Forex Statistics And Probabilities

FOREX é a abreviatura das palavras inglesas FOReign EXchange market. Forex é o maior mercado financeiro do mundo, cujo dia de negócios produz um milhão e meio de dólares. Em contraste com outros mercados financeiros, o Forex não possui uma bolsa de valores central. Funciona por meio de uma rede eletrônica (incluindo a Internet), cujas unidades são bancos, corporações e pessoas privadas que negociam moedas entre si. Ausência de uma unidade central permite que o mercado Forex funcione 24h7days russian. mgforex. O MG Financial Group (mgforex) - líder das tecnologias on-line Forex - publicou a primeira versão de sua plataforma de negociação on-line (Deal Station) em abril de 1997. Este programa permite que os comerciantes vejam taxas de câmbio, façam transações e Para rastrear posições abertas em modo real. A característica distintiva da DealStation é que ele atualiza constantemente todas as suas informações (continuamente). O último desenvolvimento - o DealStation 2000 é construído com base na mais nova tecnologia Push Java, que permite empurrar novas informações em um computador comercial, assim que ele se torne acessível. Um dos concorrentes da Deal Station é um programa complexo WinChart, que pertence à empresa Straitsindex (Straits Index). Uma das vantagens deste programa é uma oportunidade para estudar os elementos da análise técnica. Existem duas abordagens para a análise do mercado de divisas fundamental e técnico. Com a ajuda da análise fundamental, pode-se determinar as forças de oferta e demanda com base em teorias financeiras e econômicas, baseadas na situação político-econômica. A análise técnica analisa as taxas e volumes de negociação com base na representação gráfica das taxas de câmbio no tempo e é direcionado para um diagnóstico de tendência no futuro. A análise técnica permite prever os movimentos das taxas de câmbio com base nas últimas taxas de negociação e na pesquisa de dados de volumes. Este tipo de análise baseia-se em fórmulas heurísticas para traçar as tendências do movimento da taxa e permite estimar as oportunidades de compra de moeda ou de moeda. Diagramas são: com intervalo de 5 minutos, 15 minutos, 60 minutos e 24 horas. Diagramas com intervalos de uma semana e um mês também são aplicados. Os últimos diagramas mencionados servem para uma estimativa das tendências a longo prazo. I. Os exemplos de análise técnica. 1. 1. Níveis de um mínimo e máximo relativos. Os níveis de um mínimo e máximo relativos são pontos onde o diagrama passa de diminuir para aumentar e, pelo contrário (fig.1). A probabilidade de exceder esses pontos é considerada insignificante, portanto, a compra ou venda é mais preferível nos momentos mínimos e máximos relativos. 2. Linhas diretas e canais da tendência. Linhas diretas são uma ferramenta simples, mas poderosa para revelação de tendências, ou seja, as tendências do mercado. Eles ligam alguns máximos ou mínimos consecutivos que pertencem a alguma tendência local. A continuação da linha mostra a direção mais provável do movimento do mercado no futuro. O canal representa um corredor de mudanças de cotação e é definido como parte de um plano entre linhas lineares paralelas construídas em máximos e em mínimos. A figura 2 representa o exemplo clássico de tendência de aumento, mas fig.3 dá um exemplo da localização do canal. 3. Média atual (dinâmica). A média atual permite generalizar tendências e mostrar o preço médio por um certo período de tempo. Fig.4 contém três curvas de valores médios, que dependem do período de média - um dia, uma semana e um mês. Existem três tipos de índices dinâmicos médios: habituais, pesados ​​linearmente e suavizados exponencialmente. O alisamento exponencial é considerado mais exato, a partir da probabilidade de um ponto de vista de previsão, pois dá maior peso aos dados bastante recentes. A média usual é contada de acordo com a fórmula: onde n. Por exemplo, representa a quantidade de dias. A média atual caracteriza o processo da cotação muda em média. Para estimar estatísticas de extremums locais (maxima e minima) de acordo com a média, um calcula um quadrado médio de desvios (RMS). Fig.5. Representa um exemplo de diagramas RMS, que formam a banda. Assim, o RMS pode servir como uma medida de probabilidade. As fórmulas para cálculo estão representadas abaixo. Onde D - é um desvio padrão, n é a quantidade de dias, eu. Os elementos da análise probabilística do mercado Forex. As coisas acima mencionadas ilustram o fato de que todos os esforços da análise técnica visam uma estimativa da probabilidade de um próximo evento. A análise técnica opera com as características estatísticas mais importantes - média, RMS, estatísticas (momentos) de pedidos superiores. No entanto, a probabilidade real permanece não reclamada. Ao mesmo tempo, os elementos de análise probabilística podem ser usados ​​com sucesso tanto para o cálculo de probabilidades como para a ferramenta gráfica que é bem conhecida pelos comerciantes. Os resultados das pesquisas de estimativas sobre as probabilidades das moedas do mercado Forex estão representados abaixo. Essas pesquisas incluem o desenvolvimento especial de software e a realização (com base no software) da simulação física e o cálculo das distribuições probabilísticas das taxas de câmbio reais. 