La sabiduría común sostiene que un enfoque de media móvil es más exitoso que buy-and-hold. Hay evidencia cuantitativa de que a través de diferentes clases de activos (véase, por ejemplo, este libro o este documento del mismo autor Mebane Faber). Mi pregunta toma otro rumbo: estoy tratando de generalizar estos hallazgos empíricos a una clase general de procesos estocásticos. Mi pregunta: Qué propiedades debe tener un proceso estocástico para mover el promedio de las transacciones para superar a la ingenua comprensión y retención. Por el momento sólo estoy hablando de simples estrategias de media móvil como cuando el proceso cruza el promedio de arriba / abajo vender / comprar. También podría ser la simplificación de los supuestos, como no los costos de comercio, etc El plan detrás de esto es encontrar propiedades generales que son empíricamente comprobables por su cuenta. De una manera que quiero encontrar los bloques de construcción para las estrategias de media móvil para trabajar. Tienes algunas ideas, papeles, referencias? En estadística, los modelos de media móvil autorregresiva (ARMA), a veces llamados modelos de Box-Jenkins después de George Box y F. M. Jenkins, se aplican típicamente a datos de series de tiempo. B Proceso de Bernoulli En la probabilidad y la estadística, un proceso de Bernoulli es un proceso estocástico de tiempo discreto que consiste en una secuencia finita o infinita de variables aleatorias independientes X 1. X 2. X 3. Tal que para cada i. El valor de X i es 0 o 1 y para todos los valores de i. La probabilidad de que X i 1 sea el mismo número p. Teorema de la balota de Bertrands En la combinatoria, el teorema de la balota de Bertrands es la solución a la pregunta: En una elección donde un candidato recibe p votos y los otros q votos con p q. Cuál es la probabilidad de que el primer candidato esté estrictamente por delante del segundo candidato a lo largo del conteo? La respuesta es (p - q) / (p q). Caminata al azar sesgada (bioquímica) En la biología celular, una caminata aleatoria sesgada permite a las bacterias fuente para el alimento y huye del daño. Proceso de nacimiento-muerte El proceso de nacimiento-muerte es un proceso es un ejemplo de un proceso de Markov (un proceso estocástico) donde las transiciones se limitan a los vecinos más cercanos solamente. Proceso de ramificación En la teoría de la probabilidad, un proceso de ramificación es un proceso de Markov que modela una población en la cual cada individuo en la generación n produce un número aleatorio de individuos en la generación n 1, según una distribución de probabilidad fija que no varía de individuo a individuo. Movimiento browniano El término movimiento browniano (en honor del botánico Robert Brown) se refiere tanto al fenómeno físico que partículas diminutas sumergidas en un movimiento fluido sobre aleatoriamente o los modelos matemáticos utilizados para describir esos movimientos al azar. Brownian tree Un árbol browniano, cuyo nombre se deriva de Robert Brown a través del movimiento browniano, es una forma de arte computacional que fue brevemente popular en los años 90, cuando las computadoras caseras comenzaron a tener suficiente poder para simular el movimiento browniano. En la matemática, específicamente en la teoría de la probabilidad, y más específicamente en la teoría de los procesos estocásticos, la ecuación de Chapman-Kolmogorov (también conocida como la ecuación maestra en la física) es una identidad que relaciona las distribuciones de probabilidad conjunta de diferentes conjuntos De coordenadas en un proceso estocástico. En la teoría de probabilidades, una cadena de Markov de tiempo continuo es un proceso estocástico X (t) 160: t 0 que goza de la propiedad de Markov y toma valores entre los elementos de un conjunto discreto llamado espacio de estado . Ejemplos de cadenas de Markov Un juego de monopolio, serpientes y escaleras o cualquier otro juego cuyos movimientos son determinados enteramente por dados es una cadena de Markov. F Filtración (álgebra abstracta) En matemáticas, una filtración es un conjunto indexado S i de subobjetos de una estructura algébrica S dada. Con un conjunto de índices I que es un conjunto totalmente ordenado, sujeto solo a la condición de que si i j en I entonces S i está contenido en S j. Ecuación de Fokker-Planck La ecuación de Fokker-Planck (también conocida como la ecuación de Kolmogorov Forward) describe la evolución temporal de la función de densidad de probabilidad de posición y velocidad de una partícula. G Proceso de Galton-Watson El proceso de Galton-Watson es un proceso estocástico que surge de la investigación estadística