Hearst-Index - Seite 26
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Eine Zeit lang musste ich mich von anderen Dingen ablenken lassen - meine Tochter war 18 - ich hatte keine Zeit für Fraktale ;))).
Aber ein solcher Wechsel - das ist das erste Mal, dass ich ihn bemerke - führte zu einer klaren Vision des ungelösten, aber ungelösten fraktalen Problems.
Nun, sobald ich zur Vernunft gekommen bin, werden wir dieses Problem lösen ;)
Wir werden auf Sie warten:)
Trotz des lauen Interesses der Öffentlichkeit an diesem Thema verfolge ich Peters' Buch weiter. Ich habe die Methoden verbessert und endlich verstanden, was berechnet wird. Hier sind also die Grundformeln:
Als erstes werden die Preisreihen in logarithmische Renditen umgewandelt. Die Essenz der zweiten Formel ist folgende: Der Durchschnitt der logarithmischen Renditen ist die mathematische Erwartung der Reihe, wenn wir den Durchschnitt der Reihe aus jedem Wert berechnen, dann wird die Summe dieser Werte immer gleich Null sein. Dies ist die einfachste Art des Detrendings, aber sie hat einen großen Einfluss auf das Ergebnis. Anschließend werden das Minimum und das Maximum der Reihe berechnet. Diese Berechnungen können grafisch in Diagrammen dargestellt werden:
Die dritte Formel ist, wie jeder weiß, die Berechnung der einfachen Standardabweichung.
H ist also das einfache Verhältnis zwischen der Reichweite und ihrer logarithmischen Periode.
Dann wird die gesamte zu analysierende Peters-Reihe in unabhängige Teilperioden unterteilt. Jeder Teilzeitraum wird nach der oben beschriebenen Methodik berechnet. Infolgedessen gibt es einen Durchschnittswert von RS, der sich qualitativ von der Brownschen Bewegung unterscheidet. Da die Streuung der Teilchen direkt proportional zum Logarithmus der Periode ist, muss das Hurst-Verhältnis, d. h. das Verhältnis von Zeitspanne zu Periode, eine Konstante sein und 0,5 betragen. In der Tat ist die Formel nicht perfekt und neigt dazu, das Ergebnis um 0,3 zu überschätzen, d. h. bei offensichtlich zufälligen Reihen zeigt Hurst 0,53 statt 0,50 an. Und das liegt nicht an der kleinen Stichprobe. Je mehr Daten wir verwenden, desto genauer wird der Indikator im Bereich von 0,53 liegen.
Mit der vorgeschlagenen Methode habe ich also 500 000 unabhängige Werte analysiert und den realen RTS-Markt mit ihnen verglichen. Dann habe ich absichtlich eine deterministische Komponente in eine Zufallsreihe eingebaut: wenn zwei vorherige Werte negativ waren, wird zum aktuellen Wert 1/2 der Standardabweichung addiert (Trendreihe) und umgekehrt: wenn zwei vorherige Werte negativ waren, wird zum aktuellen Wert 1/2 der Standardabweichung addiert (Anti-Trendreihe). Hier sind die erhaltenen Tabellen:
Wie man sieht, ist der RTS-Markt qualitativ nicht von einem Random Walk zu unterscheiden, während Trend- und Anti-Trend-Reihen die erwarteten Merkmale aufweisen.
Schauen wir uns nun an, wie dieser Indikator in der Dynamik aussieht:
Wie wir sehen können, gibt es zwei Hauptprobleme mit dem Indikator: bei starken Umkehrungen wird der MO nicht signifikant sein, während der Swing hoch ist, was zu einer unangemessenen Überbewertung des Indikators führt. Im Gegenteil, in einem klaren Aufwärtstrend wird die MO der Hauptteil der Bewegung sein, aber die Schwankungen um die MO werden gering sein und somit wird die Heurst wieder niedriger sein als sie sein sollte.
Daraus lässt sich die vorläufige Schlussfolgerung ziehen, dass die vorgeschlagene Methode nicht in der Lage ist, die Marktpreisbewegung angemessen zu beschreiben und Trend- und Anti-Trend-Komponenten effektiv zu identifizieren.
Trotz des lauen Interesses der Öffentlichkeit an dem Thema...
Wie ist die Verteilung "bekannter Zufallsdaten"?