1. A Simulação de distribuição de citações de DM. A Fig. 6 mostra a distribuição de modelagem do diagrama diário das citações da DM. Existem três tendências destacadas a, b, c no diagrama. As tendências a, b estão aumentando, c é neutro. O valor de DM 1.8376 em uma gama de determinação de tendência b é marcado com uma marca vermelha. A Fig.7 mostra um diagrama da distribuição de probabilidades. Desde logo é preciso notar que as tendências representam um erro regular e, basicamente, elas devem ser removidas. No entanto, em um contexto de realização de uma tarefa, eles servem como uma informação útil. A Fig.8 mostra uma curva suavizada de distribuição de probabilidades. A partir da análise das distribuições na fig.7 e na figura 8, fica claro que existe uma divisão de tendência visível (localização). Não é possível na análise técnica tradicional. 2. A localização das tendências da distribuição real das cotações DM. A Fig.9 mostra o diagrama diário das citações de DM a partir de 30 de abril de 1997 até 14 de junho de 1998. O valor total é 297 relatórios. DM 1.7646 é marcado com uma marca vermelha. Fig.11 e fig.12 mostram os diagramas da distribuição de probabilidade. A partir do exame dos diagramas acima mencionados, é claro que o valor analisável pertence ao grupo de tendências do período de transição, que passa dos valores baixos das cotações para os mais altos. A probabilidade de entrar nesse grupo de tendências é insignificante. Para o cálculo gráfico de probabilidades, devemos transformar a distribuição na fig.11 na integral das probabilidades, que é mostrada na figura 12. A partir do exame dos diagramas acima mencionados é claro que a probabilidade de citações de DM pode ser encontrada dentro do intervalo 1.6748 1.7646 e faz cerca de 30. 3. A remoção de um erro regular. Para fazer um cálculo de probabilidades com a precisão dada (alta), precisamos remover as tendências (fig.13). Por sinal, a remoção de tendências também é praticada na análise técnica tradicional. FIG. 14 mostra a distribuição necessária das probabilidades de processo casual de mudanças de cotação absoluta na figura 13. A aparência de distribuição é uma boa evidência de que o processo aleatório e analisado é normal ou pelo menos quasi normal. Para obter evidências mais fortes, é necessário aplicar o qui-quadrado. Se no diagrama que pertence a fig.14, conta-se uma integral de probabilidades em um intervalo de -0,0370 até .0006 (marca vermelha), será igual a 0,11986. Assim, é possível afirmar que a mudança de cotação de DM nos limites de -0,0370 até .0006 é esperada com a probabilidade de cerca de 20. Se devemos contar uma integral de probabilidades para um intervalo DM simétrico, a probabilidade geral será de aproximadamente 38. O último permitirá afirmar que a mudança de citações de DM em um intervalo -0,0060 0,0060 é necessário esperar com a probabilidade confidencial de 62. 4. Application Markoffs probabilidades de transição. Os processos de mudança de taxa de câmbio são processos estocásticos, ou seja, representam setos determinados (tendência) e eventos casuais (fig.13, fig.14). A conclusão sobre a oportunidade de aplicação das probabilidades de transição de Markoffs daqui segue, que caracteriza o processo de transições (por exemplo, no tempo) variável aleatória 967 de uma condição 967 i em outra condição 967 j. Se falar sobre o processo de mudança de cotações das probabilidades de transição das moedas são probabilidades condicionais p i, j do que no momento do tempo t o valor atual de uma taxa de câmbio é j desde que no momento t-1 fosse igual i. O exemplo das distribuições de probabilidades de Markoffs P (i, j) é apresentado na fig.15. As probabilidades de Markoffs de propriedade básica são lembranças de transições anteriores. Esta propriedade em um contexto de um problema considerado pode ser formulada da seguinte forma: distribuição de probabilidades P t (i, j) caracteriza a probabilidade de que a cotação da moeda aceite o valor j. Sob condição de que, após t etapas (por exemplo, t horas) a cotação, era igual a i. A formulação de uma situação real pode ser a seguinte. Na ordem do comerciante, há dados sobre a variação de 15 minutos da taxa EUROUSD nos últimos 3 a 4 meses. (Por exemplo, Preço de lance). A sequência de valores EUROUSD forma o circuito de Markoffs P (i, j). 15 minutos de mudança de taxa EUROUSD, devemos interpretar como transição de uma variável aleatória 967 de uma condição 967 i em uma condição 967 j. O conjunto de todas as transições forma uma matriz de transições (ou freqüência relativa N i, j), por exemplo: Problema. É necessário responder: se o valor atual EUROUSD estiver em uma condição j5 em que condição ik este valor será após 15 minutos Ou após 30, 45, 60. minutos Solução. Vamos aproveitar uma matriz de transições N i, j e calcularemos as probabilidades transitivas pi, j com uma condição: os valores das cotações reais e os valores das previsões são ilustrados com a ajuda do diagrama (figura 18), onde t - Período de 15 minutos. O diagrama de erros é mostrado na fig. 19, onde t-15 minutos. I I I. Conclusão preliminar. Os resultados representados da distribuição de probabilidade da pesquisa de cotações monetárias para o mercado Forex mostram o seguinte. uma. Eles permitem interpretar o estado do mercado Forex tanto como uma forma gráfica de representação das distribuições de probabilidade quanto nas características numéricas. B. As características numéricas representadas da análise de probabilidade (integrais de probabilidades e probabilidades confidenciais) têm caráter generalizante e podem ser usadas para previsões de longo prazo. O software, em um contexto de previsões de longo prazo, pode ser estático, ou seja, usar algum banco de dados de citações em moeda. O software, em um contexto de previsões de longo prazo, pode ser estático, ou seja, usar algum banco de dados de citações em moeda. O banco de dados pode ser recarregado por um usuário em um estilo manual. O desenvolvimento da versão estática de um programa desse tipo terá de 2 a 3 meses. O desenvolvimento da versão dinâmica levará horas manuais extras. A diferença entre o software dinâmico e o estático é que, para obter as citações da moeda em tempo real, o software dinâmico deve conter um bloco funcional adicional. Exemplo: c. O uso do dispositivo da série Markoffs é conveniente para as previsões de curto prazo, que é real para os comerciantes. O desenvolvimento dessa versão de pesquisa de programa e sua realização por meio de pesquisa de distribuição probabilística levará de 1,5 a 2 meses. A versão de demonstração do software CPS (Currency Prediction Software) pode ser olhada aqui. Trading com modelos gaussianos de estatísticas Carl Friedrich Gauss era um matemático brilhante que vivia no início dos anos 1800 e deu as equações quadráticas mundiais, métodos de análise de mínimos quadrados e distribuição normal . Embora Pierre Simon LaPlace tenha sido considerado o fundador original da distribuição normal em 1809, Gauss é freqüentemente dado o crédito pela descoberta, porque ele escreveu sobre o conceito no início e tem sido objeto de muito estudo por matemáticos há 200 anos. Na verdade, essa distribuição é muitas vezes referida como Distribuição Gaussiana. Todo o estudo das estatísticas originou-se de Gauss, e nos permitiu entender os mercados. Preços e probabilidades, entre outras aplicações. A terminologia moderna define a distribuição normal como a curva do sino com parâmetros normais. E uma vez que a única maneira de entender Gauss e a curva do sino é entender estatísticas, este artigo irá construir uma curva de sino e aplicá-la a um exemplo comercial. Média e Modo Três métodos existem para determinar as distribuições: média. Mediana e modo. Os meios são tidos em conta adicionando todas as pontuações e dividindo pelo número de pontuações para obter a média. A mediana é tida em conta adicionando os dois números médios de uma amostra e dividindo por dois, ou simplesmente simplesmente tirando o valor do meio de uma seqüência ordinal. O modo é o mais freqüente dos números em uma distribuição de valores. O melhor método para obter uma visão de uma seqüência de números é usar significa porque ele mede todos os números e, portanto, é mais reflexivo de toda a distribuição. Esta foi a abordagem gaussiana, e seu método preferido. O que estamos medindo aqui são os parâmetros da tendência central, ou para responder onde os resultados da amostra estão indo. Para entender isso, devemos traçar nossas pontuações começando com 0 no meio e traçar 1, 2 e 3 desvios padrão à direita e -1, -2 e -3 à esquerda, em referência à média. Zero refere-se ao meio de distribuição. (Muitos fundos de hedge implementam estratégias matemáticas. Para saber mais, leia Análise Quantitativa de Fundos de Cobertura e Modelos Multivariados: A Análise de Monte Carlo.) Desvio Padrão e Variância Se os valores seguem um padrão normal, encontraremos 68 de todas as pontuações cairão Dentro de -1 e 1 desvio padrão, 95 caem dentro de dois desvios padrão e 99 caem dentro de três desvios padrão da média. Mas isso não é suficiente para nos contar sobre a curva. Precisamos determinar a variância real e outros fatores quantitativos e qualitativos. A variância responde a questão de como a distribuição é distribuída. Ele é um fator nas possibilidades de por que outliers pode existir em nossa amostra e nos ajuda a entender esses valores atípicos e como eles podem ser identificados. Por exemplo, se um valor cai seis desvios padrão acima ou abaixo da média, ele pode ser classificado como um outlier para efeitos da análise. Os desvios padrão são uma métrica importante que são simplesmente as raízes quadradas da variância. Os termos modernos chamam essa dispersão. Em uma distribuição gaussiana, se conhecemos a média e o desvio padrão, podemos conhecer as percentagens dos escores que se enquadram em mais ou menos 1, 2 ou 3 desvios-padrão da média. Isso é chamado de intervalo de confiança. É assim que sabemos que 68 das distribuições estão dentro de mais ou menos 1 desvio padrão, 95 dentro de mais ou menos dois desvios padrão e 99 dentro de mais ou menos 3 desvios padrão. Gauss chamou essas funções de probabilidade. (Para obter mais informações sobre análise estatística, veja Understanding Volatility Measures.) Inclinação e Kurtosis Até agora, este artigo tem sido sobre a explicação da média e dos vários cálculos para nos ajudar a explicá-lo mais de perto. Uma vez que planejamos nossos resultados de distribuição, basicamente desenhamos a curva do nosso sino acima de todas as pontuações, assumindo que elas possuem características de normalidade. Então, isso não é suficiente porque temos colisões na nossa curva que precisam de explicação para entender melhor toda a curva. Para fazer isso, vamos para o terceiro e quarto momentos de estatística da distribuição chamada distorção e curtose. Skewness of tails mede a assimetria da distribuição. Uma inclinação positiva tem uma variância da média que é positiva e inclinada para a direita, enquanto uma inclinação negativa tem uma variância da esquerda inclinada média essencialmente, a distribuição tende a ser distorcida em um lado particular da média. Uma inclinação simétrica tem 0 variância que forma uma distribuição normal perfeita. Quando a curva do sino é desenhada primeiro com uma cauda longa. Isso é positivo. A cauda longa no início antes do nódulo da curva do sino é negativamente inclinada. Se uma distribuição é simétrica, a soma dos desvios em cubos acima da média equilibrará os desvios nos cubos abaixo da média. Uma distribuição direta distorcida terá uma inclinação maior do que zero, enquanto uma distribuição de esquerda distorcida terá uma inclinação menor que zero. (A curva pode ser uma poderosa ferramenta de negociação: para uma leitura mais relacionada, consulte o Risco de Mercado de ações: Wagging the Tails.) Kurtosis explica as características de concentração de pico e valor da distribuição. Um excesso de curtose negativa. Referido como platykurtosis é caracterizada como uma distribuição bastante plana onde há uma menor concentração de valores em torno da média e as caudas são significativamente mais gordo do que uma distribuição mesokurtic (normal). Por outro lado, uma distribuição leptokurtic contém caudas finas, uma vez que grande parte dos dados está concentrada na média. Skew é mais importante para avaliar as posições comerciais do que a curtose. A análise dos títulos de renda fixa requer análise estatística cuidadosa para determinar a volatilidade de uma carteira quando as taxas de juros variam. Modelos para prever a direção dos movimentos devem influenciar a aspereza e a curtose para prever o desempenho de um portfólio de títulos. Esses conceitos estatísticos são ainda aplicados para determinar movimentos de preços para muitos outros instrumentos financeiros. Tais como ações, opções e pares de moedas. Skews são usados ​​para medir os preços das opções medindo as volatilidades implícitas. Aplicando-o a Negociação O desvio padrão mede a volatilidade e pergunta qual o tipo de retorno do desempenho que podem ser esperados. Desvios-padrão menores podem significar menos risco para uma ação, enquanto uma maior volatilidade pode significar um maior nível de incerteza. Os comerciantes podem medir os preços de fechamento da média, pois está disperso da média. A dispersão então medeia a diferença do valor real para o valor médio. Uma diferença maior entre os dois significa um maior desvio padrão e volatilidade. Os preços que se desviam longe da média, muitas vezes, retornam à média, de modo que os comerciantes podem aproveitar essas situações. Os preços que se comercializam em uma pequena gama estão prontos para uma ruptura. O indicador técnico freqüentemente usado para comércio de desvio padrão é a Banda Bollinger. Porque eles são uma medida de volatilidade definida em dois desvios padrão para bandas superiores e inferiores com uma média móvel de 21 dias. A distribuição de Gauss foi apenas o início da compreensão das probabilidades de mercado. Mais tarde, levou a Time Series e Garch Models. Bem como mais aplicações de distorção, como o Volatility Smile.