post list
QuantDare
categories
all

Neural Networks

alarije

all

Foreseeing the future: a user’s guide

Jose Leiva

all

Stochastic portfolio theory, revisited!

P. López

all

“Past performance is no guarantee of future results”, but helps a bit

ogonzalez

all

Playing with Prophet on Financial Time Series (Again)

rcobo

all

Interviewing prices: Don’t settle for less

jramos

all

The Simpson Paradox

kalinda

all

Seeing the market through the trees

xristica

all

Shift or Stick? Should we really ‘sell in May’?

jsanchezalmaraz

all

What to expect when you are the SPX

mrivera

all

K-Means in investment solutions: fact or fiction

T. Fuertes

all

Lévy Flights. Foraging in a Finance blog. Part II

mplanaslasa

all

How to… use bootstrapping in Portfolio Management

psanchezcri

all

What is the difference between Artificial Intelligence and Machine Learning?

ogonzalez

all

Playing with Prophet on Financial Time Series

rcobo

all

Prices Transformation Cheat Sheet

fjrodriguez2

all

Dual Momentum Analysis

J. González

all

Random forest: many are better than one

xristica

all

Non-parametric Estimation

T. Fuertes

all

Classification trees in MATLAB

xristica

all

Using Multidimensional Scaling on financial time series

rcobo

all

Applying Genetic Algorithms to define a Trading System

aparra

all

Graph theory: connections in the market

T. Fuertes

all

Lévy flights. Foraging in a finance blog

mplanaslasa

all

Data Cleansing & Data Transformation

psanchezcri

all

Principal Component Analysis

j3

all

Comparing ETF Sector Exposure Using Chord Diagrams

rcobo

all

Learning with kernels: an introductory approach

ogonzalez

all

SVM versus a monkey. Make your bets.

P. López

all

Clustering: “Two’s company, three’s a crowd”

libesa

all

Euro Stoxx Strategy with Machine Learning

fjrodriguez2

all

Visualizing Fixed Income ETFs with T-SNE

j3

all

Hierarchical clustering, using it to invest

T. Fuertes

all

Lasso applied in Portfolio Management

psanchezcri

all

Markov Switching Regimes say… bear or bullish?

mplanaslasa

all

Exploring Extreme Asset Returns

rcobo

all

Playing around with future contracts

J. González

all

“K-Means never fails”, they said…

fjrodriguez2

all

What is the difference between Bagging and Boosting?

xristica

all

BETA: Upside Downside

j3

all

Outliers: Looking For A Needle In A Haystack

T. Fuertes

all

Autoregressive model in S&P 500 and Euro Stoxx 50

psanchezcri

all

“Let’s make a deal”: from TV shows to identifying trends

mplanaslasa

all

Machine Learning: A Brief Breakdown

libesa

all

Approach to Dividend Adjustment Factor Calculation

J. González

all

Are Low-Volatility Stocks Expensive?

jsanchezalmaraz

all

Predict returns using historical patterns

fjrodriguez2

all

Dream team: Combining classifiers

xristica

all

Stock classification with ISOMAP

j3

all

Could the Stochastic Oscillator be a good way to earn money?

T. Fuertes

all

Central Limit Theorem: Visual demonstration

kalinda

all

Sir Bayes: all but not naïve!

