Статистический анализ рынка Форекс

[Nord]

А что это даст? Точнее, можно уточнить, для какой цели поставлен данный вопрос и каким образом полученный результат возможно применить на практике в торговле? Если принять за данность хаотичное движение цены, то возрастающая степенеь случайности не столь серьезно отразится на итоговом значении. Или я чего то недопонял.

Вероятно, не допонял. Мне интересна степень случайности (и неслучайности) в зависимости от ТФ. Часто можно слышать, что на бОльшем ТФ паттерны отрабатывают лучше, что на старших ТФ практически нет случайных блужданий цены, рыночного шума и прочего. Было бы познавательно увидеть, как с ростом ТФ сокращается коэффициент случайности.

[Haos]

Я столкнулся с тем, что нужны гипотезы о рынке которые я бы мог проверить методами статистики. Одну две гипотезы уже проверены. Об этом далее. Но у меня сложности с генерацией гипотез. Просьба написать утверждения о рынке, о характере движения в этой теме. Желательно такие, чтобы на них можно было построить систему. О том что уже проверил напишу далее. Продолжаю изучать Баесовскую статистику.

Гипотеза только одна. Рынок - случайное блуждание цен на бирже. Если эта гипотеза не отвергается, то остальные как логически противоположные отбрасываются. Делов -то и не надо больше ничего фантазировать. Даже если оказывается что на каком-то интервале в несколько баров и десятков баров есть трендовые составляющие (статистика соответствующая) это ни о чем не говорит, т.к. серии направленной тенденции характерны для случайного блуждания. В общем, вся эта затея лишь чтобы убедить себя (я уже лет 10 назад это знаю), что есть только случайное блуждание цены.

[Рэндом]

Проверить на случайность разные ТФ и пары можно. Это можно сделать показателем Хёрста. Насчёт случайности рынка уже писал. Показатель Хёрста надо использовать на ряде приращений. Вычитал это в Википедии и сам убедился в этом. Это точное математическое определение случайности.

[Рэндом]

Мой первый опыт использования Байесовской статистики — это расчет корреляции. Я использовал чужой код. Первый вариант кода оказался с ошибками. Второй выдал правильный результат. Результаты в ноутбуке Euro 2. Правильный результат в in 14. Код обсуждать не буду он большей частью такой, как и в первом ноутбуке. А вот смысл этого эксперимента расскажу.
Как вы помните обычная корреляция дала низкие результаты. Меня интересовало как измениться корреляция при использовании не абсолютных значений, а коридора.
Результаты:

Как видите средняя корреляция 0.11, а при отклонении почти в 50 пунктов по четырех знаку 0.14. Я рассчитывал получить более серьезные результаты. Теперь точно можно быть уверенным, что корреляции нет. Линейной корреляции. На нелинейные методы ещё есть надежда, но после использования нейронной сети маленькая.

[Рэндом]

Предсказуемость рынка в зависимости от таймфрейма.

Мной вычислен показатель Хёрста для разных пар и таймфреймов.
Результаты:
Euro D1 0.0005617791502420424
Euro H1 -0.0006935665042211512
Euro M5 -0.0008179480551596044

GBPJPY D1 0.0004271417989313143
GBPJPY H1 -0.00043164822184315227
GBPJPY M5 -0.0009420691833682044

EURAUD D1 -0.0007289104137725273
EURAUD H1 -0.0009028652767004156
EURAUD M5 -0.001142731754546321
Как видим он на всех таймфреймах значительно меньше 0.5. Значит все таймфреймы и исследованные пары предсказуемы. С уменьшением таймфрейма показатель незначительно меняется. Это свидетельствует о более частой смене направления движения исследуемых данных, а удаление от 0.5 свидетельствует, что с уменьшением таймфрейма рынок становиться более предсказуем, но эти изменения столь незначительны, что ими можно пренебречь.
Показатель Хёрста вычислялся для ряда приращений цены. Вычислять его для чистой цены на финансовых рынках неправильно. Так как такие данные не являются стационарными. Поэтому большинство исследований в сети на эту тему приводят к неверным выводам о непредсказуемости рынка.

PS ноутбук Euro 6. Для анализа других пар и таймфреймов просто пропишите их в функции MT5CopyRatesRange. Помните МТ5 на Форекс склеивает таймфреймы. Поэтому внимательно выбирайте дату начала данных.

[Рэндом]

Пояснение по требуемым гипотезам. Их смысл в том чтобы выявить какую-то закономерность в данных и на основе выявленных закономерностей построить модель. Кое-что я уже сделал. Далее я это опишу, но этого мало. Хотя появились вопросы которые необходимо уточнить.

[Nord]

Довольно любопытно. Ожидал, что предсказуемость (неслучайность, точнее) у меньших ТФ такая же, как и на старших. Никогда не замечал, чтобы старшие ТФ были чем-то логичнее и закономернее. Оказалось, что они даже менее предсказуемы, чем меньшие ТФ. Спасибо.

[Haos]

Проверить на случайность разные ТФ и пары можно. Это можно сделать показателем Хёрста. Насчёт случайности рынка уже писал. Показатель Хёрста надо использовать на ряде приращений. Вычитал это в Википедии и сам убедился в этом. Это точное математическое определение случайности.

В статистике есть ряд тестов на случайность данных. По памяти могу вспомнить о тесте серий. Он выявляет есть ли на анализируемом участке данных закономерность. В этом тесте всё переводится на 1 или -1 или орел-решка, т.е. в нашем случае сначала нужно перевести растущий бар в "1", а падающий в "-1", т.е. бинарный вид. Грубо, но просто. Подумаю, может еще что вспомню.

Значит все таймфреймы и исследованные пары предсказуемы.

Не понял, каким образом показатель Херста может судить о предсказуемости? Конечно, мы можем подобрать модель для исследуемого промежутка, но к будущим данным он бесперспективен.

[Рэндом]

p-value может указывать на случайность. Когда проверялась стационарность оно вычислялось. Чем ниже тем не случайней. Тест выдал его равным 0. Два подтверждения не случайности. Вообще при применении статистики именно его стараются минимизировать. Зачем понятно. Чтобы выявить неслучайность.

[Рэндом]

Нет. Это не то. Это значение вычисляется для конкретной статистики и показывает её достоверность. Было бы интересно попробовать другие тесты. Только я сомневаюсь, что они лучше показателя Хёрста. Смогут ли они уловить нелинейную зависимость. Выше я писал о коэффициенте корреляции. Линейная автокоррекция слишком низка.