Volúmenes, volatilidad e índice Hearst - página 31
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
Farnsworth 18.09.2010 22:08
Los ejemplos con similitud geométrica ayudan a ilustrar el punto de Hearst como coeficiente de autosimilaridad. Por ejemplo, se puede hacer una interpretación geométrica del análisis R/S: tomar una regla de tamaño 1, medir R/S con esa regla, tomar una regla de tamaño 2 y repetir las mediciones. Y así sucesivamente, siempre que sea relevante. En realidad, de este modo se evalúa la igualdad de las distribuciones y se calcula el coeficiente de autosimilaridad en el proceso.
En cualquier caso, me gustaría mucho que tú, Candid, dieras tu interpretación geométrica o, por así decirlo, que me mostraras en imágenes, cuál es el significado geométrico de tal definición:
Personalmente, veo que Hurst, el coeficiente de autosimilitud, en la definición anterior se ha simplificado a una única medida de una característica similar a R/S utilizando una regla de longitud infinita. Obviamente, las series que no tienen una dispersión normalizada infinita tendrían, según esta definición, un coeficiente de Hurst igual a cero. ¿Cuál es su opinión?
Por supuesto, no es muy lógico pedir ayuda en la interpretación geométrica a una persona que acaba de intentar llevar la discusión más allá :).
Lamento decepcionarte, pero no puedo ofrecer ninguna interpretación geométrica, salvo los abundantes diagramas R/S que se encuentran en la literatura. Creo que de ellos se desprende que la figura de Hearst sólo puede ser una característica marginal.
Por lo general, nunca me he posicionado como un especialista en el análisis R/S, al contrario, desde hace tiempo y en repetidas ocasiones he manifestado que siempre lo he dejado de lado debido a la "pesadez" computacional y, por tanto, a la irrealidad (al menos para mí personalmente) de cualquier prueba representativa. Así que le aconsejo que no intente ver verdades patentes en mis interpretaciones.No es que me haya dirigido a ti personalmente. Pero ya que respondiste - la autoidentificación artificiosa no funcionó :)
En cuanto a la pregunta, no es a los errores en la interpretación de los resultados del análisis del mismo proceso (tales conclusiones apresuradas amablemente faa1947 demuestra - mediante la eliminación de cada segunda observación, requiere que el período en unidades se mantiene), pero en el hecho de la ciclicidad de la media móvil de la suma de series aleatorias.
Esto me impide entender el proceso de cotización en sí y la trayectoria de precios resultante.
Y si el supuesto vagabundeo geométrico de un cociente es el resultado de una serie de procesos aleatorios (suavizados por filtros DC y discretizaciones groseras de taframes), entonces ¿cómo es esto consistente con la distribución uniforme (y en última instancia la gaussiana) de algunos modelos populares?
Por cierto, el modelo de "tendencia-onda-ruido" durante un "período muy largo" no se sostiene con respecto al mercado de divisas: aquí no puede haber una tendencia por definición.
El oro, el petróleo, el azúcar... se necesita una tendencia en este sentido. Para estimar la inflación...
;)
Como "pienso", el hecho de la ciclicidad es exactamente lo que escribí. Hay una ligera diferencia en las características integrales del sesgo. De hecho, se está evaluando la misma muestra, y está claro que se correlaciona bien consigo misma y que aparecerán ciclos prevdo
En cuanto al proceso de cotización, tampoco sé lo que es. Lo único es que he encontrado una buena aproximación al modelarlo.
La tenacidad con la que muchas personas tratan de interpretar la similitud únicamente como similitud geométrica es realmente sorprendente. A pesar del ejemplo perfectamente específico de similitud que se ha dado, me refiero a la relación estadística de Alto-Bajo a |Cerrado-Abierto|. Esa es la verdadera similitud. Por cierto, Yuri, tu ejemplo de ZZ podría ser aún mejor, pero parece que es de un particular, así que no lo traigo aquí.
Otro ejemplo notable de terquedad incomprensible es la exigencia de presencia de fractales ideales en filas reales.Por cierto, quizá los patrones sean sólo segmentos de desarrollo fractal "casi imperturbable". Lo cual, por supuesto, no puede durar mucho tiempo.
Tampoco creo que sea correcto comparar los minutos con los días. Por ejemplo, tengo casi 4 millones de barras en los minutos de euro. Y en los días que tengo 3316. Estoy seguro de que puedo encontrar bastantes zonas muy similares en el historial de minutos.
Incluso el reciente offtopic con la distribución del pullback no es en realidad un offtopic en absoluto, sino un ejemplo de una similitud real. El precio subió 100 pips, retrocedió un 23%, luego subió otros 50 pips (150 en total) y volvió a retroceder un 23%, ¿no es una similitud?
Sugiero que argumentos como "los árboles reales son diferentes de los árboles fractales, por lo tanto, no necesitamos la ciencia sobre los fractales" no deberían considerarse más.
Me parece que el hecho de la ciclicidad es exactamente lo que he escrito. En la ligera diferencia en las características integrales al compensar. De hecho, se está evaluando la misma muestra, y está claro que se correlaciona bien consigo misma y que aparecerán ciclos prevdo
Así que las filas son independientes en Slutsky, ¿verdad? ¿O estoy confundiendo algo?
En cuanto al proceso de cotización, tampoco sé lo que es. Lo único es que he encontrado una buena aproximación en su modelado.