mplanaslasa

all

Returns clustering with k-Means algorithm

psanchezcri

all

Correlation and Cointegration

j3

all

Momentum premium factor (II): Dual momentum

J. González

all

Dynamic Markowitz Efficient Frontier

plopezcasado

all

Confusion matrix & MCC statistic

mplanaslasa

all

Prices convolution, a practical approach

fuzzyperson

all

‘Sell in May and go away’…

jsanchezalmaraz

all

S&P 500 y Relative Strength Index II

Tech

all

Performance and correlated assets

T. Fuertes

all

Reproducing the S&P500 by clustering

fuzzyperson

all

Retrocesos y Extensiones de Fibonacci

fjrodriguez2

all

Size Effect Anomaly

T. Fuertes

all

Predicting Gold using Currencies

libesa

all

La Paradoja de Simpson

kalinda

all

Inverse ETFs versus short selling: a misleading equivalence

J. González

all

Random forest vs Simple tree

xristica

all

S&P 500 y Relative Strength Index

Tech

all

Efecto Herding

alarije

all

Cointegración: Seguimiento sobre cruces cointegrados

T. Fuertes

all

Seasonality systems

J. González

all

Una aproximación Risk Parity

mplanaslasa

all

Using Decomposition to Improve Time Series Prediction

libesa

all

Las cadenas de Markov

j3

all

Clasificando el mercado mediante árboles de decisión

xristica

all

Momentum premium factor sobre S&P 500

J. González

all

Árboles de clasificación en Matlab

xristica

all

Fractales y series financieras II

Tech

all

Redes Neuronales II

alarije

all

El gestor vago o inteligente…

jsanchezalmaraz

all

In less of a Bayes haze…

libesa

all

Teoría de Valores Extremos II

kalinda

all

De Matlab a Octave

fuzzyperson

all

Cointegración

T. Fuertes

all

Cópulas: una alternativa en la medición de riesgos

mplanaslasa

all

¿Por qué usar rendimientos logarítmicos?

jsanchezalmaraz

all

Análisis de Componentes Principales

j3

all

Vecinos cercanos en una serie temporal

xristica

all

Redes Neuronales

alarije

all

Fuzzy Logic

fuzzyperson

all

El filtro de Kalman

mplanaslasa

all

Estimación no paramétrica

T. Fuertes

all

Fractales y series financieras

Tech

all

In a Bayes haze…

libesa

all

Volatility of volatility. A new premium factor?

J. González

all

Caso Práctico: Multidimensional Scaling

rcobo

all

Teoría de Valores Extremos

kalinda

all

Números de Fibonacci

fjrodriguez2

03/10/2014

No Comments
Números de Fibonacci

En matemáticas, la sucesión o serie de Fibonacci hace referencia a la secuencia ordenada de números descrita por Leonardo de Pisa, matemático italiano del siglo XIII:

0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144,…

A cada uno de los elementos de la serie se le conoce con el nombre de número de Fibonacci.

Historia

Esta sucesión fue descrita por Fibonacci como la solución a un problema de cría de conejos: “Cierto hombre tiene una pareja de conejos juntos en un lugar cerrado y desea saber cuántos son creados a partir de este par en un año cuando, de acuerdo a su naturaleza, cada pareja necesita un mes para envejecer y cada mes posterior procrea otra pareja” (Laurence Sigler, Fibonacci’s Liber Abaci, página 404).

La respuesta a esta pregunta es la que sigue:

  • Partimos de una pareja de conejos el primer mes.
  • El segundo mes la pareja envejece pero no procrea.
  • El tercer mes la pareja procrea otra pareja (es decir, ya tenemos dos parejas).
  • El cuarto mes, la primera pareja vuelve a procrear y la pareja nueva envejece sin procrear (luego tenemos tres parejas).
  • El quinto mes, las dos parejas más viejas vuelven a procrear mientras que la nueva pareja no procrea (cinco parejas en total)

Esto esquemáticamente sería:

Conejos

donde:

 —–> La pareja de conejos envejece.

 —–> La pareja de conejos envejece por primera vez (es por ello por lo que no puede procrear).

 —–> Procreación de la pareja de conejos.

¿Cómo se calculan los números de Fibonacci?

Existen diferentes formas para calcular los números de Fibonacci:

1. Partiendo de los números 0 y 1, los números de Fibonacci quedan definidos por la función

Sin título

2. Función generadora: Una función generadora para una sucesión cualquiera a0, a1, a2,… es la función f(X) = a0 + a1x + a2x2+…, es decir, una serie formal de potencias donde cada coeficiente es un elemento de la sucesión. Los números de Fibonacci tienen la función generadora:

Sin título

3. Fórmula explícita: Esta manera de calcular los números de Fibonacci utiliza la expresión del número áureo:

Sin título

Los números de Fibonacci en las matemáticas

 

Número áureo

El número áureo, número de oro o divina proporción es el valor numérico de la proporción que guardan entre sí dos segmentos de recta a y b (a más largo que b): la longitud total es al segmento a, como a es al segmento b.

