Neden MACD, RSI, BOLL gibi "göstergelere" artık inanmamanız gerektiğini söylüyoruz?
Çünkü esasen sadece OHLCV'nin fonksiyonel dönüşümleridir.
Bilgi entropisine göre DPI yasası: X (örneğin OHLCV) temel alınarak hesaplanan herhangi bir Z göstergesi (örneğin MACD), Y hedef değişkeni (gelecek kazançlar) hakkında X'ten daha fazla bilgi içermesi mümkün değildir. Yani: I(X;Y) ≥ I(Z;Y)
Bu, şunu ifade eder: - Bilgiler yaratılmayacak, MACD veya BOLL'un içerdiği gelecekteki piyasa hareketleri hakkında bilgi miktarı, kesinlikle orijinal OHLCV verilerinin içerdiği bilgi miktarını aşmayacaktır. - Bilgiler genellikle sıkıştırma nedeniyle kaybolur, çoğu gösterge hesaplaması kayıplı sıkıştırmadır, örneğin: 20 günlük MA'dan geçmiş 20 günün kesin fiyatını çıkaramazsınız.
Bu nedenle, bilgi teorisi açısından OHLCV, geleceği tahmin etmek için gerekli olan maksimum bilgi miktarını içerir (sadece hacim ve fiyatı ele alırsak, diğer boyutları dikkate almayarak). OHLCV'yi doğrudan kullanmak teorik olarak en iyi çözümdür.
Sorunun özü şudur: Sinyal-gürültü oranı nasıl artırılır. Finansal veriler her zaman sinyal gürültü oranı yüksek verilerdir. OHLCV verilerinin sinyal gürültü oranını nasıl artırabileceğimizi düşünmeliyiz, göstergeleri nasıl dönüştüreceğimizi değil.
Örnek vermek gerekirse, K çizgisi fiyat serisi durağan değildir (ortalama ve varyans gibi istatistiksel özellikleri zamanla değişir), bu da istatistik/ML'in temel varsayımlarını ihlal eder. O zaman zaman bazlı K çubuklarından vazgeçebiliriz ve Volume Bars kullanarak, verilerin istatistiksel varsayımlara daha uygun hale gelmesi için yeni çubuklar oluşturabiliriz.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Neden MACD, RSI, BOLL gibi "göstergelere" artık inanmamanız gerektiğini söylüyoruz?
Çünkü esasen sadece OHLCV'nin fonksiyonel dönüşümleridir.
Bilgi entropisine göre DPI yasası:
X (örneğin OHLCV) temel alınarak hesaplanan herhangi bir Z göstergesi (örneğin MACD), Y hedef değişkeni (gelecek kazançlar) hakkında X'ten daha fazla bilgi içermesi mümkün değildir.
Yani: I(X;Y) ≥ I(Z;Y)
Bu, şunu ifade eder:
- Bilgiler yaratılmayacak, MACD veya BOLL'un içerdiği gelecekteki piyasa hareketleri hakkında bilgi miktarı, kesinlikle orijinal OHLCV verilerinin içerdiği bilgi miktarını aşmayacaktır.
- Bilgiler genellikle sıkıştırma nedeniyle kaybolur, çoğu gösterge hesaplaması kayıplı sıkıştırmadır, örneğin: 20 günlük MA'dan geçmiş 20 günün kesin fiyatını çıkaramazsınız.
Bu nedenle, bilgi teorisi açısından OHLCV, geleceği tahmin etmek için gerekli olan maksimum bilgi miktarını içerir (sadece hacim ve fiyatı ele alırsak, diğer boyutları dikkate almayarak). OHLCV'yi doğrudan kullanmak teorik olarak en iyi çözümdür.
Sorunun özü şudur: Sinyal-gürültü oranı nasıl artırılır.
Finansal veriler her zaman sinyal gürültü oranı yüksek verilerdir. OHLCV verilerinin sinyal gürültü oranını nasıl artırabileceğimizi düşünmeliyiz, göstergeleri nasıl dönüştüreceğimizi değil.
Örnek vermek gerekirse, K çizgisi fiyat serisi durağan değildir (ortalama ve varyans gibi istatistiksel özellikleri zamanla değişir), bu da istatistik/ML'in temel varsayımlarını ihlal eder.
O zaman zaman bazlı K çubuklarından vazgeçebiliriz ve Volume Bars kullanarak, verilerin istatistiksel varsayımlara daha uygun hale gelmesi için yeni çubuklar oluşturabiliriz.