Die Entscheidung für den Handel bedeutet, sich auf eine Tätigkeit einzulassen, die Opfer und ein ganz bestimmtes Wissen erfordert. Wenn Sie andererseits an Ihren Mathematikunterricht in der Schule zurückdenken und sich dabei wohl fühlen, denken Sie vielleicht daran, eines Tages ein seriöser und zuverlässiger Finanzmarktanalyst zu werden. Die Bilder, die uns allen in den Sinn kommen, ähneln jedoch wahrscheinlich am ehesten dem Gefühl der Langeweile oder Angst, das wir empfanden, als wir die Minuten und Sekunden bis zum Ende des Unterrichts zählten.
Beiträge zur Mathematik
Wie anders wäre es gewesen, wenn unsere Lehrer die Statistik nur mit etwas Realem verknüpft hätten, wie etwa dem Schließen einer Position. kurz innerhalb von drei Tagen und strich 15 % des Wechselkurses ein. Wäre mir während meiner Schulzeit ein ähnlicher Fall präsentiert worden, hätte ich sicherlich ein viel größeres Interesse an diesen scheinbar abstrakten Konzepten und Berechnungen gezeigt. Aus diesem Grund ist es sinnvoll, auf das zu achten, was ich beschreibe. Tatsächlich könnten diese Techniken zur Volatilitätsmessung im Verlauf Ihrer Preisbewegungsanalyse zu Ihren besten Freunden werden.
Beim Trading ist die Profitlogik der Anreiz, der den größten Einfluss hat. Ob das Ergebnis nun der Nervenkitzel eines erfolgreichen Handels oder Geld ist, es ist in der Regel die Logik des Profits, die uns antreibt. Als Volatilitätshändler ist es gut zu erkennen, dass wir köstliche Marktchancen nutzen, und zwar mit linearer Regression, Da das Preispendel* hin und her schwingt, müssen wir in der Lage sein zu messen, wie weit „zu weit“ ist.. Andererseits ist die sogenannte lineare Regression wahrscheinlich das beste statistische Maß für eine Reihe von Daten oder Preisen. Einfach ausgedrückt ist die lineare Regression der mathematische Prozess, bei dem eine Gerade so gut wie möglich an eine Reihe von Datenpunkten angepasst wird, die in unserem Fall den verschiedenen vom Referenzmarkt erfassten Preisen entsprechen.
Es besteht wirklich kein Grund, sich in all den anderen, komplexeren Definitionen der linearen Regression zu verlieren, obwohl es viele trockene und abstrakte Methoden zu ihrer Beschreibung gibt, die an die obskuren Mathematiklehrer aus der High School erinnern. In den gezeigten Abbildungen ist jede der Linien von einer Reihe vorgegebener Punkte oder Preise umgeben. Die dargestellten Punkte stellen eine Reihe von Niveaus dar, die in einem Fall den im Bericht aufgezeichneten Schlusskursen entsprechen. BTCUSD (BTCUSD-Chart von Tradingview) kurzfristig. Tatsächlich besteht der Prozess der linearen Regression darin, eine gerade Linie zu zeichnen, die auf möglichst effiziente Weise durch diese Reihe von Datenpunkten verläuft.
Um besser zu verstehen, wie das funktioniert, stellen Sie sich vor, Sie wiederholen den linearen Regressionsprozess und zeichnen die bestmögliche Annäherung an die Linie, indem Sie jeden Punkt mithilfe eines 36-Karat-Golddrahts mit der horizontalen Linie verbinden. Wenn wir fertig sind, können wir das restliche Gold zurückgewinnen, daher möchten wir natürlich so wenig Faden wie möglich verwenden, um alle Punkte zu verbinden, die die Preise darstellen. So wird die Leitung am effizientesten verlegt. Dies ist eine lineare Regression. Aus technischer Sicht verwendet die lineare Regression den besser definierten Prozess der „ kleinste Quadrate„um die Linie so effektiv wie möglich an die Daten anzupassen. Was uns jetzt jedoch interessiert, sind die praktischen Auswirkungen, die die betreffende Linie auf den Handel hat. Die lineare Regression wird manchmal mit dem gleitenden Durchschnitt verwechselt, aber die praktische Erfahrung zeigt, dass es sich um zwei verschiedene Arten von Indikatoren handelt, die unterschiedliche Messungen durchführen.
Der gleitende Durchschnitt ist eine nachlaufende Methode: Sofern die Preisbewegung während der meisten Dauer des gleitenden Durchschnitts keine sehr geringe Volatilität aufweist, wird sie wahrscheinlich über oder unter der Linie des gleitenden Durchschnitts liegen. Dies ist bei der linearen Regression nicht der Fall: Sobald der Preistrend beginnt, die Richtung zu ändern, schmiegt sich die lineare Regressionslinie enger an die Preiskerzen an. Dies erklärt, warum die lineare Regression für andere Zwecke verwendet wird als der gleitende Durchschnitt. Es ist wichtig zu betonen, dass die lineare Regressionslinie keinen Durchschnitt, sondern einen effizienten Pfad darstellt, da sie nicht durch Werte aus der Vergangenheit belastet ist.
Wenn beispielsweise das Zeitintervall um eine Periode nach vorne verschoben wird, werden die ältesten Daten entfernt und die neuen Daten hinzugefügt. Dies gilt sowohl für den gleitenden Durchschnitt als auch für die lineare Regression. Der Unterschied besteht darin, dass im letzteren Fall die gesamte Linie neu berechnet wird. Es ändert sich also alles, während beim gleitenden Durchschnitt nur der jüngste Punkt einen neuen Wert annimmt.
Auf der operativen Seite ist das Market-Timing oft entscheidend, da es „zu weit“ von der Geraden entfernt ist. also eine Positionsveränderung abseits der Regressionsgeraden nach dem Prinzip der Rückkehr zu den Mittelwerten. Gehen Sie daher short, wenn der Marktpreis deutlich über der Regressionslinie liegt, und long, wenn der Marktpreis deutlich unter der Regressionslinie liegt.
Dieser Inhalt sollte nicht als Anlageberatung betrachtet werden.
Wir bieten keinerlei Finanzberatung an. Der Artikel dient nur zu Informationszwecken und einige Inhalte sind Pressemitteilungen, die direkt von unseren Kunden verfasst wurden.
Der Leser ist daher aufgefordert, eigene Recherchen durchzuführen, um die Aktualität der Daten zu überprüfen. Diese Site ist NICHT direkt oder indirekt für tatsächliche oder angebliche Schäden oder Verluste verantwortlich, die durch die Verwendung von Inhalten oder Diensten entstehen, die auf der Site https://valutevirtuali.com erwähnt werden.
