indicador.
Para resolver os problemas de suavização, vou mostrar-lhe um novo filtro deslumbrante da minha experiência de design de filtro analógico aeroespacial traduzido para um filtro digital útil para comerciantes. Para abordar os efeitos atenuantes da estrutura fractal do mercado, vou mostrar-lhe os efeitos de um novo filtro raramente utilizado na negociação. Ao remover o ruído e a distorção do indicador, mostrar-lhe-ei o conceito central de obter vencedores de negociação consistentes a curto prazo.
ESTRUTURA DE DADOS DE MERCADO.
Imagine um gráfico usando dados diários. Em seguida, imagine um gráfico usando dados semanais. Eles basicamente parecem os mesmos quando as balanças são removidas. Isso geralmente é chamado de natureza fractal do mercado. Uma vez que os gráficos parecem os mesmos, e uma vez que as escalas de tempo são diferentes por um fator de 5, deve-se concluir que os balanços cíclicos são cinco vezes maiores quando se utilizam dados semanais. Portanto, as amplitudes do ciclo nos dados do mercado estão em proporção direta ao seu comprimento de onda para as dimensões fractrais a serem mantidas.
Houve muitos estudos acadêmicos sobre a estrutura de dados do mercado. A Figura 1 captura os fatores significativos encontrados nestes estudos. O eixo horizontal é em termos de frequência, de modo que uma frequência de 10 -1 significa um ciclo com um período de 10 barras e uma frequência de 10 -2 significa um ciclo com um período de 100 barras, etc. A escala vertical é a poder na onda.
Aliasing noise tem a maior amplitude nas freqüências mais altas (ou seja, os períodos de ciclo mais curtos). Uma vez que Aliasing Noise é maior do que os sinais nestes períodos de ciclo, o ruído encapsula a informação no sinal e a única coisa a fazer é evitar a tentativa de usar sinais que se enquadram no intervalo desses períodos de ciclo. Aliasing Noise também é tão grande ou maior do que sinais em períodos de ciclo mais longos e, portanto, deve ser removido por suavização para recuperar o sinal.
Começando em períodos um pouco mais curtos do que um ciclo de 10 barras, uma onda mais longa possui mais energia do que uma onda mais curta, o que significa que a amplitude da onda é maior para a onda mais longa. Eu chamo a forma dessa Dilatação Spectral de amplitude de onda versus freqüência.
A Dilatação Espectral aumenta a uma taxa de aproximadamente 6 dB por oitava. Isso significa que cada vez que o período do ciclo é duplicado, a amplitude da onda na onda mais longa também é dobrada. Isso funciona do outro jeito também. Ou seja, toda vez que o período do ciclo é dividido pela metade, a amplitude da onda também é dividida pela metade.
Embora eu sabia sobre a Dilatação Espectral, fiquei chocado ao descobrir que o fenômeno existe até períodos de ciclo mais curtos - mesmo abaixo de um período de ciclo de 10 bar. Neste momento, a Dilatação Espectral intercepta o Ruído Aliasing resultante do uso de dados amostrados. Se quisermos simplesmente eliminar Aliasing Noise, não precisamos de um filtro de suavização por mais de um período de ciclo de 10 barras. Na verdade, o uso de um filtro de suavização de mais de 10 barras atenua os dados que estamos tentando usar na negociação.
Figura 1. Dados de mercado contém o ruído de Aliasing e Dilatação Espectral. Aliasing Noise Swamps o sinal onde o período do ciclo é inferior a 10 barras.
Também é digno de nota que Aliasing Noise escala com a frequência de amostragem e, portanto, é uma boa regra geral que Aliasing Noise intercepta a amplitude do sinal em aproximadamente um período de ciclo de 10 bar, independentemente do período em que você está negociando.
FILTROS DE LISO.
