СПЕКТРАЛЬНЫЙ АНАЛИЗ ФОРЕКС

Лучшие Форекс брокеры 2021:

Спектральный анализ

money management использовать, тестировать и думать что делать.

Как использовать в торговле индикаторы на основе спектрального анализа? У них идет перерисовка,

Дык перерисовка — это вполне нормально и правильно. Тем более, при анализе компонент спектра.

Простейший пример — если сейчас у тебя произведение компонент 14 — это значит, что в данный момент в сигнале есть компоненты 2 и 7

А если на следующем баре произведение компонент 15 — то это означает, что на следующем баре присутствуют компоненты 3 и 5.

Как же можно обойтись без перерисовки ? Перерисовка как раз говорит о том, что произошли изменения, они и отражаются на графике.

С перерисовкой бороться не надо, надо просто понять, что у вас фреймовый индикатор, а вот был бы тиковый, проблемы с перерисовкой отсутствовали в принципе.

Итак, как только вы это поймете и осознаете, то придете к простому выводу, для фреймовых индикаторов с их «проблемой» перерисовки надо использовать фрейм М1.

Дальше уже сами додумывайте как и что.

С перерисовкой бороться не надо, надо просто понять, что у вас фреймовый индикатор, а вот был бы тиковый, проблемы с перерисовкой отсутствовали в принципе .

Итак, как только вы это поймете и осознаете, то придете к простому выводу, для фреймовых индикаторов с их «проблемой» перерисовки надо использовать фрейм М1.

Дальше уже сами додумывайте как и что.

Почему? Это зависит от типа индикатора . МА не перерисовывается ни при каких ТФ, так как это обычный фильтр, а есть индикаторы, которые по своей природе перерисовываются, и не важно, какой ТФ или тики.

Alexey Volchanskiy :

Почему? Это зависит от типа индикатора . МА не перерисовывается ни при каких ТФ, так как это обычный фильтр, а есть индикаторы, которые по своей природе перерисовываются, и не важно, какой ТФ или тики.

Ма как раз перерисовывается ровно на столько свечей,какой период указан в настройках !

Из любого перерисовываемого индикатора можно сделать неперерисовываемый. Просто формировать его трассирующий след. Но тогда картина будет абсолютно другая. Проблема только может быть в том, чтобы создать быстрый алгоритм формирования трассера. Лично мне удалось это сделать с полиномиальным разложением. Пробовал формировать трассер при разложении Фурье ( как раз спектральное разложение), но алгоритм трассера был весьма медленный , а сам трассер был весьма «прыгающим» ввиду особенности данного метода(Фурье) апроксимации. И поэтому вряд ли заслуживает внимания. Полимиальный же трассер дает фантастические результаты и перекрывает по возможности все существующие скользящие средние.

Для наглядности сказанного сделал анимированный GIF:

Dmitiry Ananiev :

Ма как раз перерисовывается ровно на столько свечей,какой период указан в настройках !

Стойкое дежа-вю.. то есть где-то вы помниться уже такое говорили 🙂

у вас после каждого NonFarm машки движутся? или этот особо удался 🙂

Стойкое дежа-вю.. то есть где-то вы помниться уже такое говорили 🙂

у вас после каждого NonFarm машки движутся? или этот особо удался 🙂

))))))))))))))))) горилка, она такая горилка.

  • Бесплатные приложения для трейдинга
  • Форексный VPS бесплатно на 24 часа
  • 8 000+ сигналов для копирования
  • Экономические новости для анализа финансовых рынков

Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.

Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.

Цифровая обработка торговых сигналов для торговой стратегии

Любой торговый сигнал организован достаточно сложно. Можно сделать вывод, что он состоит из множества ритмов с различными периодами, при этом ритмы непостоянные – возникают и исчезают в ходе своей эволюции во времени. Произвести оценку структуры ритмов сигнала котировок можно с использованием цифрового спектрального анализа, применяемого в цифровой обработке сигналов.

Спектральный анализ в настоящее время широко используется в трейдинге. На рисунке 1 показан характерный спектр некоторого сигнала котировок. Пики с различной высотой на графике спектра отражают величину (размах по амплитуде) ритмов с соответствующими периодами. График спектра отображен в диапазоне периодов до 100 (крайнее правое значение).

