Indice Hearst - pagina 15
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Mi permetto di assicurarvi che "a occhio", proprio non si può determinare con certezza, dove è il M1, e dove è la settimana (per esempio per una serie di EURUSD). Ma l'uso dell'SPX, mostrerà esattamente la differenza tra i vari TF per questa quotazione.
Che cosa ha a che fare questo con la statistica. La gente ha deciso che non si può dire "a occhio", quindi è frattale. E poi iniziano a teorizzare. Malnenbrot e tutti gli altri frattalisti.
A proposito, anche lo stesso Hurst mostra valori diversi per diversi timeframe. Anche se questi valori non sono molto diversi, le tendenze sono di solito visibili.
Chi conosce le opzioni ISC?
Per esempio la seguente variante. Dopo il primo calcolo, si determinano gli outlier e si assegnano i pesi ai punti di dati in base ad essi. Dopo di che ripetiamo il calcolo tenendo conto dei pesi.
La domanda è: dove è descritto in modo competente, per non reinventare la ruota?
Chi conosce le opzioni ISC?
Per esempio la seguente variante. Dopo il primo calcolo, determinare gli outlier e usarli per assegnare i pesi ai punti di dati. Dopo di che ripetiamo il calcolo tenendo conto dei pesi.
La domanda dove è descritta con competenza, che non reinventare una bicicletta?
Allora è meglio calcolare la deviazione standard, e quando si conta di nuovo, rimuovere i punti la cui deviazione standard è 1,5 volte maggiore della media.
Allora è meglio calcolare la deviazione standard e poi rimuovere i punti la cui deviazione standard è 1,5 volte più grande della media.
Questo è un caso estremo di quello che chiedevo. Quello che suggerisci significa assegnare un peso a questi punti =0
La domanda è la stessa, dove è descritto con competenza?
Chi conosce le opzioni ISC?
Per esempio la seguente variante. Dopo il primo calcolo, determinare gli outlier e usarli per assegnare i pesi ai punti di dati. Dopo di che ripetiamo il calcolo tenendo conto dei pesi.
La domanda è dove è descritto correttamente per non reinventare la ruota?
Perché? Ci sono valori A, B, e ci sono i loro intervalli di confidenza.
Perché? Ci sono i valori A, B, e ci sono i loro intervalli di confidenza.
Presumo che impostando i pesi si possa ottenere una curva dell'indice di variazione più liscia. Voglio controllare. Naturalmente posso semplicemente imporre MA, ma non è così interessante, anche se forse non dovremmo cercare modi troppo complicati :)
Questo è un caso estremo di quello che chiedevo. Quello che proponi è di assegnare un peso a questi punti =0
La domanda è la stessa: dove è descritto in modo intelligente?
Non lo so, partendo dal presupposto che una certa percentuale di punti del campione cade fuori dal campione e ha un effetto notevole sui risultati.
Si può naturalmente cercare la giusta percentuale dei punti più lontani, ma è più facile con RMS.
In generale è il contrario di quello che hai detto. Il modo corretto non è quello di prendere la deviazione quadrata come peso, ma l'inverso di essa.
È qui che sorge il problema di dividere per 0.
Allora il coefficiente può essere pensato come -- 1/(1 + KO) .
Allora la funzione di destinazione ripetuta sarebbe questa:
Solo le derivate dovranno essere ricalcolate a mano)Non lo so, partendo dal presupposto che una certa percentuale di punti del campione cade fuori dal campione e ha un effetto notevole sui risultati.
Si può naturalmente cercare la giusta percentuale dei punti più lontani, ma è più facile con RMS.
In generale è il contrario di quello che hai detto. Il modo corretto non è quello di prendere la deviazione quadrata come peso, ma l'inverso di essa.
È qui che sorge il problema di dividere per 0.
Allora il coefficiente può essere pensato come -- 1/(1 + KO) .
Allora la funzione obiettivo ripetuta sarebbe questa:
Solo le derivate dovranno essere ricalcolate a mano)La tua versione implica una somma di coefficienti non uguale a 1. È giusto? Probabilmente è corretto normalizzarli per la loro somma.
(1/(1+KOi))/Somma(1/(1+KOi))
La vostra opzione implica una quantità di coefficiente non uguale a 1. È corretto? È probabilmente corretto normalizzarli per la loro somma.
(1/(1+KOi))/Somma(1/(1+KOi))
Va bene, sono usati nella funzione di destinazione, quindi la loro normalizzazione non cambierà il risultato.
Puoi controllare se vuoi.
Spero che tu possa ricavare le derivate?
Va bene, sono utilizzati nella funzione di destinazione, quindi il razionamento non cambierà il risultato.
Puoi controllare se vuoi.
Spero che tu possa ricavare le derivate?
certo :)