A maioria dos comerciantes usa uma média móvel para suavização. O problema é que uma média móvel não é apenas um filtro muito eficiente. Para obter a quantidade de suavização desejada, o comprimento médio móvel deve ser feito por mais tempo. Mas tornar o comprimento médio mais longo também causa mais atraso, com o resultado de que os sinais de negociação suavizados não são oportunos para um bom comércio. Meu filtro SuperSmoother é muito mais eficiente. Eu criei o filtro digital SuperSmoother convertendo um filtro analógico com indutores e capacitores reais no domínio digital e minimizando o atraso do filtro convertido. Eu comparei uma média móvel móvel (EMA) de 10 barras com meu filtro SuperSmoother configurado para um período crítico de 10 barras para uma comparação de maçãs para maçãs na Figura 2. A escala horizontal é em termos de freqüência, de modo que 0,1 corresponde para um período de ciclo de 10 barras e .5 corresponde a um período de ciclo de 2 barras. 0,5 é chamada de freqüência Nyquist, e é o componente de freqüência mais alta possível usando dados amostrados.
O EMA apenas reduz a amplitude na freqüência de Nyquist em 13 dB. Por outro lado, o filtro SuperSmoother teoricamente elimina completamente os componentes na Freqüência Nyquist. O benefício adicional é que o filtro SuperSmoother tem significativamente menos lag que o EMA.
Figura 2. Um EMA tem apenas atenuação de ruído moderada, enquanto um SuperSmoother praticamente elimina o ruído de Aliasing.
O Listado de Código 1 fornece o código EasyLanguage para calcular o filtro Super Smoother. As variáveis a1 e b1 são calculadas para o período crítico de 10 bar. Estes são usados para calcular os coeficientes c1, c2 e c3 do filtro. Se o leitor estiver traduzindo para outro idioma do computador, observe que os argumentos trigonométricos estão em graus, enquanto eles estão em radianos na maioria dos outros idiomas. Observe também que a notação [N] é o valor dessa variável "N" há bar.
Tendo resolvido o problema de lidar com Aliasing Noise, podemos agora chamar nossa atenção para Dilatação Espectral.
DILAÇÃO ESPECTRAL.
A maioria dos osciladores de negociação e "detrenders" realizam basicamente a mesma maneira que um filtro HighPass de 1 pol. Porque eles só têm um termo de diferença em seu cálculo. Por exemplo, o termo de diferença de um indicador estocástico subtrai o menor preço de fechamento ao longo do período do indicador do preço de fechamento atual. O resultado da realização como um filtro HighPass de 1 polo é que a atenuação escala como 6 dB por oitava para componentes de freqüência menores do que a freqüência crítica.
Mas se a Dilatação Espectral estiver aumentando a amplitude a uma taxa de 6 dB por oitava e o oscilador estiver reduzindo a amplitude devido à filtragem a uma taxa de 6 dB por oitava, o resultado líquido é que as ondas do período mais longo não são filtradas. O único efeito do filtro de pólo único (ou indicador convencional) é aplanar e igualar a densidade espectral. A Figura 3 mostra a saída de um filtro HighPass de um único pólo que é alisado com um filtro SuperSmoother.
Figura 3. Um filtro HighPass de um único pólo (ou oscilador) não remove componentes de baixa freqüência, resultando na saída falhando em ter uma média zero.
Se a complexidade do filtro de passagem alta for aumentada para um filtro HighPass de 2 pólos, a resposta do filtro aumenta para 12 dB por oitava, permitindo que os efeitos da Dilatação Espectral sejam removidos. O resultado do uso do filtro HighPass de 2 pólos é comparado com a resposta do filtro HighPass 1-pólo original na Figura 4.
A saída original do filtro HighPass de 1 polo é mostrada como a linha tracejada vermelha e a saída do filtro HighPass de 2 pólos mostra que os efeitos da Dilatação Espectral foram removidos. Agora, a saída tem um meio nominalmente zero, permitindo uma avaliação mais precisa dos pontos de giro sem a distorção dos deslocamentos do período longo. Além disso, a forma de onda geralmente tem menos atraso quando os componentes da onda mais longa são removidos.
