Índice Hearst - página 15

 
Neutron >> :
Me atrevo a asegurar que "a ojo", precisamente no se puede determinar con certeza, dónde está la M1, y dónde las semanas (por ejemplo para una serie de EURUSD). Pero el uso del SPX, mostrará exactamente la diferencia entre los distintos TFs para esta cotización.

¿Qué tiene que ver eso con la estadística? La gente ha decidido que no se puede decir "a ojo", por lo que es fractal. Y entonces empiezan a teorizar. Malnenbrot y todos los demás fractalistas.


Por cierto, incluso el mismo Hurst muestra valores diferentes para distintos plazos. Aunque estos valores no sean muy diferentes, las tendencias suelen ser visibles.

 

¿Quién conoce las opciones de ISC?

Por ejemplo, la siguiente variante. Tras el primer cálculo, determinamos los valores atípicos y asignamos pesos a los puntos de datos en función de ellos. Después repetimos el cálculo teniendo en cuenta las ponderaciones.

La pregunta es: ¿dónde se describe esto de forma competente, para no reinventar la rueda?

 
surfer >> :

¿Quién conoce las opciones de ISC?

Por ejemplo, la siguiente variante. Tras el primer cálculo, determinamos los valores atípicos y asignamos pesos a los puntos de datos en función de ellos. Después repetimos el cálculo teniendo en cuenta las ponderaciones.

La pregunta donde se describe competentemente, que no reinventar una bicicleta?

Entonces es mejor calcular la desviación estándar y, al volver a contar, eliminar los puntos cuya desviación estándar sea 1,5 veces mayor que la media.

 
TheXpert >> :

Entonces es mejor calcular la desviación estándar y luego eliminar los puntos cuya desviación estándar sea 1,5 veces la media.

Esto es un caso extremo de lo que preguntaba. Lo que sugieres significa asignar peso a estos puntos =0

La pregunta es la misma, ¿dónde se describe competentemente?

 
surfer писал(а) >>

¿Quién conoce las opciones de ISC?

Por ejemplo, la siguiente variante. Tras el primer cálculo, determine los valores atípicos y utilícelos para asignar pesos a los puntos de datos. Después repetimos el cálculo teniendo en cuenta las ponderaciones.

La cuestión es dónde se describe de forma competente, para no reinventar la rueda.

¿Por qué? Hay valores A, B, y hay sus intervalos de confianza.

 
Erics >> :

¿Por qué? Hay valores A, B y sus intervalos de confianza.

Supongo que ajustando los pesos se puede conseguir una curva de índice de variación más suave. Quiero comprobarlo. Por supuesto, puedo imponer MA, pero no es tan interesante, aunque tal vez no deberíamos buscar formas demasiado complicadas :)

 
surfer >> :

Esto es un caso extremo de lo que preguntaba. Lo que propones es asignar peso a estos puntos =0

La pregunta es la misma, ¿dónde se describe esto inteligentemente?

No lo sé, partiendo de la base de que un determinado porcentaje de puntos de la muestra se sale de ella y tiene un efecto notable en los resultados.

Por supuesto, se puede buscar el porcentaje correcto de los puntos más distantes, pero es más fácil con el RMS.


En general, es lo contrario de lo que has dicho. La forma correcta no es tomar la desviación al cuadrado como peso, sino la inversa.

Aquí es donde surge el problema de dividir por 0.


Entonces el coeficiente puede pensarse como -- 1/(1 + KO) .


Entonces la función objetivo repetida sería esta:


Summ ( 1/(1 + КО[i])*(а*x[i] + b - y[i])^2) -> min , i = 1..n
Sólo habrá que recalcular a mano las derivadas )
 
TheXpert >> :

No lo sé, partiendo de la base de que un determinado porcentaje de puntos de la muestra se sale de ella y tiene un efecto notable en los resultados.

Por supuesto, se puede buscar el porcentaje correcto de los puntos más distantes, pero es más fácil a través de RMS.


En general, es lo contrario de lo que has dicho. La forma correcta no es tomar la desviación al cuadrado como peso, sino la inversa.

Aquí es donde surge el problema de dividir por 0.


Entonces el coeficiente puede pensarse como -- 1/(1 + KO) .


Entonces la función objetivo repetida sería esta:


Sólo habrá que recalcular a mano las derivadas )

Su versión implica una suma de coeficientes no igual a 1. ¿Es eso correcto? Probablemente sea correcto normalizarlos por su propia suma.

(1/(1+KOi))/Suma(1/(1+KOi))

 
surfer >> :

Su opción implica una cantidad de coeficiente no igual a 1. ¿Es esto correcto? Probablemente sea correcto normalizarlos por su propia suma.

(1/(1+KOi))/Suma(1/(1+KOi))

No pasa nada, se utilizan en la función de destino, por lo que normalizarlos no cambiará el resultado.

Puedes comprobarlo si quieres.


Espero que puedas derivar las derivadas.

 
TheXpert >> :

No pasa nada, se utilizan en la función objetivo, por lo que el racionamiento no cambiará el resultado.

Puedes comprobarlo si quieres.


Espero que puedas derivar las derivadas.

Claro :)