Índice Hearst - página 12

 
Mathemat >> :

Y ahí es donde Rosh dio en el clavo. Se necesitan muchos datos históricos para calcular la cifra de Hearst. No se trata de una mutación cuyo recuerdo se limita a un periodo, sino de una característica global de la BP en su conjunto, o de una gran parte de ella.

Una posible solución es construir la dependencia de Hurst(N), analizarla y decidir sobre una cantidad suficiente de datos. Es decir, a partir de un determinado punto, k.X. cambiará poco.

Aquí la pregunta es diferente, ¿cómo utilizar el XH? Lo primero que se me ocurre es la construcción de un canal sigma 2x y 3x a ambos lados de la media. El periodo de la media se basa en el primer máximo de la estadística V. Aquí es donde comienza el proceso creativo :)

 
surfer писал(а) >> El período de la media se basa en el primer máximo de la estadística V.

¿Puedes profundizar en este punto, surfista?

 

Por lo general, se utiliza una ventana de 400 recuentos o algo parecido.


El PC muestra las condiciones de transición a la estadística de Levy.

 
Mathemat >> :

¿Puedes entrar en más detalles, surfista?

la idea es encontrar un instrumento con un máximo, y el período es bastante corto

entrada en la zona entre la 2ª y 3ª sigma

El problema es que las estadísticas V deben evaluarse visualmente

 

Figura a la pregunta de elegir el intervalo para estimar kX basado en 30 años para el DJIA (precios de cierre de días)

Dado que estamos interesados en la estimación por intervalos de KX, la elección del número de R/S no es especialmente difícil

 
Rosh писал(а) >>

¿Cómo vas a conseguir la cifra de Hearst para la situación actual? Significa considerar un número limitado de barras N en este momento para calcular Hearst en esta muestra particular. Así que se necesita otro criterio para encontrar un momento en el pasado, a partir del cual se hacen los cálculos para el momento actual.

Así es, pero me quedo con ella por la siguiente razón. Varía de 0 a 1. Ese es su valor. Sólo para determinar el tamaño de la ventana.

Fíjate en los dos indicadores y en las ideas que los sustentan, ambos programados por ti.

  1. Coeficiente de correlación de rango de Spearman
  2. y el Perry Kaufman AMA optimizado.

El AMA se basa en la idea de adaptar el tamaño de la ventana N. Así que quiero ver si Spearman puede ser mejorado cambiando su N (tamaño de la ventana). Utilizando para ello Hearst o el algoritmo, que se incluye en AMA. Pero no me he puesto a ello. Me interesaría ver un Spearman adaptativo.

 

Esto es lo que tengo hasta ahora, no lo he vuelto a comprobar todavía. la tangente del ángulo de inclinación no está calculada correctamente de alguna manera

Archivos adjuntos:
ckkfn.rar  31 kb
 

No me gusta este indicador. Quien quiera que lo mire y lo pruebe.

Para aplicar diferentes señales a la entrada descrita anteriormente en la línea Y=Y0 basta con cambiar a la correspondiente Y1 Y2 ...

archivo adjunto. Matcad versión 14.

Si de repente ves un error. Lo corregiré. Puede que haya hecho un cálculo erróneo.

Archivos adjuntos:
whknt.rar  35 kb
 
Prival >> :

Si ves un error. Asegúrese de hacérmelo saber y lo corregiré. Porque puede que haya contado algo mal.

No estoy seguro, pero X[N] debería tener una N grande sobre el signo de la suma, no n.

 
Prival писал(а) >>

No me gusta este indicador.

¡Es un buen indicador!

No deberías hacer eso. Probablemente sea un error en sus fórmulas. He estado tratando de entenderlo, pero no tengo el estómago para ello. A primera vista, el parámetro R debería calcularse así:

En general, he esbozado rápidamente mi versión de RF (el algoritmo descrito anteriormente) para su BP:

Y0 es tendencia + ruido, Y1 es ruido integrado (análogo a kotier), Y2 es ruido con MO cero (análogo a la primera diferencia de kotier), Y3 es pecado + ruido.

Aquí están los resultados de trazar la CV para diferentes TFs:

Parece que todo está de acuerdo con la ciencia.

El rango de variación de PC va desde 0 (serie de la primera diferencia) hasta 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.

Archivos adjuntos:
hearst.zip  10 kb