Из рисунка 1 видно, что размах ритмов по величине (амплитуде) возрастает с увеличением периодов ритмов (высоты пиков спектра возрастают слева направо), это практически всегда наблюдается для котировочных сигналов различных торгуемых инструментов.

Рис. 1. Характерный спектр котировочного сигнала торгуемого инструмента.

Можно сделать вывод, что котировочный сигнал в среднем состоит из множества ритмов, наложенных друг на друга, причем размах ритмов по амплитуде тем больше, чем больше величина периода.

Индикаторы или цифровые фильтры

При построении торговой стратегии с использованием технологии цифровой обработки сигналов возможно отделять эти ритмы друг от друга и по их соотношению между собой принимать торговые решения, то есть формировать торговые сигналы.

Для разделения (расслоения) сложного котировочного сигнала на более простые компоненты (ритмы с различными периодами и различными размахами по амплитуде) используются цифровые фильтры. В настоящее время методы расчета и разработки цифровых фильтров достаточно широко представлены в многочисленной литературе.

Индикаторы: фильтры нижних частот

Для разделения (расслоения) сложного котировочного сигнала на более простые компоненты будем использовать цифровые фильтры нижних частот (ФНЧ), например, скользящую среднюю SMA. Задача SMA – сгладить (усреднить) все колебания с периодами меньше периода усреднения SMA и оставить (пропустить) все колебания с периодами больше периода усреднения индикатора. Фильтр нижних частот делает то же самое, но

  • появляется возможность более сильного подавления усредняемых быстрых колебаний (более высокое качество сглаживания),
  • изменять соотношение между собой пропускаемых (не сглаживаемых) ритмов (то есть, изменять нужным образом реакцию сглаженной кривой на изменение котировочного сигнала во времени),
  • управлять вносимой задержкой ФНЧ (то есть, управлять реакцией сглаженной кривой на изменение котировочного сигнала).

Различные типы скользящих средних: SMA, EMA, взвешенные скользящие средние, ранее опубликованная скользящая средняя с улучшенным качеством сглаживания RAMA – являются фильтрами нижних частот (ФНЧ).

Рассмотрим примеры

На рисунке 2 изображена ранее опубликованная скользящая средняя RAMA(60) c периодом сглаживания 60, также изображен осциллятор, полученный с использованием двух цифровых ФНЧ, то есть сдвоенная сглаженная кривая – результат сглаживания этими двумя цифровыми ФНЧ. Цифровые ФНЧ рассчитывались специально по стандартным методикам, приведённым в литературе, чтобы подчеркнуть структуру ритмов сигнала котировок. Необходимо отметить, что осциллятор (индикатор), полученный с использованием двух специально рассчитанных цифровых ФНЧ, расположен в окне котировок, а не в сноске «внизу», что удобно, так как сглаженные кривые осциллятора в данном случае также являются линиями уровней (опорными линиями) для графиков котировок.

Рис. 2. Скользящая средняя RAMA(60) и осциллятор из двух ФНЧ.

На рисунке 3 изображена скользящая средняя RAMA (40) с периодом сглаживания 40 и осциллятор, полученный с использованием двух рассчитанных цифровых ФНЧ с соответствующими (подобранными) настройками.

Рис. 3. Скользящая средняя RAMA(40) и осциллятор из двух ФНЧ.

На рисунке 4 изображены RAMA (20) и соответственно настроенный осциллятор из двух цифровых ФНЧ, добавлена сигнальная (синяя) линия с выхода еще одного цифрового ФНЧ с небольшим периодом сглаживания.

Рис. 4. Скользящая средняя RAMA(20) , осциллятор из двух ФНЧ, добавленная сигнальная (синяя) линия, полученная с использованием ФНЧ.

На рисунке 5 графики рисунков 2-4 совмещены.

Рис. 5. Результат совмещения рисунков 2-4.

Таким образом, на рисунке 5 изображены три модифицированные скользящие средние RAMA с периодами 60, 40, 20, также три осциллятора, полученные с использованием пар цифровых ФНЧ, и дополнительная сигнальная линия, полученная с использованием одного цифрового ФНЧ. На рисунке хорошо видно разложение котировочного сигнала на более простые структуры ритмов, что можно применять для построения эффективных торговых стратегий.

Проверим эффективность сборки

На рисунках 6, 7, 8 приведены графики с сохраненными настройками для других участков графиков котировок.

