结合指标来提高预测的可靠性

根据研究思路, 开发了三款预测指标。趋势识别及其预测 - 基于快速变换的 SSA 趋势预测和快速预测, SSACD (MACD 的改编) 和 SSA 随机振荡。每款指标都有两种变体: 简化和扩展。

(资料图)

由于所有指标使用相同的数据, 但针对不同的处理特点, 每款指标都有其优点和缺点。结合所有指标, 实现协同效应, 增加总体情势评估的效率, 健壮性和准确性, 是一种很自然的愿望。

从投机策略的视角来看, 显然且必要的信息在于回答问题: "价格在不久的未来将会何去何从？"。有三种选择: 价格会上涨, 波动或下跌。

对于依据趋势识别预测价格的指标, 显然, 当价格上涨或下跌时, 导数的相似值必须或正或负。通过设置 EPS 的误差等级, 可以定义一个条件: 如果 "导数" 邻近零点, 半径为 epsilon (EPS), 那么价格变化可以忽略不计。

SSACD 指标是 MACD 的改编版, 为避免信息延迟经过调整, 这在移动平均线中很常见。为了防止使用太多的术语, 下文将其称为 MACD。MACD 在图表上显示为直方图和其平滑指数移动均线, 称为信号线。相应地, 平滑线的变化相对于 MACD 稍有延迟。因此, 如果价格上涨, 则 (MACD-Signal)>0, 如果下跌, 则 (MACD-Signal)<0。为 EPS 设置邻近零点的确定范围, 定义不稳定价格行为的过渡区域。

SSA 随机振荡指标是经过改编的快速随机振荡器, 与之前的情况类似。随机振荡器的曲线通常与其局部趋势相同。即为, 形成价格上涨, 下跌和不稳定行为的条件可以通过随机指标的 "导数": 在 epsilon 邻近范围之内大于或小于零。

由于指标提供了局部预测, 所以上述测量值的评估可给出价格行为在不远未来的信息。匹配的指标值能够增加预测可靠性, 并降低误差概率。为了验证所选方法的正确性, 有必要评估如何组合指标来减少历史数据上的严重预测误差数量。误差是指短期预测指示一个方向, 而价格变化却反方向发展的情形。

使用上述指标的用户可能会对选择的控制参数值感兴趣, 以及为什么。但既然最感兴趣的是最近预测点, 所以无需为这些参数指定长期选择。指标的适当参数, 其行为应与该序列的主要 (非预测) 部分相一致, 结合价格行为的平滑度和精细度, 并适用于广泛的金融工具类别。以下应予以选择:

基于趋势预测价格 (SSA 快速趋势预测, 版本 ):算法: 复发性预测,N: 数据片段 = 256,  时间依赖性滞后 = N/3,趋势    高频限制= ,预测 高频限制= ,预测变换 = S[i]/Max(:),预测平滑 = 平滑 MA(3)。

对于 SSACD 预测 (受限) 版本 :算法: 复发性预测,N: 数据片段 = 512,  时间依赖性滞后 = N/4,快速趋势 高频限制 = 慢速趋势 高频限制= 信号 SMA 周期 = 4数据准备 = {ln(S[i]-Smin+1)}/Max(:)预测准备 = S[i] /Max(:)预测平滑 = 平滑 MA(3)。

对于 SSA 随机振荡 (受限) 版本 :算法: 复发性预测,N: 数据片段 = 256,  时间依赖性滞后 = N/4,%K 高频限制 = ,%D 高频限制 = ,数据准备 = S[i] /Max(:),预测平滑 = 平滑 MA(3)。

用于分析的历史数据片段已经在不同的时间间隔当中进行:对于周期为 M5, M15, H1 的 GOLD 期货;BRENT — M5, M15;Si-USD/RUB — M15,对于 EUR/USD 外汇报价 — M15。不改变指标参数, 对不同周期、不同金融工具的交易进行处理, 可以研究预测值的稳定性和品质。在长度约为 1000 点的数据序列上迭代, 并在每个历史点上进行预测计算, 这提供了预测与真实进行比较的机会。我们用图表上的收盘价数据来描绘指标预测的结果。

编辑切换为居中

标签：