Figura 4. Um filtro HighPass de dois pólos remove os efeitos da dilatação espectral. Isso dá ao Oscilador uma média zero para avaliar com precisão os pontos de giro e, em geral, reduz a desaceleração do indicador.
A combinação de um filtro HighPass de 2 pólos e um filtro SuperSmoother pode ser usado para pré-condicionar dados antes de quaisquer cálculos adicionais serem realizados. Uma vez que esta combinação de filtros limita o intervalo de períodos de ciclo na saída, ele é chamado de "Filtro de telhado" porque fornece um telhado sobre cálculos adicionais. O código EasyLanguage para calcular o filtro Roofing é fornecido na Lista de Código 2.
© 2018-2017 John F. Ehlers>
alfa1 = (Cosine (.707 * 360/48) + Sine (.707 * 360/48) - 1) / Cosine (.707 * 360/48); HP = (1 - alfa1 / 2) * (1 - alfa1 / 2) * (Fechar - 2 * Fechar [1] + Fechar [2]) + 2 * (1 - alfa1) * HP [1] - (1 - alpha1) * (1 - alfa1) * HP [2];
a1 = expvalue (-1.414 * 3.14159 / 10);
b1 = 2 * a1 * Cosine (1.414 * 180/10);
Filt = c1 * (HP + HP [1]) / 2 + c2 * Filt [1] + c3 * Filt [2];
Na Listagem de Código 2, a variável alpha1 é calculada para o período crítico HighPass de 48 barras. O filtro HighPass passará todos os componentes espectrais com períodos inferiores a 48 bar. O filtro SuperSmoother passa por todos os componentes espectrais com um período superior a 10 bares. O resultado final do filtro Roofing é que os componentes cíclicos com períodos entre 10 bares e 48 barras serão passados da entrada para a saída. Se o leitor estiver traduzindo para outro idioma do computador, observe que os argumentos trigonométricos estão em graus, enquanto eles estão em radianos na maioria dos outros idiomas. Observe também que a notação [N] é o valor dessa variável "N" há bar.
O impacto do uso do filtro Roofing antes de calcular um estocástico é mostrado na Figura 5. Claramente, o estocástico convencional tende a pendurar perto do limite superior quando os preços estão em alta tendência. Uma vez que essa característica é causada pela Dilatação Espectral, as antigas explicações cansadas de como usar% K,% D e quando inserir uma posição curta no final de uma tendência são simplesmente bobas. Quando o filtro Roofing precede o Estocástico, conforme mostrado no segundo subgrafo da Figura 5, as ondas de longo período foram removidas e as ondas de balanço são óbvias por inspeção.
Figura 5. Um filtro de telhado que precede um estocástico remove distorção de dilatação espectral.
O cálculo estocástico é simplesmente o fechamento atual menos o fechamento mais baixo durante o período de cálculo, normalizado para o fechamento mais alto menos o fechamento mais baixo. Embora este cálculo seja trivial, incluí o indicador completo na Lista de Código 3 para a conveniência dos leitores que desejam duplicá-lo. Conforme descrito acima, uso a saída do filtro Roofing para o cálculo estocástico, em vez do preço de fechamento. Observe também que eu uso um filtro SuperSmoother em vez de uma média móvel exponencial para suavizar o resultado dos cálculos. Eu chamo o indicador "My Stochastic" para evitar confusão com o indicador Stochastic convencional.