Рис. 6. Графики с сохраненными настройками для второго участка графика котировок. Рис. 7. Графики с сохраненными настройками для третьего участка графика котировок. Рис. 8. Графики с сохраненными настройками для четвёртого участка графика котировок. Рис. 9. Графики с сохраненными настройками для пятого участка графика котировок.

Цифровая обработка сигналов открывает широкие технологические возможности для использования в трейдинге. В настоящее время методики расчёта различных цифровых фильтров широко представлены в многочисленной литературе и цифровая фильтрация применяется в различных системах технического анализа. Цифровые фильтры являются мощным и гибким инструментом при построении эффективных торговых стратегий.

СПЕКТРАЛЬНЫЙ АНАЛИЗ РЫНКА

Почему не внутридневные?
1. Нет времени на это. Поиск гармоничного движения внутри дня занимает много времени. Иногда будем выкладывать внутридневные прогнозы и сигналы в "Текущих торгах".
2. Для постоянной гармоничности требуется равнообъёмная история. Программа для формирования равнообъёмной истории без дыр для МТ4 пока ещё не закончена.
Когда будет равнообъёмная история, тогда и будут частые внутридневные коментарии.
3. Временные ТФ от Н4 имеют почти равнообъёмные бары.
4. Самый лучший результат СПЕКТРАЛЬНЫЙ АНАЛИЗ даёт на равнообъёмной истории.

В этой теме будет иногда публиковаться немного материала из закрытой части кафедры. Из темы "Примитивные торговые сигналы".

#2 graham

#3 Zhunko

Обзор GBPJPY MN1 — D1.

MN1 Движение вниз продолжается. Находимся на самом верху волны. Обратите внимание на равные периоды самой быстрой волны (мажента).

W1 Был сильный сигнал вниз.

D1 Сильное движение вниз. Отмечены сигнал вниз и подтверждение сигнала вниз.

#4 Zhunko

Обзор USDJPY MN1-H4

MN1 Движение вниз продолжается. По спектральным линиям видно, что сейчас мы находимся в самом низу. Вполне вероятно, что в начале следующего года пара будет расти.
Не смотря на малое количество валютных пар в расчёте индексов, можно наблюдать интересную картину (выделено синим элипсом).
Видно, как индекс JPY пошёл за индексом USD обеспечив падение пары во время начала кризиса в прошлом году.

W1 Синим прямоугольником выделена зона формирования сигнала для входа вниз. Зона слишком широкая для формирования сигнала по индексам, спектральные линии все внизу и направляются вниз. Идём вниз. Синим элипсом отмечена таже зона, что на MN1. Для удобства рассмотрения с большим количеством пар в расчёте индексов.

D1 Синим прямоугольником отмечена зона формирования сигнала вниз по индексам.
На нижнем графике с индексами линии разошлись правильно для движения вниз. Почти все спектральные линии направлены вниз. Идём вниз.

H4 Синим прямоугольником отмечена зона формирования последнего внятного сигнала вниз. Далее индексы идут параллельно. Образуя флетовые движения.
Подобные недоразумения лучше рассматривать на более старших ТФ.

#5 Sergey SilentMan


В этой теме будет иногда публиковаться немного материала из закрытой части кафедры. Из темы "Примитивные торговые сигналы".

#6 Zhunko


В этой теме будет иногда публиковаться немного материала из закрытой части кафедры. Из темы "Примитивные торговые сигналы".

Спектральный анализ не является секретом. Деление сессий на ТФ тоже является спектром. Тот кто применяет для анализа разные ТФ, тоже занимается спектральным анализом.
Спектр.
Спектральный анализ.

Кто хорошо учился в институте, тот знает, что это такое. А для тех, кто забыл, есть специальная тема в закрытой части кафедры. Там Ильнур Иксанов рассказывает о цифровой фильтрации приминительно к спектральному анализу.

С Джоном Эйлерсом не знаком.
Вообще, считаю, что лучше самому разработать, чем читать бесконечные чужие мнения и тратить время на анализ чужих разработок. Таким образом, можно быть свободным от чужих догм и продвинуться дальше.

Один из методов фильтрации был разработан мной. Ильнур Иксанов помог реализовать его. Если бы у меня были общераспрастранённые догмы на тему "Фурье не применим на рынке. ", то у меня ничего не получилось бы.
Ни чего подобного в инете не видел. Ни кто ещё не догадался так фильтровать. Метод позволяет получать максимально высокую селективность без искажения фазы.