Tal vez esa sea otra fascinación también... De hecho, sin un modelo del proceso (incluyendo las distribuciones utilizadas) hasta ahora no he podido demostrar ni refutar nada.
Y así resulta: la admiración de las estadísticas. Y ni siquiera en una demo o en un probador. En Matlab... :о)
Me gustaría equivocarme.
;)
Sinceramente, le deseo buena suerte.
Es decir, esa definición clásica de la que nos hablan los "clásicos", dibujando sus copos de nieve y demás, no vemos todo eso, a nivel de números. En su lugar tenemos la "relación estadística Alto-Bajo y |Cerrado-Abierto" - que puede explicarse en el movimiento browniano tradicional. Y un retroceso del 23% - incomprensible para mí personalmente. Bien, lo dejaré de lado.
Así que las filas son independientes en Slutsky, ¿verdad? ¿O estoy confundiendo algo?
Usted escribió sobre el efecto Slutsky, si no me equivoco. Al menos eso es lo que decía, en el sentido de "pedir". El efecto es que aparecen fuertes correlaciones y pseudociclos en los datos agregados, especialmente en la media móvil. Estas "dependencias" aparecen incluso en datos de series aleatorias agregadas, donde en principio no deberían estar. Me han preguntado por ello. He dado mi propia explicación.
Tal vez sea otro encanto también... De hecho, sin un modelo del proceso (incluidas las distribuciones utilizadas) hasta ahora no ha sido posible demostrar ni refutar nada.
He escrito qué modelo de proceso utilizo. Es bastante adecuado a la realidad. Y las tonterías de "toros"/"osos", etc., no las creo. Ni siquiera es fascinación: es una tontería.
Y así resulta - admirando las estadísticas. Y no en una demostración o en una batea incluso.
Estoy escribiendo una lista de problemas. Pero, ¿por qué hay que leerlo? ¡No te molestes! Más vale que entres en él, porque mejor que escribas toda esa mierda de la admiración, haciendo de psicólogo de mierda :o)
En Matlab... :о)
Con todo, el estado en MT será el mismo, no te preocupes. Además, estoy "practicando" incansablemente :o)
Me gustaría equivocarme.
Si realmente quieres, eres bienvenido a equivocarte, no estoy en contra de ello :o)
Le deseo sinceramente buena suerte.
Es realmente sorprendente la persistencia con la que muchos intentan interpretar la similitud únicamente como similitud geométrica.
Interpreto la similitud como la similitud de los modelos que forman el objeto y las condiciones de partida.
No está escrito así en absoluto y se entiende un poco mal. El ARPSS es esencialmente un modelo AR con corrección de la matriz de covarianza. Hay componentes que amplían el ARPSS - se puede incluir un modelo de tendencia (!), un modelo de desglose (!), muchas cosas. ¿Qué dices al respecto? ¿Crees que no sé nada al respecto? Estoy escribiendo sobre otra cosa: no estoy aplicando estos modelos directamente a las cotizaciones. No tiene sentido. Estaba escribiendo sobre el uso de sistemas estocásticos con una estructura aleatoria. Eso es todo, ¿qué es lo que estás discutiendo? ¿Que puede aplicarlos en las cotizaciones? ¿ARPSS en las cotizaciones? Enhorabuena.
Las matemáticas no funcionan en este caso: no se cumple ninguna de las condiciones necesarias. Pues sí, la CALIFICACIÓN - quién lo discute.
¿Quién razonó? ¿Cuáles son los resultados a compartir? Aquí mismo: https://forum.mql4.com/ru/34527/page27 dio el resultado de las pruebas en pips, hasta ahora en MathCAD, 25 operaciones en 150 días. También en la rama de pruebas de sistemas en línea - hizo algunas previsiones.
PD: Si puedes aplicar el ARPSS a las cotizaciones e identificar correctamente el proceso, demuestra tus habilidades.
Estás siendo muy agresivo. Nunca discuto. Gracias por sus mensajes sobre mí.
Estás siendo muy agresivo. Nunca discuto. Gracias por sus mensajes sobre mí.
Candid:
Привести то он привёл, но на дальнейшем обсуждении это никак не сказалось - очень жаль, на мой взгляд, когда правильное определение, можно сказать, суть того, что изучается в вопросе самоподобия, никак не сказываетя, хотя бы на расчете самого коэффициента. У меня несколько другое "геометрическое" впечатление, а именно: для ряда размером 1 берётся линейка размером 1, для ряда размером 2 берётся линейка размером 2, и.т.д. - скорее всего, это не так, если под "другой размер ряда" имеется ввиду "другой ряд". Дело в том, что ряд остается неизменным.
Existe una interpretación geométrica: la longitud de la línea de costa. Siempre medimos la misma fila, la misma orilla. Lo divertido es que a medida que aumentamos la precisión de la regla, obtenemos más y más longitudes de costa. ¿Comprendes lo burda que sería la estimación de la autosimilitud de la línea de costa si midiéramos con una sola regla de cualquier longitud, y mucho menos de una longitud infinita? Todas estas mediciones de la misma línea de costa (fila) utilizando reglas de diferentes longitudes son necesarias para aumentar la precisión de la estimación. Si existe una similitud en cada nivel de escala, todos los puntos se situarán en la misma línea recta.