de Francis Galtons sobre la extinción de los apellidos. Proceso de Gauss-Markov Como es de esperar, los procesos estocásticos de Gauss-Markov (nombrados por Carl Friedrich Gauss y Andrey Markov) son procesos estocásticos que satisfacen los requisitos tanto para los procesos gaussianos como para los procesos de Markov. Proceso gaussiano Un proceso gaussiano es un proceso estocástico X t t 8712 T tal que toda combinación lineal finita del X t (o, más generalmente, cualquier función lineal de la función de muestra X t) se distribuye normalmente. Movimiento browniano geométrico Un movimiento browniano geométrico (GBM) (ocasionalmente, movimiento browniano exponencial) es un proceso estocástico de tiempo continuo en el cual el logaritmo de la cantidad que varía aleatoriamente sigue un movimiento browniano o, quizás más precisamente, un proceso de Wiener. Teorema de Girsanovs En la teoría de la probabilidad, el teorema de Girsanovs explica cómo los procesos estocásticos cambian bajo cambios en la medida. Cálculo de Ito El cálculo de Ito, nombrado después de Kiyoshi Ito, trata las operaciones matemáticas en procesos estocásticos. Su concepto más importante es la integral estocástica. Lema de Itos En matemáticas, el lema de Itos se utiliza en el cálculo estocástico para encontrar la diferencia de una función de un tipo particular de proceso estocástico. Es por lo tanto al cálculo estocástico cuál es la regla de la cadena al cálculo ordinario. El lema es ampliamente empleado en finanzas matemáticas. K L Operador Lag En el análisis de series temporales, el operador de retraso o el operador de retroceso opera sobre un elemento de una serie temporal para producir el elemento anterior. Ley del logaritmo iterado En la teoría de la probabilidad, la ley del logaritmo iterado es el nombre dado a varios teoremas que describen la magnitud de las fluctuaciones de una caminata aleatoria. En la matemática, el paseo aleatorio borrado es un modelo para una trayectoria aleatoria simple con aplicaciones importantes en combinatorics y, en la física, teoría del campo del quántum. Está íntimamente conectado con el árbol de expansión uniforme, un modelo para un árbol al azar. Vuelo L233vy Un vuelo L233vy, llamado así por el matemático francés Paul Pierre L233vy, es un tipo de paseo aleatorio en el que los incrementos se distribuyen de acuerdo a una distribución de cola pesada. Proceso L233vy En la teoría de la probabilidad, un proceso L233vy, llamado así por el matemático francés Paul L233vy, es cualquier proceso estocástico de tiempo continuo que tiene incrementos estacionarios independientes. Los ejemplos más conocidos son el proceso de Wiener y el proceso de Poisson. M Malliavin calculus El cálculo de Malliavin, nombrado después de Paul Malliavin, es una teoría del cálculo estocástico variacional, en otras palabras, proporciona la mecánica para calcular derivados de variables aleatorias. Cadena de Markov En matemáticas, una cadena de Markov (de tiempo discreto), llamada así por Andrei Markov, es un proceso estocástico de tiempo discreto con la propiedad de Markov. En tal proceso, el pasado es irrelevante para predecir el futuro dado conocimiento del presente. La geoestadística de la cadena de Markov La geoestadística de la cadena de Markov aplica las cadenas de Markov en la geoestadística para la simulación condicional en datos escasos observados ver Li et al. (Soil Sci. Soc. Am. J. 2004), Zhang y Li (GIScience and Remote Sensing, 2005) y Elfeki y Dekking (Geología Matemática, 2001). Proceso de Markov En la teoría de la probabilidad, un proceso de Markov es un proceso estocástico caracterizado como sigue: El estado c k en el tiempo k es uno de un número finito en el rango. Bajo la suposición de que el proceso se ejecuta sólo desde el tiempo 0 hasta el tiempo N y que los estados inicial y final son conocidos, la secuencia de estados es entonces representada por un vector finito C (c 0, c N). Propiedad de Markov En la teoría de la probabilidad, un proceso estocástico tiene la propiedad de Markov si la distribución de probabilidad condicional de estados futuros del proceso, dado el estado actual, depende solamente del estado actual, es decir, es condicionalmente independiente de los estados pasados El proceso) dado el estado actual. Un proceso con la propiedad de Markov es usualmente llamado un proceso de Markov, y puede ser descrito como Markoviano. Martingala En la teoría de la probabilidad, una martingala (tiempo discreto) es un proceso estocástico de tiempo discreto (es decir, una secuencia de variables aleatorias) X 1. X 2. X 3. Que satisface la identidad E (X n 1 X 1, 8230, X n) X