Кафедра спектрального анализа

Кафедра создана летом 2009 года. На кафедре производится обучение спектрал ьному подходу изучения рынка.

Спектральный анализ является основой изучения окружающего мира. Т олько разложив сложный объект или явление на простые составляющие, можно его понять. Это суть спектрального анализа. Спектральный анализ используется в астрономии, физике, химии, радиотехни ке, акустике, криптологии и других науках. Было бы глупо не исп ользовать спектральный анализ для рынка, где волны являются его основой.

Количество валют ограничено. Т.е. количество факторов влияющих на рынок строго ограничено количеством в алют. На данный момент количество валют вместе с основными металлами и специальными правами заимствования равно 176-и. Если построить кластер из этого количества валют и металлов, то можно описать весь Форекс. Обычно такое количество валют не доступно. Зато, можно рассчитать индекс каждой валюты исходя из имеющихся инструментов. Используя два индекса валют, составляющих торгуемую валютную пару, и используя спектральный анализ для наблюдения за индексами в одном спектральном срезе, можно с высокой точностью определять точки входа в сделку и выхода из неё. Индексы валют рассчитываются по уникальной методике Александра Нестерчука.

Весь анализ производится в авторском программном комплексе AIASM .

На кафедре нет обучения какой-то одной торговой системе. Производится обучение спектральному подходу в изучении и анализе рынка на базе программного комплекса AIASM , что поможет создавать свои торговые системы в любом количестве. Т.е. предлагается не рыбка и даже не удочка, а фабрика по производству удочек.

Самостоятельная работа в исследованиях это основа успешного обучения и успешной торговли.

Журнал Биржевой лидер. Выпуск 9

Секреты и тайны всемирно известных трейдеров и их торговых систем:
— Новый взгляд на Parabolic-Sar: что скрывает чудо-индикатор?

По иную сторону баррикад: трейдинг и трейдеры глазами брокеров (откровения и сенсации):
— Скрытые возможности Currenex – новый шаг в будущее трейдинга вместе с NordFx

Трейдинг вместе с профессионалами:
— Полина Полякова — магистр скальпинга. Секреты успеха

Трейдинг как предчувствие:
— 300$ в кармане — возможно ли заработать на рынке форекс? Наблюдение трейдера

Землячества (сообщества) трейдеров различных стран и регионов мира Академии Masterforex-V:
— Вместо домов с привидениями, дома-привидения. Алгоритмы «Мыльного пузыря» на литовском рынке недвижимости

Новый взгляд на международные фондовые рынки:
— Торговля биржевыми инструментами:Торговая Система вероятностно-статистического подхода

Новые авторские паттерны трейдинга:
— Сила и слабость паттернов технического Анализа. Новое в паттернах трейдинга форекс

Психология трейдинга: загадки, секреты и тайны:
— 8 Марта – настоящий клад для мужчин трейдеров. Что подарить и каким подарком удивить любимую женщину?
— Трейдинг и здоровье. Ключ к себе (Рекомендации врача, практикующего трейдера)

Спектральный анализ рынка Форекс — новое направление технического анализа:
— Спектральный анализ рынка. Введение к техническому анализу

Азбука биржевой торговли:
— Занимательные опционы – азбука опционной торговли для начинающих трейдеров

Вы должны быть залогинены на сайте, чтобы иметь возможность комментировать.

Трендовый индикатор на основе сингулярного спектрального анализа – индикатор для MetaTrader 5

Трендовый индикатор на основе сингулярного спектрального анализа – индикатор для MetaTrader 5 является Метатрейдер 5 (MT5) индикатор и суть этого технического индикатора заключается в преобразовании накопленных данных по истории.

Трендовый индикатор на основе сингулярного спектрального анализа – индикатор для MetaTrader 5 предоставляет возможность обнаруживать различные особенности и закономерности в динамике цен, которые невидимы невооруженным глазом.

На основе этой информации, трейдеры могут взять на себя дальнейшее движение цен и соответствующим образом скорректировать свою стратегию. Нажмите здесь для MT5 Стратегии

Тема: Что вы знаете о спектральном анализе максимальной энтропии в трейдинге?

Спектральный анализ максимальной энтропии (MESA) на форекс.