© 2018-2017 John F. Ehlers>
BestC (0), LowerC (0), count (0), Stoc (0), MyStochastic (0);
alfa1 = (Cosine (.707 * 360/48) + Sine (.707 * 360/48) - 1) / Cosine (.707 * 360/48);
HP = (1 - alfa1 / 2) * (1 - alfa1 / 2) * (Fechar - 2 * Fechar [1] + Fechar [2]) + 2 * (1 - alfa1) * HP [1] - (1 - alpha1) * (1 - alfa1) * HP [2];
a1 = expvalue (-1.414 * 3.14159 / 10);
b1 = 2 * a1 * Cosine (1.414 * 180/10);
Filt = c1 * (HP + HP [1]) / 2 + c2 * Filt [1] + c3 * Filt [2];
Para contagem = 0 a Comprimento - 1 Comece.
Se Filt [count]> HighestC então HighestC = Filt [count];
ESTRATÉGIAS EFICAZ DE NEGOCIAÇÃO A CURTO PRAZO.
Tendo tratado com sucesso os problemas de Aliasing Noise, bem como Dilatação Espectral nos dados de preços, agora temos as ferramentas para abordar as estratégias de negociação.
A sabedoria convencional dita que um comércio de posição longa seja inserido após o indicador do oscilador ter atingido um mínimo e aparecer. O pensamento aqui é que o indicador é tão pouco confiável que a confirmação do movimento de preços deve ser obtida antes do comércio ser feito. As regras de negociação convencionais são descritas na Figura 6. Os sinais de compra são criados quando o indicador cruza o nível de 20%. Os sinais de venda curta (ou Vender para Sair) são criados quando o indicador cruza sob o nível de 80%.
Figura 6. Sabedoria convencional é comprar quando o indicador cruza acima de 20% e para vender curto quando o indicador cruza abaixo de 80%
Podemos testar esta hipótese. Eu vou descrever uma estratégia comercial usando o estocástico precedido por um filtro Roofing do Listado de Código 3. Eu quero enfatizar que este não é um sistema comercial explícito, é apenas uma demonstração de uma estratégia. A estratégia usando a confirmação é comprar quando o indicador atingiu um valor mínimo e depois cruza o nível de 20%. Também a confirmação é usada para vender curto quando o valor máximo foi alcançado e depois cruza abaixo do nível de 80%. A curva de equidade aplicando esta regra simples ao oscilador estocástico em 10 anos de dados diários do S & amp; P diário é mostrada na Figura 7. Claramente, não seria desejável trocar esta regra na vida real.
Figura 7. Perdas consistentes são incorridas ao negociar o oscilador estocástico usando a regra convencional de aguardar a confirmação.
A razão básica pela qual a estratégia de confirmação não funciona é o atraso. Se você estiver usando um indicador de oscilador, provavelmente você está tentando fazer negócios de swing ou momentum de curto prazo. Você provavelmente tenta trocar um ciclo mensal, porque esse é um componente predominante nos dados, uma vez que a maioria das empresas tem que fazer seus números até o mês. Portanto, você provavelmente terá 10 barras em um movimento ascendente para ser longo e 10 barras em um movimento descendente para ser curto ou plano. Todos os indicadores têm atraso, mesmo o filtro SuperSmoother. Uma avaliação rápida dá várias barras de atraso ao filtro SuperSmoother, várias barras faltam na computação do estocástico, cerca de 3 barras à espera de confirmação, e então você precisa esperar outro bar após a confirmação para fazer sua entrada comercial. Adicione todos esses atrasos e você achou que você tem cerca de oito barras de atraso total depois que os preços atingiram seu balanço baixo. O movimento ascendente de 10 barras está quase terminado antes de fazer sua entrada. Então, para sair do comércio, você tem a jogada contra você por cerca de oito barras. É por isso que a estratégia de espera para confirmação nunca pode funcionar para negociação de curto prazo.
Por outro lado, se removemos os efeitos de Aliasing Noise, bem como Dilatação Espectral do indicador, podemos conquistar o atraso antecipando os pontos de rotação cíclicos. Em outras palavras, estabelecemos um indicador preditivo e de previsão. Por exemplo, para antecipar o ponto de viragem usando o filtro Roofing e Stochastic, nós teríamos uma posição longa quando o indicador cruzar abaixo do nível de 20%, ANTES de que o indicador atinja seu valor mínimo. Consequentemente, tomaríamos uma posição curta quando o indicador cruzasse acima de seu nível de 80%, ANTES de que o indicador atinja seu valor máximo. Essas regras comerciais estão descritas na Figura 7.