Entre sus numerosas propiedades destaca una: el propio número, su cuadrado y su inverso tienen las mismas cifras decimales:

Sin título

La razón o cociente entre un término de Fibonacci y el inmediatamente anterior varía continuamente, pero se estabiliza en el número áureo:

Sin título

Triángulo de Pascal

El triángulo de Pascal es una representación de los coeficientes binomiales ordenados en forma triangular. Esto es, cada fila del triángulo representa los coeficientes de los monomios que aparecen en el desarrollo del binomio (a + b)n (tomando el 1 de arriba como la potencia n = 0) o, lo que es lo mismo, los coeficientes que aparecen en el binomio de Newton coinciden con los elementos que aparecen en cada fila del triángulo de Pascal.

La construcción de dicho triángulo es la siguiente:

Colocamos un 1 en el vértice superior del triángulo. Después, en la fila inferior, colocamos un 1 a la derecha y un 1 a la izquierda del 1 de arriba. En las filas inferiores, colocamos 1s en los extremos y en las posiciones intermedias colocamos la suma de los números inmediatamente superiores.

Sin título

Este triángulo tiene varias propiedades curiosas:

  1. Si sumamos los elementos de cada fila obtenemos las potencias de 2: 1, 2, 4, 8, 16,…
  2. Si sumamos dos elementos consecutivos de la diagonal 1-3-6-10-15-… obtenemos un cuadrado perfecto: 1, 4, 9, 16, 25,…
  3. Si en una fila el primer número después del 1 es un número primo se cumple que todos los demás números son divisibles por ese número primo (excluyendo los 1s claro). Por ejemplo, en la fila 1-7-21-35-35-21-7-1 el primer número después del 1 es el 7, que es primo. Si nos fijamos en el resto de número, 35, 21 y 7, todos son divisibles por 7.

Pero la principal curiosidad de este triángulo es la propiedad que le relaciona con los números de Fibonacci:

Sin título

Ternas Pitagóricas

Una terna pitagórica consiste en una tripla (a, b, c) que cumple que a² + b² = c² (teorema de Pitágoras).

Existe una estrecha relación entre los números de Fibonacci y las ternas pitagóricas, ya que si cogemos cuatro números consecutivos de la sucesión de Fibonacci, (x, y, w, z) podemos conseguir una terna pitagórica si realizamos las siguientes asignaciones:

  1. Sea ‘a’ el producto de los números que pertenecen a los extremos. a = xz.
  2. Sea ‘b’ el doble del producto de los números intermedio. b = 2yw.
  3. Sea ‘c’ la suma del producto de los números que están en posición impar y el producto de los números que están en posición par. c = xw + zy.

Entonces (a, b, c) es una terna pitagórica.

Los números de Fibonacci en las técnicas de trading

En trading, los números de Fibonacci aparecen en los denominados estudios de Fibonacci. Los estudios de Fibonacci engloban a una serie de herramientas de análisis basadas en la secuencia y proporciones de Fibonacci, que representan leyes geométricas de la naturaleza y el comportamiento humano aplicadas a los mercados financieros.

Las herramientas más populares son los retrocesos de Fibonacci, las extensiones de Fibonacci, los arcos de Fibonacci, el abanico de Fibonacci y las zonas temporales de Fibonacci. Otras herramientas menos populares son la elipse de Fibonacci, la espiral de Fibonacci y los canales de Fibonacci. En el siguiente post veremos cómo funcionan estas herramientas.

Si te ha gustado este post no te pierdas Retrocesos y Extensiones de Fibonacci

Tweet about this on TwitterShare on LinkedInShare on FacebookShare on Google+Email this to someone

add a comment

wpDiscuz