Разберёмся по отдельности с этими понятиями. Энтропия — неупорядоченность системы, хаос. Она характеризует скорее волатильность.

Спектральный анализ заключается в разложении рассматриваемого периода на множество более мелких и последующую работу с ними с целью определения точного времени смены циклов на рынке и оптимальных временных интервалов для торговли. Как показывает практика они составляют не более 15% от всего торгового времени. В остальное время рыночный шум не даёт методу нормально работать.

Сам метод максимальной энтропии нельзя использовать без какой-либо дополнительной «амуниции». Он является лишь помощником, дополнением к другим техническим индикаторам.

На мой взгляд, такой метод анализа слишком сложен для простого обывателя. Для того, чтобы им успешно пользоваться, нужно проникнуть в самую суть, а это не так легко.

  • Просмотр профиля
  • Сортировка сообщений
  • Найти все темы

Спектральный анализ максимальной энтропии (MESA) на форекс.

Разберёмся по отдельности с этими понятиями. Энтропия — неупорядоченность системы, хаос. Она характеризует скорее волатильность.

Спектральный анализ заключается в разложении рассматриваемого периода на множество более мелких и последующую работу с ними с целью определения точного времени смены циклов на рынке и оптимальных временных интервалов для торговли. Как показывает практика они составляют не более 15% от всего торгового времени. В остальное время рыночный шум не даёт методу нормально работать.

Сам метод максимальной энтропии нельзя использовать без какой-либо дополнительной «амуниции». Он является лишь помощником, дополнением к другим техническим индикаторам.

На мой взгляд, такой метод анализа слишком сложен для простого обывателя. Для того, чтобы им успешно пользоваться, нужно проникнуть в самую суть, а это не так легко.

Сингулярный спектральный анализ временных рядов рынка форекс

Сначала разберем что же такое сингулярный спектральный анализ.

Лучшие Форекс брокеры 2021:

По-простому, это методы математического анализа временных рядов, где поведение исследуемой переменной, в нашем случае это котировки валюты, рассматривается через сложение шумовой, трендовой, а также нескольких волновых составляющих ряда. В результате сингулярного спектрального анализа можно определить наиболее вероятное поведение котировки валюты в ближайшем будущем. На заметку можно добавить, что сингулярный спектральный анализ (SSA) является частным случаем многомерного сингулярного спектрального анализа (MSSA). Методы, реализуемые MSSA, в России называются методом «Гусеница».

Сингулярный анализ цены очень полезен для получения дополнительной информации о движении цены. Он может помочь в решении основной проблемы трейдера – уменьшение шума и помех в котировках валюты с целью лучшего прогнозирования динамики цены.

Существуют различные методики анализа временных рядов, но эти методики имеют определенные ограничения. Методика анализа, которая будет рассмотрена в этой статье, имеет ряд преимуществ по сравнению с классическими методами анализа временных рядов. Этот метод позволит трейдеру извлечь полезную информацию из зашумленных рядов котировок валюты, а также даст возможность определить базис прогнозной модели. Сингулярный спектральный анализ (SSA) – достаточно новый метод, успешно применяемый в различных областях наук от метеорологии и астрономии до био-информатики. Этот метод позволяет сжать информацию, сгладить временные ряды котировок валюты, а также спрогнозировать их дальнейшую динамику. Метод хорошо применим для валютного и фондового рынка. Этот метод хорошо работает на этих рынках, так как они представляют временные финансовые ряды, т.е. систему, которая изменяется во времени. Сингулярный спектральный анализ разработан для анализа внутренней динамики временных рядов. Метод SSA заключается в сингулярном разложении траекторной матрицы, которая получается из временных рядов (котировок валюты или акций). Разберем метод SSA для анализа котировок валют.

Будем считать цену котировки в фиксированной точке в качестве определенного состояния системы. Серия этих состояний образует профиль изменения состояний системы. Можно знать процесс, лежащий за изменением цены, но нельзя знать характеристики этого процесса. Неизвестный процесс представляется через сложение элементарных паттернов поведения. Каждый элементарный паттерн дает информацию о тренде (направленном движении), а также о шуме и помехах временных рядов котировок валют. Цель спектрального анализа – получить информацию о тренде и шуме из временных рядов.