n. Es decir, el valor esperado condicional de la siguiente observación, dado todas las observaciones pasadas, es igual a la última observación. Como es frecuente en la teoría de la probabilidad, el término fue adoptado del lenguaje del juego. N Modelos exógenos autorregresivos no lineales En el modelado en serie temporal, un modelo exógeno autoregresivo no lineal (NARX) es un modelo autoregresivo no lineal que tiene entradas exógenas. El proceso de Ornstein-Uhlenbeck En matemáticas, el proceso de Ornstein-Uhlenbeck, también conocido como proceso de revertir la media, es un proceso estocástico dado por la siguiente ecuación diferencial estocástica dr t 952 (r t-956) dt 963 dW t. Donde, 952, 956 y 963 son parámetros. P proceso de Poisson Un proceso de Poisson, uno de una variedad de cosas nombradas después del matemático francés Sim233on-Denis Poisson (1781 - 1840), es un proceso estocástico que se define en términos de acontecimientos de acontecimientos en un cierto espacio. Proceso poblacional En probabilidad aplicada, un proceso poblacional es una cadena de Markov en la que el estado de la cadena es análogo al número de individuos en una población (0, 1, 2, etc.) y los cambios en el estado son análogos a los Adición o remoción de individuos de la población. Q Teoría de las colas La teoría de las colas (a veces la teoría de la cola escrita, pero luego pierde la distinción de contener la única palabra en inglés con 5 vocales consecutivas) es el estudio matemático de las colas (o colas). R Caminata aleatoria En matemáticas y física, una caminata aleatoria es una formalización de la idea intuitiva de tomar pasos sucesivos, cada uno en una dirección aleatoria. Un paseo al azar es un proceso estocástico simple. S Proceso semi-Markov Un proceso semi-Markov es aquel que, cuando entra en el estado i, pasa un tiempo aleatorio con distribución H i y significa 956 i en ese estado antes de hacer una transición. Proceso estacionario En las ciencias matemáticas, un proceso estacionario (o proceso estrictamente (estacionario)) es un proceso estocástico en el cual la función de densidad de probabilidad de alguna variable aleatoria X no cambia con el tiempo o la posición. Como resultado, parámetros tales como la media y la varianza tampoco cambian con el tiempo o la posición. Cálculo estocástico El cálculo estocástico es una rama de la matemática que opera sobre procesos estocásticos. Las operaciones incluyen integración y diferenciación que implican variables tanto deterministas como aleatorias (es decir, estocásticas). Se utiliza para modelar sistemas que se comportan aleatoriamente. Proceso estocástico En la matemática de la probabilidad, un proceso estocástico puede ser pensado como una función aleatoria. Regla de detención En la teoría de la decisión, una regla de detención es un mecanismo para decidir si continuar o detener un proceso sobre la base de la posición actual y los sucesos pasados y que casi siempre conducirá a una decisión de detenerse en algún momento, Tiempo de parada. Integrante de Stratonovich En la teoría de la probabilidad, una rama de las matemáticas, la integral de Stratonovich es una integral estocástica, la alternativa más común a la integral de Ito. Mezcla fuerte En matemáticas, mezcla fuerte es un concepto aplicado en la teoría ergódica, es decir, el estudio de sistemas dinámicos a nivel de la teoría de la medida. Puede aplicarse a procesos estocásticos. Modelo de sustitución Un modelo de sustitución describe el proceso desde el cual una secuencia de caracteres de un tamaño fijo de algún alfabeto cambia en otro conjunto de rasgos. T Series de tiempo En estadística y procesamiento de señales, una serie de tiempo es una secuencia de puntos de datos, medidos típicamente en intervalos sucesivos, espaciados a intervalos de tiempo uniformes. T Ruido blanco El ruido blanco es una señal aleatoria (o proceso) con una densidad espectral de potencia plana. En otras palabras, la densidad espectral de potencia de señales tiene la misma potencia en cualquier banda, en cualquier frecuencia central, que tiene un ancho de banda dado. Ecuación de Wiener Una simple representación matemática del movimiento browniano, la ecuación de Wiener, llamada así por Norbert Wiener, supone que la velocidad actual de una partícula fluida fluctúa al azar:. Filtro de Wiener A diferencia de la típica teoría de filtrado para diseñar un filtro para una respuesta de frecuencia deseada, el filtro de Wiener se aproxima al filtrado desde un ángulo diferente. Al crear un filtro que filtra sólo en el dominio de frecuencia, es posible que el filtro pase ruido. Proceso Wiener En matemáticas, el