Darf ich Ihnen die Methodik der Generierung verraten?
Mit der vorgeschlagenen Methode habe ich also 500.000 unabhängige Werte analysiert und den realen RTS-Markt mit ihnen verglichen. Dann habe ich absichtlich eine deterministische Komponente in die Zufallsreihen eingeführt: Wenn zwei frühere Werte negativ waren, wird zum aktuellen Wert 1/2 einer Standardabweichung addiert (Trendreihe), und umgekehrt: Wenn zwei frühere Werte negativ waren, wird zum aktuellen Wert 1/2 einer Standardabweichung addiert (Antitrendreihe). Das sind die Grafiken, die dabei herauskamen:
Und ich verstehe nicht, wie man zu einer "Anti-Trend"-Serie kommt.
Und die Definition selbst ist ein wenig seltsam.
Wieso ist es eine Wohnung? Und warum werden nur zwei negative und nicht drei positive verwendet?
;)
Trotz des lauen Interesses der Öffentlichkeit an diesem Thema verfolge ich Peters' Buch weiter. Ich habe die Methoden verbessert und endlich verstanden, was berechnet wird. Hier sind also die Grundformeln:
Als erstes werden die Preisreihen in logarithmische Renditen umgewandelt. Die Essenz der zweiten Formel ist folgende: Der Durchschnitt der logarithmischen Renditen ist die mathematische Erwartung der Reihe, wenn wir den Durchschnitt der Reihe aus jedem Wert berechnen, dann wird die Summe dieser Werte immer gleich Null sein. Dies ist die einfachste Art des Detrendings, aber sie hat einen großen Einfluss auf das Ergebnis. Anschließend werden das Minimum und das Maximum der Reihe berechnet. Diese Berechnungen können grafisch in Diagrammen dargestellt werden:
Die dritte Formel ist, wie jeder weiß, die Berechnung der einfachen Standardabweichung.
H ist also das einfache Verhältnis zwischen der Reichweite und ihrer logarithmischen Periode.
Dann wird die gesamte zu analysierende Peters-Reihe in unabhängige Teilperioden unterteilt. Jeder Teilzeitraum wird nach der oben beschriebenen Methodik berechnet. Infolgedessen gibt es einen Durchschnittswert von RS, der sich qualitativ von der Brownschen Bewegung unterscheidet. Da die Streuung der Teilchen direkt proportional zum Logarithmus der Periode ist, muss das Hurst-Verhältnis, d. h. das Verhältnis von Zeitspanne zu Periode, eine Konstante sein und 0,5 betragen. In der Tat ist die Formel nicht perfekt und neigt dazu, das Ergebnis um 0,3 zu überschätzen, d. h. bei offensichtlich zufälligen Reihen zeigt Hurst 0,53 statt 0,50 an. Und das liegt nicht an der kleinen Stichprobe. Je mehr Daten wir verwenden, desto genauer wird der Indikator im Bereich von 0,53 liegen.
Mit der vorgeschlagenen Methode habe ich also 500 000 unabhängige Werte analysiert und den realen RTS-Markt mit ihnen verglichen. Dann habe ich absichtlich eine deterministische Komponente in eine Zufallsreihe eingebaut: wenn zwei vorherige Werte negativ waren, wird zum aktuellen Wert 1/2 der Standardabweichung addiert (Trendreihe) und umgekehrt: wenn zwei vorherige Werte negativ waren, wird zum aktuellen Wert 1/2 der Standardabweichung addiert (Anti-Trendreihe). Hier sind die erhaltenen Tabellen:
Wie man sieht, ist der RTS-Markt qualitativ nicht von einem Random Walk zu unterscheiden, während Trend- und Anti-Trend-Reihen die erwarteten Merkmale aufweisen.
Schauen wir uns nun an, wie dieser Indikator in der Dynamik aussieht:
Wie wir sehen können, gibt es zwei Hauptprobleme mit dem Indikator: bei starken Umkehrungen wird der MO nicht signifikant sein, während der Swing hoch ist, was zu einer unangemessenen Überbewertung des Indikators führt. Im Gegenteil, in einem klaren Aufwärtstrend wird die MO der Hauptteil der Bewegung sein, aber die Schwankungen um die MO werden gering sein und somit wird die Heurst wieder niedriger sein als sie sein sollte.
Daraus lässt sich die vorläufige Schlussfolgerung ziehen, dass die vorgeschlagene Methode nicht in der Lage ist, die Marktpreisbewegung angemessen zu beschreiben und Trend- und Anti-Trend-Komponenten effektiv zu identifizieren.
Der Nachweis der Ungültigkeit einer bekannten Theorie ist ein großer Erfolg. Sie ebnet den Weg zum wahren Wissen. Herzlichen Glückwunsch!
Wo ist der Beweis? Und für wessen Versagen?
Ich habe es nicht im Schlaf bekommen...
Warum wird bei jeder Konvertierung von Quellzeilen in Rückgaben - Close[i] / Close[i - 1]?
Nach den Screenshots und dem Verweis auf Detrending zu urteilen, ist es falsch, von MO zu sprechen (insbesondere die Rendite-Reihe). In diesem Fall beziehen Sie sich auf MO als lineare Regression einer Stichprobe von Preisreihen. Durch Subtraktion erhält man das Detrending. Und in der Tat ist die grüne Linie auf Ihrem Screenshot nicht MO (sie sollte horizontal sein), sondern eine lineare Regression.
Aus der Formel ist ersichtlich, dass Hurst das Verhältnis zwischen der maximalen Spanne und der durchschnittlichen Spanne der umgekehrten Preisreihe ist. Die Division durch den Logarithmus des Stichprobenumfangs ist lediglich eine formale Anpassung (Normalisierung). Der Punkt ist das Verhältnis zwischen dem Maximum und dem Durchschnitt.
Eine solche Analyse hängt in hohem Maße vom Zustand der Originalreihe ab. D.h. unter welcher Bedingung das i-te Element genommen wird. Sie haben die klassische Variante - in gleichen Zeitabständen. Es gibt jedoch auch andere Methoden, die es ermöglichen, sowohl die Höchst- als auch die Tiefstpreise für diese Zeitintervalle zu berücksichtigen. Es gehen also viel weniger Informationen verloren.
Der Nachweis der Ungültigkeit einer bekannten Theorie ist ein großer Erfolg. Sie macht den Weg frei für wahres Wissen. Herzlichen Glückwunsch!
Ist das Sarkasmus? Ich versuche nicht, irgendetwas zu widerlegen, ich habe den Indikator nur nach der vorgeschlagenen Methode berechnet - das Ergebnis ist nicht von SB zu unterscheiden.
Und ich verstehe nicht, wie man zu einer "Anti-Trend"-Serie kommt.
und die Definition selbst ist ein bisschen seltsam.
Warum werden nur zwei negative und nicht drei positive verwendet?
Die Daten wurden mit einem Excel-Add-In erstellt: "Erzeugung von Zufallszahlen".
Die Definition von "flach" ist nicht ganz korrekt. In diesem Fall handelt es sich um die antipersistente Reihe. Die Methodik wurde speziell auf die Formel 2 zugeschnitten. Wie Sie sehen können, ist die Formel so konzipiert, dass sie genau solche Störungen "auffängt". "zwei negativ" ist eine willkürliche Wahl. Der Effekt ist für jede beliebige Zahl nachweisbar, solange sie kleiner ist als der Stichprobenzeitraum (der sogenannte Peters-Gedächtniseffekt).
Die Daten wurden mit Hilfe eines Excel-Add-Ins erstellt: "Erzeugung von Zufallszahlen".
Die Definition von "flach" ist wirklich nicht ganz korrekt. Gemeint ist hier eine antipersistente Reihe. Die Methodik wurde speziell auf die Formel 2 zugeschnitten. Wie Sie sehen können, ist die Formel so konzipiert, dass sie genau solche Störungen "auffängt". "zwei negativ" ist eine willkürliche Wahl. Der Effekt tritt bei jeder beliebigen Zahl auf, solange sie kleiner ist als die Stichprobenzeit (der so genannte Peters-Gedächtniseffekt).
Erzeugt dieser Überbau also eine gleichmäßig verteilte, normale oder eine andere "Zufallszahl"? Oder wissen Sie das nicht?
Hartnäckigkeit und "Trendiness" - ich nehme an, Sie haben das Gleiche?
ваЗачем каждый раз идет преобразование исходного ряда к returns - Close[i] / Close[i - 1]?
Die Umrechnung der ursprünglichen Reihe in die Renditen findet nur einmal zu Beginn der Berechnung statt. Wie Sie aus Formel 2 ersehen können, werden die Renditen dann wieder zu einer Reihe von aufeinanderfolgenden Inkrementen zusammengesetzt.
Nach den Screenshots und der Erwähnung des Detrendings zu urteilen, ist es falsch, von MO zu sprechen (insbesondere von der Rendite-Reihe). In diesem Fall handelt es sich bei MO um eine lineare Regression der Preisreihen der Stichprobe. Durch Subtraktion erhält man das Detrending. Und in der Tat ist die grüne Linie auf Ihrem Screenshot nicht MO (sie sollte horizontal sein), sondern eine lineare Regression.
Um Verwirrung zu vermeiden, betrachten wir die Definition von IR: Die erwartete Auszahlung ist der Durchschnitt einer Reihe von Erträgen einer Zufallsvariablen. Wenn eine Reihe von Erträgen in einer kumulierten Reihe gesammelt wird, dann ist die mathematische Erwartung die Summe der Inkremente dieser Reihe oder die einfache Differenz zwischen dem Endwert und dem Anfangswert. Denn wenn der Erwartungswert gleich Null ist, dann ist auch die Differenz zwischen dem End- und dem Anfangspunkt einer solchen akkumulierten Reihe immer gleich Null, wie in der Grafik deutlich zu sehen ist. Die einfachste Art der Detrendbildung ist also die Subtraktion des Mittelwertes von der Reihe. Grundlegende statistische Methoden wie der RMS tun genau das. Die von Ihnen erwähnte lineare Regression ist etwas anders, sie wird durch M.N.C. gesucht und ist im Allgemeinen besser geeignet, die Trendkomponente zu entfernen. Die Abbildung zeigt jedoch genau MO, allerdings im Rahmen einer kumulierten Reihe.
Eine solche Analyse hängt in hohem Maße vom Zustand der Originalreihe ab. D.h. unter welcher Bedingung das i-te Element genommen wird. Sie haben die klassische Variante - nach einem gleichen Zeitintervall.
Meine Untersuchungen haben gezeigt, dass die vorgeschlagenen Formeln nicht mit den Retouren als solchen arbeiten, sondern mit einer akkumulierten Serie, aber ohne Berücksichtigung des MO, was zu einem Informationsverlust führt (Wert des eigentlichen MO), obwohl die Charts visuell fast die gleichen sind wie die ursprünglichen Preise.
Es gibt jedoch auch andere Methoden, bei denen sowohl die Höchst- als auch die Tiefstpreise für diese Zeitintervalle berücksichtigt werden können. D.h. es gibt viel weniger Informationsverluste.
Ich stimme zu, die Methode ist sehr grob und ich glaube nicht, dass sie korrekt ist. Nur zwei Punkte werden aus der Menge genommen, MO wird ganz verworfen. Infolgedessen kommt es zu irreversiblen Informationsverlusten und zu fehlerhafter Arbeit an Anfangsreihen mit nichtstationärer Erwartung. Der Ausweg wird in der Anwendung von ZigZag als universelles fraktales Lineal gesehen. Es kann zum Beispiel das Verhältnis zwischen der zurückgelegten Strecke und den Zickzack-Knien sein.
Dieser Überbau erzeugt also eine gleichmäßig verteilte, normale oder eine andere "Zufallszahl"? Oder wissen Sie das nicht?
Hartnäckigkeit und "Trendiness" - ich nehme an, Sie haben das Gleiche?
Die Verteilung ist normal, mit Null MO und einer bestimmten Standardabweichung. In diesem Zusammenhang sind Beharrlichkeit und Tendenz ein und dasselbe. Wenn ich von "Trendreihen" spreche, bedeutet dies, dass die Wahrscheinlichkeit der Übereinstimmung des Vorzeichens des Zuwachses mit dem Vorzeichen seiner früheren Renditen über 50 % liegt, Antitrendizität ist das Gegenteil, die Wahrscheinlichkeit der Übereinstimmung des Vorzeichens ist geringer als 50 %. Das ist nicht meine Definition, sondern genau das, was in dem Buch gemeint ist.