На начальном этапе сингулярного спектрального анализа производится процедура встраивания. Из бесконечных временных рядов выбирается начальный и конечный интервал, который включает конечное количество (N) состояний системы. Затем выбирается число задержек, так называемое «окно», содержащее цены котировок от 1 числа до М. М <= (N/2). Эти значения образуют первый ряд матрицы (Х). Второй ряд матрицы Х будет включать цены от 2 числа до M+1 (окно сдвигается на +1) и так далее. Последнее состояние последовательности М будет находиться в последнем ряду матрицы Х. В сумме у нас будет М наблюдений временного ряда, происходит трансформация одномерного временного ряда котировки в М – мерный. Х – траекторная матрица, которая состоит из М рядов (их называют траектории) и N – колонок. Итак, мы построили траекторную матрицу, теперь есть возможность разложить временные ряды котировок на элементарные паттерны поведения (произвести сингулярное разложение).

SSA основывается на эмпирической ортогональной функции (ЭОФ). Сингулярное разложение матрицы Х выглядит следующим образом: Х=uSvt , где

Лучшие Форекс брокеры 2021:

S – сингулярная матрица.
T – сопряженная транспозиция матрицы эмпирической ортогональной функции правой (u) и левой (v) матриц.

Давайте представим, что временные ряды содержат только чистые сигналы, т.е. не содержат ни шума, ни помех. В этом случае все элементы диагонали матрицы S (сингулярной) будут отличаться от нуля. Затем представим, что некая экономическое событие вызывает белый шум к нашему чистому сигналу. Для того, чтобы определить эффект шума, нужно добавить значение стандартного отклонения для увеличения сингулярного значения, это не изменит эмпирической ортогональной функции так, как белый шум и сигнал статистически независимы. Что бы отделить шума от сигнала во временном ряду необходимо усечь сингулярный спектрум. Из-за шума (помех) в данных сингулярные значения матрицы S уменьшаются, пока не достигают 0.

Приведем пример. У нас есть временные ряды котировки EUR/USD. Цены закрытия содержат 200 точек (N). Для построения траекторной матрицы со значением М=200/2=100. На рисунке можно наблюдать одномерную диаграмму сингулярных значений.

Рисунок 1. Сингулярные значения траекторной матрицы для пары EUR/USD , где N=200, M=100.

Первое сингулярное значение сильно отделено от остальных. Второе и третье значения тоже отделены от остальных 97 значений, однако разрыв намного меньше. Первые три значения можно удалить из сингулярного исследования. Также на рисунке видно как меняется наклон кривой между 5м и 20м значением наклон сильно отличается от наклона между 20 – 80-м.

Сингулярный спектральный анализ очень напоминает классический анализ Фурье. Они также представляют сигналы в качестве суммы косинусов и синусов разных частот и амплитуд для определения опережающих сигналов.

Рисунок 2. Эмпирические ортогональные функции, для первых трех сингулярных разложения. EOF -1 соответствует первому сингулярному разложению, EOF2,3 для третьего и второго.

Далее нужно определить основные компоненты сингулярного спектрального анализа. Основные компоненты являются набором сингулярных значений и элементарных функций.

Рисунок 3. Основные компоненты, которые отражают проекцию временных рядов на EOF1, EOF2,3, EOF5,6.

Цифровые индикаторы: суть, виды и стратегии на их основе

Содержание данной статьи является исключительно частным мнением автора и может не совпадать с официальной позицией LiteForex. Материалы, публикуемые на данной странице, предоставлены исключительно в информационных целях и не могут рассматриваться как инвестиционный совет или консультация для целей Директивы 2004/39 /EC.

Нет возможности читать нас каждый день? Получайте свежие статьи на вашу электронную почту.

Написал

Я попробую применить полученные знания на демо-счете, доступном без регистрации

Покажите мне графики валют и как цена на рынке двигается в реальном времени

Я хочу начать копировать сделки профессиональных трейдеров на мой счет

Я готов начать зарабатывать на финансовых рынках и хочу открыть торговый счет

    LiteForex в ВКонтакте

Предупреждение о рисках: Торговля на финансовых рынках сопряжена с риском. Контракты на разницу («CFDs») являются сложными финансовыми инструментами, используемыми для маржинальной торговли. Торговля CFD имеет высокий уровень риска, так как кредитное плечо может работать как в Вашу пользу, так и против Вас. Вследствие этого торговля CFD подходит не всем инвесторам из-за высокого риска потери инвестированного капитала. Вы не должны рисковать большими средствами, чем Вы готовы потерять. Перед началом торговли Вы должны убедиться, что Вы понимаете все риски и учитываете их в совокупности с уровнем Вашего опыта при постановке Ваших инвестиционных целей. Перейти к полному документу «Предупреждение о рисках».