proceso de Wiener, así llamado en honor de Norbert Wiener, es un proceso estocástico gaussiano de tiempo continuo con incrementos independientes utilizados en el modelado del movimiento browniano y algunos fenómenos aleatorios observados en las finanzas. Se trata de uno de los procesos L233vy más conocidos. Estático y exponencial Estrategia de media móvil En este artículo, examinaremos una estrategia que involucra el oscilador estocástico y el indicador de media móvil exponencial. Para esta estrategia, el trabajo del oscilador es servir como un indicador de las condiciones de mercado de sobrecompra y sobreventa. El EMA es mostrar la dirección de la tendencia por lo que el comerciante ahora cuándo ir corto y cuándo entrar largo en el par de divisas. Vamos a utilizar el marco de tiempo diario para este comercio. El gráfico diario muestra una sola actividad de días en candelero. Esto significa que un comerciante debe prestar atención a la gestión de riesgos como paradas utilizadas será equivalente a la gama intradía de algunas de las monedas (hasta 100 pips o más). Por lo tanto, significa que los comerciantes que utilizan esta estrategia debe ser un poco más paciente como el comercio tomará días para jugar plenamente. Cualquier par de divisas se puede utilizar para negociar esta estrategia. Oscilador estocástico (usando 5,3,3 como ajustes y usando los niveles 20, 50 y 80 como puntos de referencia) Media móvil exponencial de 2 días (2EMA) Media móvil exponencial de 4 días (4EMA) El comerciante debe ingresar largo en el activo si : El estocástico (5,3,3) está situado debajo de la línea 50 que significa el punto medio. Cuando el 2EMA cruza por encima de la 4EMA hacia arriba. El Stop Loss para la entrada larga debe establecerse en torno a 10 8211 15 pips por debajo del candelabro de entrada. Para obtener beneficios para este comercio, el comercio puede situarse en las siguientes condiciones: cuando el oscilador estocástico alcanza la región de sobrecompra, es decir, gt 80. si la EMA 2 realiza una cruz inversa desde arriba de la 4EMA a la baja. Si la línea estocástica de movimiento rápido cruza el estocástico lento hacia abajo desde la parte superior. Mira esta tabla para el AUDJPY, con una carta vertical que muestra el punto de cruce de la 2EMA por encima de la EMA 4 a la parte superior. Los círculos muestran los puntos correspondientes de la cruz estocástica y la cruz de los promedios móviles exponenciales, que marca el punto de entrada al comercio. Este es un gráfico diario, por lo que incluso un movimiento relativamente pequeño puede fácilmente 300 pips neto como se muestra en este gráfico. Diagrama diario de AUDJPY mostrando el punto de entrada largo Se ve una configuración de entrada corta, hay un cruce correspondiente del 2EMA sobre el 4 EMA al lado negativo al mismo tiempo que el oscilador de Stochastics está por encima de la línea 50. Por lo tanto, las dos condiciones siguientes deben cumplirse para que una entrada corta sea válida: El oscialltor estocástico es gt50 Al mismo tiempo, el 2EMA cruza por debajo del 4EMA hasta el lado negativo. Pérdida de parada se debe establecer en 10 15 pips por encima de la resistencia más cercana, mientras que los beneficios deben ser tomados cuando ocurren los siguientes: el oscilador estocástico está en la región de sobreventa (es decir, lt20) el 2 EMA cruza el 4EMA de nuevo a la parte superior. Si la línea estocástica de movimiento rápido cruza el estocástico lento de la desventaja a la parte superior. Este es el mismo gráfico para el AUDJPY como se muestra arriba, pero esta vez hemos desplazado el gráfico hasta el punto donde el precio forma una señal de entrada corta: El factor clave aquí es que el operador debe estar muy alerta en cuanto a cuándo las señales de entrada Pop up o cuando la señal invierte. Esto hará la diferencia entre ganar dinero y mantenerlo, o ganar dinero y perderlo de nuevo a un inverso de las condiciones del mercado. Sobre el autor Soy un analista de la divisa, comerciante y escritor. He tenido una carrera escribiendo artículos para sitios web y revistas, comenzando en el sector de viajes y luego en Forex. Utilizo una combinación de análisis técnico y fundamental en mis pronósticos. Cuando me uní a Forex4you en 2010 pensé que era una gran oportunidad para trabajar como analista de un corredor internacional. Proporciono previsiones técnicas con puntos de entrada y objetivos claros, así como artículos sobre temas fundamentales y comerciales. La buena suerte y el comercio feliz 5 de agosto de 2015, 12: 08: GMT 0 25 de junio de 2015, 22: 13: GMT 0 30 de abril de 2015, 18: 31: GMT 0
No comments:
Post a Comment