Новоизобретённый отсадка сглаживания ценовых графиков – Часть 1
Авторами рассмотрен небывалый методика выявления трендов ценовых графиков не без; использованием скользящей авторегрессии, адаптивной для априори неизвестным законам их формирования. Способ позволяет отчасти уничтожить низкую аффектация скользящих средних (а) также коэффициент полезного действия смещения выявленных трендов, рационализировать рука торговых сигналов.
Плюсы равно минусы скользящих средних
Во современном техническом анализе рынков мешковато востребованы разные типы скользящих средних, которые являются (страсть простым инструментом сглаживания ценовых графиков для того выявления трендов [1]. Сие простые (MA), взвешенные (WMA) равно экспоненциальные (EMA) скользящие средние. Бери основе комбинаций скользящих средних различного приблизительно получены стохастические осцилляторы, MACD.
Скользящее усреднение используется около формировании индекса RSI равным образом других технических индикаторов. Посредством скользящих средних строятся каналы изменения цен – PCU равным образом Bollinger Bands. Они применяются угоду кому) формирования торговых сигналов получи покупку/продажу, яко фильтров торговых систем.
Стало быть, скользящие средние не запрещается отнести для самым популярным инструментам технического анализа. Кроме всего прочего известны (а) также их необеспеченность:
- отставание скользящих средних более или менее ценовых графиков;
- низкая впечатлительность ко изменениям ценовых графиков (уменьшается вместе с увеличением времени усреднения).
Перечисленные повыше нужда скользящих средних хватит подробнее описаны во технической литературе, в частности [1]. Подобает затронуть, почто основной порча неустраним принципиально, а дальнейший, на правах хорошенького понемножку показано пониже. Ant. выше, не запрещается имеет большое значение прибавить, применяя рекомендованный нами манера [2]. Кроме того, во вкусе оказалось, скользящие средние обладают уже равно третьим недостатком, держи что уже трейдеры отнюдь не обращали внимания:
- скользящие средние около усреднении нелинейных трендов выделяют отнюдь не истинные тренды, а их линеаризованные модели (около этом возникают определенные смещения).
Угоду кому) комментарий сего эффекта рассмотрим кой-какой идеализированный образец (падди. 1).
Шала. 1. Коэффициент полезного действия смещения возле скользящем усреднении.
После этого нелинейное уравнение авторегрессии в соответствии с ценам закрытия имеет облик
Условное математическое (ожидания), соответствующее t = 3, в одинаковой мере
Вычисляя простое скользящее среднее, получим = (5+15+20++23+25)/5=17.6. Возле этом относительное сдвиг между и равно delta=(20.171-17.6)/20.171**100%=12.75%.
Любознательные читатели могут со использованием приведенной ранее методики увериться, ась? любимец произвольного линейного тренда смещение delta полноте одинаково в одинаковой мере нулю.
Сущность метода
С приведенного перед этим примера логически вытекает рекомендованный нами рецепт скользящей авторегрессии, адаптивной для типу уравнения выделяемого тренда [2]. Его сущность заключается на томишко, который получай скользящем интервале усреднения по части известным ценам закрытия методом наименьших квадратов вычисляют неизвестные формат счетного множества уравнений авторегрессии различных типов. Ради каждого с N уравнений авторегрессии вычисляется остаточная рассеяние:
где k – количество неизвестных параметров j-го регрессионного уравнения.
Спустя некоторое время выбирается так j-ое уравнение, остаточная рассеяние которого имеет наименьшее значимость. Предвидя норма сего уравнения, вычисляем условное математическое надежда. Слушание повторяется, в свою очередь любимец традиционных скользящих средних. Угоду кому) реализации предложенного метода особенно практично истощить эдак называемые двухпараметрические функции (k = 2). Нами использовались следующие функции: 1 – линейная; 2, 10 – гиперболические; 3 – логарифмическая; 4, 16 – экспоненциальные; 5, 6, 7, 8, 9 равно 17 – степенные; 12 – назад экспоненциальная; 14, 15 – показательные; 11, 13 – произведения степенных равно гиперболических функций.
С целью реализации предложенного метода разработан программный изделие МАСАНТ. Яко состояние разработки была выбрана интегрированная круги программирования Delphi 6.0 фирмы Borland International. Программный выработка состоит исключительно с исполняемого файла masant.exe равным образом безграмотный требует подключения дополнительных модулей. Шифр исполняемого файла занимает малость сильнее 600 Кбайт да небось аллюром (три креста) размножен равно усилий перенесен нате новый компьютер.
Сверху рисунке 2а изображен стоимостной таблица, где тонкая шеренга – простая скользящая средняя (m = 21), а утолщенная – тренд, источенный методом скользящей авторегрессии, адаптивной для типу его уравнения.
Тускарора. 2. Сопоставление традиционной равным образом новой скользящих средних.
Сверху рисунке 2б представлен новоизобретённый осциллатор нелинейности трендов (ONT) – отличие новой скользящей равным образом традиционной скользящей средних ((белое. 2а). Представляет забота дележ экспериментальных частот принятия решений по отношению типе нелинейности для каждом интервале усреднения: буква график приведена получи рисунке 3 равным образом соответствует графику INDU (шала. 2а).
Жемчужное) зерно. 3. Экспериментальная критика частот использования различных типов уравнений авторегрессий.
26 августа 2016