Данный веб-сайт является собственностью группы компаний LiteForex.

LiteFinance Global LLC зарегистрирована в государстве Сент-Винсент и Гренадины как общество с ограниченной ответственностью под номером 931 LLC 2022. Юридический адрес: First Floor, First St Vincent Bank Ltd Building, James Street, Kingstown, St. Vincent and the Grenadines. Email:

LiteFinance Global LLC не предоставляет сервис резидентам стран Европейской Экономической Зоны (ЕЭЗ), США, Израиля и Японии.

СПЕКТРАЛЬНЫЙ АНАЛИЗ ФОРЕКС

Спектральный анализ Фурье

Базовая идея анализа временного ряда по Фурье состоит в том, чтобы разделить данные на сумму синусоид с различными длинами циклов, где каждый цикл является частью длины общего или фундаментальной цикла. Например, Рисунок 1 показывает временные ряды, состоящие из линейного тренда и двух главных циклов, а Рисунок 2 дает разложение на составляющие синусоиды.

Первоначально циклический анализ применялся к физическим явлениям, чтобы описать поведение сложных колебаний, к примеру, множественные колебания, созданные струнным инструментом. Анализ таких систем изящно описан поведением самого длинного или фундаментального цикла, и ответом на первую, вторую и более высокого порядка гармоники фундаментального. Позже Фурье и другие расширили этот анализ и показали, что любой конечный сегмент или кривая данных могут быть хорошо приближены рядом синусоид. Этот метод — основа анализа Фурье данных (временные ряды) и обычного анализа спектра. Примечание: приближение Фурье кривой или временных рядов будет периодическим, даже если данные не являются таковыми!

Чтобы понять спектральный анализ Фурье, кратко рассмотрим свойства отдельной синусоиды. Синусоида может уникально быть охарактеризована в любой точке времени своей амплитудой или максимальной величиной, своей частотой или нормой вибрации и своей фазой. (См. Рисунок 3.) Период или длина цикла синусоиды — число торговых дней в году (предположим, что один год — 260 торговых дней) деленный на частоту, то есть синусоида с частотой 10 циклов в год имеет период 260 / 10 = 26 дней. Анализ Фурье разделяет данные на сумму синусоид соответствующей амплитуды, частоты и фазы. Спектральный анализ Фурье — конденсат этих преобразованных данных, посредством чего квадрат амплитуды или сила каждой синусоиды выражается против частоты каждой синусоиды. (Информация о фазе, таким образом, в представлении спектра данных теряется.) Например, спектр амплитуды циклических данных на Рисунк 1 состоит из двух пиков данных на соответствующих частотах, как показано на Рисунке 4.

Основное отличие между анализом Фурье непрерывных кривых и данных типа закрытий акций или товаров в том, что для данных существует верхний предел частотного спектра. Для дневных данных частоты выше, чем 130 (двухдневный цикл) неотличимы от частот, меньших 130. Это следствие осуществления процесса выборки, подобно стробоскопу в оптике. Таким образом, анализ Фурье данных уместен только в частотах между 0 и 130 циклов в год.

Спектральный анализ полезен для технического анализа, где он обеспечивает количественный инструмент для обнаружения доминирующих частот или полос частот в данных пользователя. В частности, мы можем использовать спектральный анализ, чтобы помочь выбрать средние для различных видов технического анализа. Средние (и другие методы фильтрования данных) позволяют нам подчеркнуть только те частоты или спектральные полосы, которые интересны для целей торговли. Вообще, мы можем разделить спектр дневных торговых данных на три родовые спектральные полосы:

· НИЗКОЧАСТОТНЫЕ КОМПОНЕНТЫ — представлены сезонными трендами и долгосрочными моделями. Обычно сюда включаются частоты в диапазоне от 0 до 4, то есть циклы, большие 60 дней.

· ПРОМЕЖУТОЧНЫЕ ЧАСТОТЫ — представлены краткосрочные торговые циклами и рыночные циклы хода/коррекции. Обычные частоты находятся в диапазоне от 4 до 40, соответствуя периодам между 6 и 60 днями.

