Quant Trading UX | Квант Трейдинг Инвестиции
119 subscribers
48 photos
1 video
2 files
82 links
Мой live канал - @trading_algo

Quant trading, data science, квант, финансы, биржа, трейдинг, инвестиции.

Количественные методы анализа и прогнозирования биржевых данных.

Контакты: @quantux1
Download Telegram
#XRPUSDпрогноз

Посмотрим как отработался прогноз по #Ripple.

Напомню (пользуйтесь навигацией по хештегам, чтобы переходить на нужный пост), что прогнозным модулем системы (информативный блок) заранее были определены моменты разворота риппл на заданном временном отрезке.

Торговый модуль, который статистически обсчитывает полученные коэффициенты, - на выходе дает нам вероятностно взвешенную оценку событий для принятия непосредственно торговых решений. Это позволяет ВСЕГДА покупать дешево, а продавать дорого.

Сравните, как ЦФ (цифровой фильтр) обрабатывает оценку вероятностей и статистическую значимость событий на примере динамики XRP (смотрите первые две картинки ниже). Как видим, статистически обоснованным моментом для покупок является момент затухания ЦФ, что вылилось в немедленный импульс наверх.

Как фильтр отработал покупки этого импульса будет показано ниже в GIF на 15-минутном ТФ.
#XRPUSDпрогноз

Теперь касательно отработки прогноза и того, как, владея математикой, ВСЕГДА совершать выгодные сделки.

На изображении GIF ниже можно увидеть, как ЦФ определяет моменты для совершения сделок (отмечено цветными прямоугольниками).

Вся отработка сигналов затухания ИС и ЦФ (торговый модуль системы) в аккурат ложится в заранее определенные параметры прогнозного модуля системы.

Поэтому, как мы видим (пунктирные линии на временном отрезке), цена #Ripple без труда устремилась в рост в заранее строго обозначенное время (навигация по хештегам поможет найти время составления прогноза)
Именно на этом обновлении вершин я сегодня и вышел из лонга #EURUSD.

Результат за день +162 пункта
Результат за неделю +190 пунктов
Текущий результат за месяц +220 пунктов
По вопросам сотрудничества и взаимодействия пишите в Skype:

live:185fd1439ada6b89
Все, рабочий день окончен: еще +63 пункта профита по #EURUSD на мелких таймфреймах.

Обновленные результаты:

Результат за день +225 пунктов
Результат за неделю +254 пункта
Текущий результат за месяц +283 пункта


Как развивалась ситуация на М1 смотрите на втором рисунке ниже.
Так же, на H4 рынок только к закрытию подошел к сигналу затухания ЦФ. Скорей всего это будет диверная продажа как раз к 13 числу, о чем я и говорил еще 28 декабря.
Интересно: о том, как звезды смартлаба Андрей Мурманск, Ирина Булыгина и Александр Горчаков за неполный год работы по ДУ (доверительное управление) слили 23 млн руб (просадки ~ 50%)

http://управление-капиталом-отзывы.рф/

Собственно говоря, - это все очень даже ожидаемо и закономерно. Потому что не бывает в природе никаких "уровней", "поддержек-сопротивлений" и прочего рисования (это даже черчением назвать язык не поворачивается).

- Какова вероятность и какова статзначимость влияния какой-то субъективной произвольной линии на графике?

- Оказывает ли эта линия хоть какое-то влияние на параметры и свойства этой кривой?

- Если объективным показателем динамики цен является баланс спроса и предложения, то какая функция/производная из потока котировок указывает нам на этот баланс?

- Как его (баланс) обсчитать с точки зрения вероятности его смещения в ту или иную сторону?


Кто-то из этих художников может ответить на эти вопросы?

Все эти ученики Герчика (вторящие его словам), и авторы МТС (за исключением единиц) - они застряли в 80х-90х годах, когда биржи стали с одной стороны уже более доступными (70е не берем - потому что только появлялся Бреттон-Вуд), а с другой стороны еще не было вычислительных мощностей, которые существуют сегодня, чтобы можно было быстрее обрабатывать входящие данные. (Вот, к примеру, статья от 2016 года о сравнении скорости выполнения операций в языках программирования QLUA и MQL5 https://www.mql5.com/ru/articles/4310)

Вот и приходилось выдумывать простейшие методы анализа, или затем использовать, как Элдер например, простые скользящие средние (сейчас же типов регрессий существует не один десяток - для примера https://www.datasciencecentral.com/profiles/blogs/10-types-of-regressions-which-one-to-use) или другие простые индикаторы с незамысловатыми формулами расчета.

Все это не объективно, и НИКОГДА работать не может по определению. Отсюда и результаты.