KD 這麼簡單的東西 還能玩出甚麼鳥

Acer2266

alexliou 發表於 13-2-22 14:11
要把KD的值域改變
可以透過函數轉換  (Transformation)
在統計學裡常可以看到

ha 真巧 我也是 alex
您提的這部分我倒沒有想過
可以多分享一些嗎

alexliou

Acer2266 發表於 13-2-22 14:49
ha 真巧 我也是 alex
您提的這部分我倒沒有想過
可以多分享一些嗎

Fisher 轉換函數公式為:
y = 0.5 * ln[(1+x)/(1-x)]
ln 是自然對數
-1<x<1
它可以將原來機率分配在靠近兩極端值時最高的隨機變數x (Wave Cycle的變數都有這種特性)
轉換為近似常態分配的隨機變數y
像KD,RSI這一類的擺盪指標
高檔或低檔都容易出現鈍化的狀況
也就是說   指標在高低極端值附近的機率很高
很符合x的特性
所以應該很適合用Fisher Transformation來做轉換
不過 因為x值的定義域在正負1之間
KD值和RSI值不在這個範圍內
要先動點手腳才行
可以讓 X =2*(K-50)
-------------------------------
至於 如何在實戰中使用
我也沒試過
大大如果利用它能發展出實戰的方法
也可教教我們

alexliou

剛剛去做了一點小實驗
經過Transform後的K值有以下特性:
1) 比較有依據來定義鈍化
傳統KD用75/25 或 80/20來定義鈍化
那為什麼不用70/30 或78/22
說不出個所以然來
只能用經驗說
新的K值我可以用2/-2來定義鈍化
因為常態分配95%的機率區間落在這裡面
或者你可以訂出機率區間再去找臨界K值

alexliou

2) 可以預見的, 發生鈍化的時機變少也變晚了
(如果用2/-2定義鈍化臨界值的話)
這可能是個大缺點
原來可以靠KD鈍化賺錢的機會和金額都變小了
當然它也會濾掉一些"假"的鈍化訊號

alexliou

3) 轉折的角度好像比較銳一點(感覺)
傳統KD的轉折好像比較圓
但又不會像William R% 那麼銳
--------------------------------------------------------------------
報告完畢: 以上的實驗都是以經換倉調整後的日K為標的

alexliou

另外一種逆向思考是利用
Inverse Fisher Transformation 來強化它的鈍化
Inverse Fisher Transformation 可以把原來比較常態的機率分配
向兩個極端值推
有興趣的人可以自己玩玩看

Acer2266

alexliou 發表於 13-2-22 18:44
另外一種逆向思考是利用
Inverse Fisher Transformation 來強化它的鈍化
Inverse Fisher Transformation 可 ...

感謝您的說明
我了解您的意思了
這樣處理會把鈍化問題做修正
但是好像也更"容易"出現轉折(更敏感)
假日來試著做看看

teddys8

我來看看是怎麼樣的KD想法~~

sc0ing

...........................

hidowu

謝謝版主的分享
每個方法都有它的優缺點
改善自身缺點/加強優點是一種方式
也可以借助別的長處來填補自身缺點
這兩個都是可以思考的方向
不管黑貓白貓，能抓老鼠的就是好貓

markchen

感謝大大的分享  真的看到不同的觀點了

r810205

KD還蠻準的啊！感恩

richdad

指標是一種癈話~指標是一種癈話~

Acer2266

richdad 發表於 13-3-16 10:45
指標是一種癈話~指標是一種癈話~

完全無法認同這樣的說法
重點在於你對它的認識
如果夠精夠深
絕對是可以賺錢的
否則
這種東西怎麼可以流傳那麼久

r98521713

KD去除上下界限制
應該跟版主寫的不一樣