· ВЫСОКОЧАСТОТНЫЕ КОМПОНЕНТЫ — случайные дневные изменения или торговый шум. Как правило, большая часть спектра находится в этой полосе, то есть, частотах от 40 до 130 — циклах меньших, чем 6 дней.

Рисунок 5 демонстрирует спектр Фурье и дневные цены на протяжении 110 дней (24 недели) полученных по закрытиям соевого масла, используя основной спектральный код, данный в конце этой статьи. (Примечание: нулевая частота — справа.) В данном случае есть две области спектра, представляющие интерес: полоса промежуточных частот, которая достигает максимума приблизительно на 16 циклах в год (период 16 дней) и спектральный пик на 32 циклах в год (период 8 дней). Остальная часть спектра содержит главным образом шумовые колебания, в нем нет больше низких частот, так как до вычисления спектра из данных был убран тренд. (Пик на 6 циклах в год (период 43 дня) представляет собой низкочастотную составляющую.)

Все это, однако, еще цветочки в использовании этого метода анализа,. Есть две основных проблемы, которые могут исказить или дискредитировать результаты: непостоянство данных и чрезмерный шум. Непостоянства данных приводят к большим колебаниям спектра, которые затеняют основные циклические компоненты, а шум может давать ложные пики и впадины спектра. Кроме того, если точки начала и конца данных неодинаковы, анализ Фурье может быть искажен. (Причина в том, что анализ Фурье пытается приближать периодическое расширение данных. Когда конечные точки не равны, создается неоднородность в периодически продлеваемых данных.) Следовательно, большинству программ спектрального анализа свойственны эти проблемы. Поэтому для анализа рекомендуются длинные интервалы данных, содержащие по крайней мере 64 дневных наблюдения для сглаживания шума и для решения спектральных пиков.

Коды спектра Фурье разработаны для использования в системе CompuTrac, но могут быть приспособлены и к другим компьютерным системам. Сердце этого кода — процедура быстрого преобразования Фурье (Fast Fourier Transform), которая достаточно быстро вычисляет разложение Фурье для использования на ряде данных умеренной длины, то есть, до 512 точек данных.

Мы можем использовать упомянутый выше код, чтобы найти пиковые частоты спектра и подобрать фильтры для данных, например скользящие средние с параметрами, оптимизированными к данным и частотным полосам. Число точек в расширенном массиве дается в заглавной информации (N=xxx), а основная частота или частотная дельта между спектральными линиями составляет всего лишь 260N, т.е. 260/256 для спектра соевого масла, показанного на рисунке 5. Чтобы найти пиковую частоту спектра, лишь пересчитывают число спектральных линий от нулевой частоты до спектрального пика, и умножают его на частотную дельту 260/N. Например, первый спектральный пик от нижней полосы частот на рисунке 5 отстоит на 16 линий от нулевой частоты, поэтому пик частоты находится на 16*260/256 = 16.25 (длина цикла = N/номер линии = 256/16 = 16 дней.)

Одно из практических применений для анализа спектра — выявить подходящие периоды средних для сокращения влияния нежелательных частот. Средняя с длиной M дней сведет на нет или сократит амплитуду любой синусоиды с длиной цикла, меньшей M, т.е. частоты, большие, чем 260/M, при сохранении амплитуды синусоид с длинами цикла большими, чем 1.5*M. Поэтому долгосрочный трейдер может использовать анализ спектра, чтобы подобрать такой период средней, который сохранит всю силу низких частот необработанных данных, но значительно снизит влияние любых промежуточных или высокочастотных спектральных пиков. (Период скользящей средней можно проверить, сравнивая спектр необработанных данных со спектром усредненных данных.) Трейдер, работающий в промежуточном сроке, может использовать спектральный анализ, чтобы найти акции или товары с сильными пиками промежуточных частот, и подобрать периоды средних, которые отфильтруют как высоко-, так и низкочастотные спектральные влияния. (Это основная идея в осцилляторном анализе.)

Например, мы можем исключить влияние частот выше 16 циклов/в год (период 16 дней) , применяя 8-дневную среднюю к данным соевого масла (рисунок 5). Спектр Фурье для данных, усредненных 8-дневной средней, показанный на рисунке 6, подтверждает, что после сглаживания в данных остаются только первые два спектральных пика.

Лучшие Форекс брокеры 2021: