Мини-класс: как в Similarity сравнивать периоды в различных таймфреймах
Сообщение от автора программы:
В Timing Solution вы можете работать с котировками различных таймфреймов, сравнивая их между собой, ежедневные с ежемесячными, ежедневные с еженедельными и т. д. С этим нет никаких проблем.
Давайте сделаем это вместе. Сразу хочу сказать, сейчас я не столько строю прогноз, сколько объясняю, как работает программа. Кроме того, я считаю данный подход несколько рискованным (риски объяснены ниже, в конце), поэтому никогда особо не продвигал эту опцию. Тем не менее, те, кто понимают, как с этим работать, и обрел определенный навык, могут достигать очень хороших результатов в прогнозе.
Итак, давайте проведем исследование фьючерсов на нефть. Я загрузил в программу дневные котировки. Далее, открыв модуль Similarity я подгрузил модель недельных котировок той же нефти вот таким образом:
Здесь мы исследуем падение нефти последних месяцев. Данная ситуация длится примерно последние 80 торговых дней, поэтому мы здесь выстанавливаем значение в 80 баров (будем искать схожие периоды в 80 баров, но в других таймфреймах):
Вы видите, что на шкале времени в Similarity показано, что 1 торговый день = 1 торговая неделя.
Вот наиболее схожие периоды по сравниваемым таймфреймам:
А вот линия комити, или суперпозиция по всем этим трем периодам, что показаны выше:
В подобных сравнениях, когда мы сравниваем между собой котировки разных таймфреймов, в поисках подходящих периодов, имеется два слабых места:
Слабое место № 1: коэффициент корреляции здесь не работает. Но я надеюсь найти здесь какое-то решение, это чисто математическая проблема.
Слабое место № 2: сравнение котировок в различных таймфреймах - сама по себе очень рискованная процедура. К примеру, 10 лет назад, в самой первой версии модуля Similarity, я даже ввел параметр этакой временной “растяжки”- “Stretches”. Сама по себе идея кажется очень интересной: сейчас рынок меняется куда быстрее, чем это было 50 лет назад, в этом нет никаких сомнений. Идея была такая: что, если мы сравним график этих дней со графиком 50-ти летней давности (или любым другим), работая как бы со "сжатым временем"? Допустим, коэффициент растяжения равен 1.5. Это означает, что количество рыночных событий в наше время, в течение одного года, такое же, что в течение полутора годов, но 50 лет назад. Таким образом, мы пытаемся смоделировать своеобразное ускорение времени. Но в итоге я просто удалил эту опцию - это просто не сработало.
Мы попытались понять, почему это не работает. Конечно, я проверил код программы, чтобы убедиться в отсутствии ошибок. Но оказалось было, проблемы были не с кодом. Изменяя шкалу времени, мы меняем один важный параметр - фрактальную размерность текущего временного порядка. Мы как бы имеем дело с различными данными - это как сравнение яблок и апельсинов (да, оба фрукты, но разные фрукты).
Исторически фрактальный анализ возник из одной практической задачи - попытки измерить фактическую длину британской береговой линии. Например, изображение некоей точки береговой линии со спутника - это одно, а на фотографии, сделанной на каком-нибудь пляже - эта точка выглядит уже совсем по другому. Это одна и та же береговая линия - только с разных точек зрения. С математической точки зрения, это уже разные сущности, описываемые разными формулами.
Вернемся к нашему примеру. Кажется, мы тоже имеем дело с одним и тем же финансовым рынком. Но каждый таймфрейм - отдельная сущность. Это нужно понимать при исследовании рынков.
Вот почему я предпочитаю относиться к сравнениям в разных таймфремах очень осторожно.
В Timing Solution вы можете работать с котировками различных таймфреймов, сравнивая их между собой, ежедневные с ежемесячными, ежедневные с еженедельными и т. д. С этим нет никаких проблем.
Давайте сделаем это вместе. Сразу хочу сказать, сейчас я не столько строю прогноз, сколько объясняю, как работает программа. Кроме того, я считаю данный подход несколько рискованным (риски объяснены ниже, в конце), поэтому никогда особо не продвигал эту опцию. Тем не менее, те, кто понимают, как с этим работать, и обрел определенный навык, могут достигать очень хороших результатов в прогнозе.
Итак, давайте проведем исследование фьючерсов на нефть. Я загрузил в программу дневные котировки. Далее, открыв модуль Similarity я подгрузил модель недельных котировок той же нефти вот таким образом:
Здесь мы исследуем падение нефти последних месяцев. Данная ситуация длится примерно последние 80 торговых дней, поэтому мы здесь выстанавливаем значение в 80 баров (будем искать схожие периоды в 80 баров, но в других таймфреймах):
Вы видите, что на шкале времени в Similarity показано, что 1 торговый день = 1 торговая неделя.
Вот наиболее схожие периоды по сравниваемым таймфреймам:
А вот линия комити, или суперпозиция по всем этим трем периодам, что показаны выше:
В подобных сравнениях, когда мы сравниваем между собой котировки разных таймфреймов, в поисках подходящих периодов, имеется два слабых места:
Слабое место № 1: коэффициент корреляции здесь не работает. Но я надеюсь найти здесь какое-то решение, это чисто математическая проблема.
Слабое место № 2: сравнение котировок в различных таймфреймах - сама по себе очень рискованная процедура. К примеру, 10 лет назад, в самой первой версии модуля Similarity, я даже ввел параметр этакой временной “растяжки”- “Stretches”. Сама по себе идея кажется очень интересной: сейчас рынок меняется куда быстрее, чем это было 50 лет назад, в этом нет никаких сомнений. Идея была такая: что, если мы сравним график этих дней со графиком 50-ти летней давности (или любым другим), работая как бы со "сжатым временем"? Допустим, коэффициент растяжения равен 1.5. Это означает, что количество рыночных событий в наше время, в течение одного года, такое же, что в течение полутора годов, но 50 лет назад. Таким образом, мы пытаемся смоделировать своеобразное ускорение времени. Но в итоге я просто удалил эту опцию - это просто не сработало.
Мы попытались понять, почему это не работает. Конечно, я проверил код программы, чтобы убедиться в отсутствии ошибок. Но оказалось было, проблемы были не с кодом. Изменяя шкалу времени, мы меняем один важный параметр - фрактальную размерность текущего временного порядка. Мы как бы имеем дело с различными данными - это как сравнение яблок и апельсинов (да, оба фрукты, но разные фрукты).
Исторически фрактальный анализ возник из одной практической задачи - попытки измерить фактическую длину британской береговой линии. Например, изображение некоей точки береговой линии со спутника - это одно, а на фотографии, сделанной на каком-нибудь пляже - эта точка выглядит уже совсем по другому. Это одна и та же береговая линия - только с разных точек зрения. С математической точки зрения, это уже разные сущности, описываемые разными формулами.
Вернемся к нашему примеру. Кажется, мы тоже имеем дело с одним и тем же финансовым рынком. Но каждый таймфрейм - отдельная сущность. Это нужно понимать при исследовании рынков.
Вот почему я предпочитаю относиться к сравнениям в разных таймфремах очень осторожно.