Figura 8. Indicadores preditivos permitem que você compre quando o indicador cruza abaixo de 20% e para vender curto quando o indicador cruza acima de 80%
Fazendo exatamente isso, sem outras regras, obtemos a curva de equivalência patrimonial mostrada na Figura 9 ao negociar o S & amp; P Futuros diários nos últimos 10 anos. Claramente, antecipar os pontos decisivos e, portanto, o indicador corretamente filtrado é preditivo! Quero enfatizar novamente, que este não é um sistema comercial completo. Em vez disso, acabei de demonstrar a eficácia de antecipar os pontos de viragem do indicador.
Figura 9. Os vencedores consistentes ocorrem ao negociar o oscilador estocástico antecipando os pontos de giro do indicador.
CONCLUSÕES.
Eu mostrei que a informação em períodos de ciclo muito curtos é inundada pelo Aliasing Noise e, portanto, a única solução é evitar esses períodos de ciclo em suas análises. Como as escalas de Aliasing Noise com a freqüência da amostra, os períodos menores que cerca de 10 barras devem ser evitados independentemente da escala de tempo em que você está negociando. Aliasing Noise também é tão grande como sinais em períodos de ciclo mais longos e, portanto, deve ser removido por filtragem. O filtro SuperSmoother é muito superior às médias móveis para remover Aliasing Noise, bem como outras aplicações de suavização geral.
O filtro SuperSmoother pode ser combinado com um filtro HighPass de 2 pólos para criar um filtro Roofing. O filtro Roofing determina o segmento do espectro de freqüência a ser usado para análise. O filtro Roofing remove o efeito da Dilatação Espectral e ajuda a criar osciladores com uma média quase zero.
Os indicadores suavizados com um balanço simétrico sobre um meio zero nominal podem ser usados para criar indicadores preditivos confiáveis. A maioria dos indicadores de análise técnica apenas documentam o que aconteceu na história. Quem precisa disso? O objetivo dos indicadores é fazer uma previsão estatisticamente confiável do que o futuro mantém para que um sinal possa ser convertido em um comércio lucrativo.
Oficina de John Ehlers!
Se você deseja obter ajuda personalizada sobre como usar o ciclo avançado e a tecnologia DSP na sua negociação, você deseja verificar o Workshop de John & # 8217; s.
Sobre o autor John Ehlers.
John Ehlers é bem conhecido na arena de futuros de commodities como o Criador da MESA. Ele é autor de quatro livros, incluindo Rocket Science for Traders. John recebeu seu BSEE e MSEE da Universidade do Missouri e fez trabalho de doutorado na Universidade George Washington. Ele é o fundador do MESA Software, tendo sido pioneiro no método MESA de análise de ciclos no final de 1970, s. John é o destinatário do Prêmio Charles H. Dow da Associação de Técnicos de Mercado (MTA).
Posts Relacionados.
O Indicador de Força de Barra Interna.
Olhando para o Índice de Úlcera.
Uma Abordagem Complementar aos Indicadores Técnicos de Negociação.
Publicações populares.
Connors 2-Period RSI Update para 2018.
Este indicador simples faz dinheiro novamente e novamente.
The Ivy Portfolio.
Melhorando a Estratégia de Identidade Simples, Parte 1.
Copyright © 2017 da Capital Evolution LLC. - Projetado por temas Thrive | Powered by WordPress.
Por favor faça login novamente. A página de login será aberta em uma nova janela. Depois de efetuar o login, você pode fechá-lo e retornar a esta página.
Комментариев нет:
Отправить комментарий