Índice Hearst - página 13
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Parece que todo está de acuerdo con la ciencia.
El rango va de 0 (serie de primera diferencia) a 1 (tendencia lineal en TF grande). El lugar especial lo ocupa un movimiento unidimensional browniano aleatorio (SV integrado con MO cero), para ello PC=1/2, y un seno ruidoso, en este camarada, PC oscila suavemente que debe ser, ya que en TF pequeño el ruido juega un gran papel, en TF grande la tendencia ya es visible, etc.
El PC para Y2 se sitúa por debajo de cero.
¿Me estás tomando el pelo?
Si lo dices en serio, tal vez consideres, como opción, la dispersión estadística del valor estudiado. Sencillamente, en TF grandes, el número de muestras de la serie en estudio disminuye como 1/TF, de ahí que la dispersión crezca como SQRT(TF), y dado que el PC de la primera diferencia siempre tiende a cero como 1/SQRT(n), se puede entender de dónde viene el menos en algunas partes.
¿Me estás tomando el pelo?
Pues generalmente no.
Si lo dices en serio, tal vez consideres, como opción, la dispersión estadística del valor estudiado. Simplemente, en TFs grandes, el número de muestras en la serie estudiada cae como 1/TF, de ahí que la dispersión crezca como SQRT(TF), y dado que el PC para la primera diferencia siempre tiende a cero como 1/SQRT(n), se puede entender de dónde viene el menos en algunos lugares.
Más sobre este punto, por favor.
En el sentido del PC no debe haber un solo dato para el que se cumpla la condición R < S.
Visualmente -- para Y2, el gráfico R/S debería ser mayor que cero porque hay ruido, y el gráfico R/S debería subir hasta 30, después de 30 horizontalmente
Esto es lo que podría pasar.
En la formulación que Prival implementó , PC se considera un exponente integral porque se define a través de la tangente de la pendiente de la línea trazada a través del conjunto de puntos. Hay regiones en este conjunto con una pendiente negativa, pero en general (integralmente), la pendiente es positiva y realmente no puede haber ningún caso en el que PC < 0.
El ángulo de inclinación se calcula localmente, entre cada dos puntos adyacentes y a veces tenemos valores más bajos en una TF más grande, pero sucede... En este caso "mi" PCB rebota honestamente a menos. De hecho, no hay nada inapropiado en ello, si entendemos lo que ocurre y, por supuesto, todo depende de cómo definamos el propio PA. Me pareció más informativo emitir este indicador localmente.
En general, esto debe solucionarse. Por definición, la XP muestra la tasa de aumento de la volatilidad de la PA con un aumento de la TF. Construí mi algoritmo basándome en esta definición. Pero, se ve que no coincide con el original o se me escapa algo.
P.D. Y luego no he sacado nada razonable por fórmulas del artículo (que Prival está brillando), la he cagado ahí (bueno, o en mi cabeza). Por lo tanto, no apelaría a expresiones de allí, como la verdad.
También he tenido valores negativos, no recuerdo cuáles, pero los he tenido. Salta mucho de un lado a otro (por lo que no me ha gustado). Intentaré comparar dos algoritmos, el tuyo Neutron y el mío.
ElXperto con respecto a N y n. Si se inserta N, X(N) siempre será igual a cero. Pero volveré a comprobarlo, hay algo que falla, aquí es donde se vuelve integral.
ElXperto con respecto a N y n. Si se inserta N, entonces X(N) siempre es igual a cero. Pero volveré a comprobarlo, algo está mal ahí, aquí es donde se vuelve integral.
Ja, ese podría ser el error.
Para un N concreto debe haber N - 1 valores de X :
X[i] = Suma(i)(e[i] - M[N]) i = 2...N Espero que esté claro
_______________________________
¡Al menos en la forma en que está ahora, la expresión ciertamente no tiene sentido -- ¡calcular la desviación acumulada de MOG por N para n (es decir, todos!) elementos!
....
En general, hay que ocuparse de esto. Por definición, el PC muestra el ritmo de aumento de la volatilidad de la BP con la TF. Construí mi algoritmo basándome exactamente en esta definición. Pero, se ve que no coincide con el original o se me escapa algo.
P.D. Y luego no he sacado nada razonable por fórmulas del artículo (que Prival está brillando), la he cagado ahí (bueno, o en mi cabeza). Por lo tanto, no apelaría a expresiones de allí, como la verdad.
Yo tampoco tengo todavía una versión clara de cómo contarlo correctamente. En diferentes fuentes es diferente. Es evidente que estos artículos no fueron escritos por programadores. Y quitarle a esto "con el aumento de la TF", sólo confunde. Es el cambio en el nivel de agua del río Nilo, o el número de cocodrilos. Una vez que lo hayamos calculado bien, pensaremos en lo que le ocurre cuando la TF aumenta.
Esto es lo que podría ser el caso.
El ángulo de inclinación se calcula localmente, entre cada dos puntos adyacentes y a veces ocurre que la inclinación en un TF más grande es menos extendida; puede ocurrir así... En este caso "mi" PCB rebota honestamente a menos. De hecho, no hay nada inapropiado en ello, si entendemos lo que ocurre y, por supuesto, todo depende de cómo definamos el propio PA. Me pareció más informativo emitir este indicador localmente.
Sí, ahora empieza a tener sentido.
En general, es necesario resolverlo.
Uh-huh
Por definición, el PC muestra la tasa de aumento de la volatilidad de la PA con el aumento de la TF. Construí mi algoritmo basándome exactamente en esta definición. Pero veo que no coincide con el original o no lo estoy entendiendo en algún sitio.
Tal vez debería construirlo para una sinusoide sin ruido y compararlo con la imagen del artículo. Así pues, ignoremos las fórmulas del artículo y tomemos las fotos como verdad.
Por cierto, ¿por qué no comparas tus valores con el guión?
Hoy me lo he pasado pipa. ¡¡¡¡¡¡¡¡¡El análogo del coeficiente de Hurst se puede calcular de forma bastante local!!!!!!!!!
Esto se desprende del artículo de Dubovikov "Minimum coverage dimensionality and local analysis of fractal time series"
Hoy me lo he pasado pipa. ¡¡¡¡¡¡¡¡¡El análogo del coeficiente de Hurst se puede calcular de forma bastante local!!!!!!!!!
Esto se desprende del artículo de Dubovikov "Minimum coverage dimensionality and local analysis of fractal time series"
Todo ha sido ya robado antes que nosotros, hurra.