2011выпуск C0430-36
Инженерное спектральное обнаружение циклов и гармония скользящих средних
Опубликованные таблицы длительности циклов не сходятся на одном наборе рыночных периодов. Фильтрованный спектр позволяет проверить нулевую гипотезу об отсутствии циклов, после чего те же кандидатные периоды можно проверить на разных интервалах выборки, связанных индексах и окнах простой скользящей средней.
- Распространённые методы поиска циклов включают описательную статистику, визуальное чтение графиков, центрированные простые скользящие средние и традиционные осцилляторы, но опубликованные таблицы длительности не сходятся на одном наборе периодов.
- Спектральный анализатор с высокочастотным детрендингом, низкочастотным сглаживанием и полосовым отбором периодов позволяет проверить нулевую гипотезу о том, что рыночные цены не содержат циклов.
- Кандидатный период следует перепроверить на другом интервале выборки, связанном индексе и окнах простой скользящей средней, взятых из долей цикла.
- Обнаруженные циклы не стационарны. Доминирующий период может ослабевать, сменяться и колебаться, а синусоидальные аппроксимации следует рассматривать как растяжимые, сжимаемые и переменные по амплитуде во времени.
Начните с нулевой гипотезы об отсутствии циклов
Редакционная рамка TradersWeek: рассматривайте утверждения о рыночных циклах как фальсифицируемую инженерную задачу. Начните с нулевой гипотезы о том, что цены не содержат циклов, извлеките кандидатные периоды с помощью фильтрованного спектра и лишь затем спрашивайте, появляются ли те же периоды снова.
Распространённые технические методы поиска циклов включают описательную статистику, визуальное чтение графиков, тригонометрические построения вроде центрированных простых скользящих средних и традиционные осцилляторы. Опубликованные таблицы длительности циклов разных аналитиков не сходятся на едином наборе рыночных периодов.
Извлеките кандидатные периоды с помощью фильтрованного спектра
Спектральный анализатор с высокочастотным детрендингом, низкочастотным сглаживанием и полосовым отбором периодов можно использовать для проверки нулевой гипотезы о том, что рыночные цены не содержат циклов. Спектральный анализ в этом применении — это фильтрованное частотное сканирование упорядоченных рыночных наблюдений, которое показывает, сколько энергии приходится на каждый кандидатный период во времени.
Доминирующий цикл — это период, который в данный момент несёт наибольшую спектральную энергию; он может ослабевать, дрейфовать или сменяться другим периодом. На недельных данных S&P 500 с октября 2009 по сентябрь 2010 сканирование показало относительно устойчивый период от 16 до 17 недель, что соответствует циклу от 80 до 85 дней на дневных барах.
Перепроверьте те же периоды на других интервалах и индексах
То же недельное сканирование данных Toronto Stock Exchange также показало период 16 недель, тогда как более крупный период около 22 недель стал сильнее 16-недельного в начале августа 2010.
Обнаруженные циклы не стационарны: доминирующий период может ослабевать, сменяться и колебаться, как когда недельный период Торонто смещался между 18 и 15 неделями.
Переведите доли циклов в окна скользящих средних
Более слабый период 106 недель может проявиться при окне ретроспекции 160 недель, а половина и одна восьмая более длинного цикла были построены как 53-недельная и 13-недельная простые скользящие средние на недельных ценах S&P 500 с 2009 по сентябрь 2010.
Скользящая средняя здесь — это центрированное или простое среднее, окно ретроспекции которого взято из полупериода обнаруженного цикла или связанной доли и используется как базовое наложение, а не как самостоятельное правило. Эти окна 53 и 13 недель примерно переводятся в привычные 200-дневную и 50-дневную простые скользящие средние и дают обоснование на основе циклов, почему эти две средние обычно используют в паре.
Читайте результат как отвергнутую нулевую гипотезу, а не как доказательство
Упражнение не доказывает, что циклы существуют, но отвергает строгое утверждение, что рыночные цены не содержат циклов, при этом синусоидальные аппроксимации следует рассматривать как растяжимые, сжимаемые и переменные по амплитуде во времени.
Все разборы дорожки · 21 разбор
- 1982Построение трендовых фильтров на скользящих средних, начиная со спектра
- 1990Вопросы толпы, которые переключают циклические режимы
- 1993Антитетические близнецы для компенсации смещения прогноза, связанного с началом отсчёта
- 1994Построение частотной характеристики по каскаду из трёх фильтров
- 1994Стендовая проверка сглаживателей по фазе и мощности цикла
- 1995Построение минимальных торгуемых циклов из спектрального шума
- 1995Спектральные пределы випсау для средней, пересекающей цену
- 1996Построение рыночной фазы из компонент dominant-cycle
- 2000Построение Hilbert-сквелч вентиля доминирующего цикла
- 2007Когда циклический режим не срабатывает: режимные гейты для спектральных сделок
- 2008Построение прогнозных базовых линий сингулярного спектра
- 2008Наслоение циклического гейта средней полосы на трендовый фильтр с короткой памятью
- 2011Инженерное спектральное обнаружение циклов и гармония скользящих средних
- 2011Оценка фиксированных осцилляторов относительно подвижного доминантного цикла
- 2011Чек-лист построения синусоиды доминирующего цикла
- 2012Сборка тепловой карты режима рынка из последовательных полосовых фильтров
- 2012Адаптивное выявление тренда по спектрам доминантного цикла
- 2015Построение ценовых траекторий из циклов и поддержки
- 2018Форма распределения осциллятора для фильтров возврата к среднему
- 2020Построение цикла по косинусной корреляции и трендового фильтра на фазоре
- 2020Построение движка рыночного состояния на основе корреляционного цикла