你现在测试的时候可能是按照绝对值价格来测试的,比如波动多少个点位,止损是多少点位,盈利是多少点位,“相对值”有2种,一个是相对前一个交易日的收盘价或当日开盘价来转换为百分比作为测试参数,另一个是以最近交易日的“最高/最低的差价”幅度为参考值来转换成相对值。
人脑的优势在于联接与并行,电脑的优势在与速度和计算,假如用于创造和联想的话,计算机的确不如人,但做交易计算的话(尤其是多市场,多品种,多周期,多方法)的话,应远远优于人脑,上世界的深蓝就是典型的例子,更不用说现在发展到用模式识别和情感计算的计算能力了
具有类聚、长尾等特征 ================= 是肥尾吧 肥尾和长尾是不同的 肥尾 长尾 在峰度和偏度上有不同的值 类聚是什么?波动类聚? 肥尾也正说明了趋势的存在 正态分布假设和布林线也不冲突 除非用布林线去做支撑反转系统
很多时候 市场的波动率都不小 但却不一定能够形成可利用的趋势 平行宽幅震荡 趋势中反趋势宽幅震荡 或者收敛震荡 或者发散震荡 很多系统本身利用了波动率 只是敏感度不同而已 所以这些无效波动就会造成系统失败
有一本书叫做《长尾理论》,其中讲了GOOGLE的例子。你能否解释解释什么是肥尾? BOLL跟正态分布假设有没有冲突?我看,应当先考虑金融数据合乎正态分布假设的是否成立。 ATR与BOLL的区别在于风险模型,当数据不合乎正态分布的前提下,用BOLL的直接后果很难建立一个理性的风险模型。当然了,只考虑选股、测试结果,仅仅只用数据说话,这些问题都可以不要。
网上拷来的定义:"尖峰"与"厚尾"释义关于收益率的分布尖峰态(尖峰与厚尾)标准性质的辩论很广泛,本文厚尾和肥尾是指同一现象.人们现在一般已经接受分布是尖峰态的.对于肥胖尾部的最通常的解释是,信息是偶尔以成堆的方式出现,而不是以平滑连续的方式出现的,市场对于成堆信息的反应导致了肥胖的尾部.因为信息的分布是尖峰态的,所以变化的分布也是尖峰态的.
我在想另外一个问题,我们现在所有的图表都是以时间为刻度的 如果换成volume 或者tick chart 那么它们的区别是什么 在volume和tick chart中与时间图表中形成的trend有何不同?
是的,但那需要你有准确的分笔数据,有些人使用一定成交笔数来生成k线的(比如100笔成交完成一个k线),《驾驭交易》里面就有个这个例子。 =========================================================== 这个我知道的,我只是想搞清楚它们的不同机理