It is desirable to go through all extrema, but we will limit ourselves to five, the most interesting ones: ---------------------------------------------------------------------------------------------- Extrema Hearst Counting Channel Length ----------------------------------------------------------------------------------------------- [1]......................51........................0.781..........................549 [2]......................197......................1.113..........................403 [3]......................369......................0.921..........................231 [4]......................441......................0.223..........................159 [5]......................554......................0.701..........................46
solandrさん、ご返信ありがとうございます。
今読み返してみて、自分でも驚いています ))))
何を言いたかったのか、思い出せない。 ))
ジョニーの誇示したい気持ちを紛らわせたかったのです。))
毎日10時間見るのやめようかな )))))
とはいえ、せっかくの思いが書きかけで消えてしまった可能性もありますが......。))))
とか、失われていないとか...。(眠いので、今ひとつ頭が働かない)
安定した線形回帰の チャンネル（あるいはトレンド）とその寿命の予測を試みる。
さらに、Hearst指数（確かに、その変種の一つ）の計算の一般的なルールに従って、サンプルのまだ完全に処理されていないデータを示しています。しかし、ある種の結論はすでに導き出されている。長い部分（現在の499本から数えて）については、「関係」が逆のものに変化する明確な傾向が見られ、言うまでもなく、当初、指標は-0.5の領域でジャンプしています。250バール付近では、トレンドが100％変化したことを示すゼロ値をとります。320カウントから始まり、0.8から1までのハースト指数のピークが存在する。
以下のような結論が導き出される（採取したサンプルのみによる）。
1.長尺部の寿命（線形トレンド）は徐々に減少し、250でトレンドが逆転している。つまり、価格が好転するはずです。
2.いくつかの強いショート部分が形成され、その中で新しいトレンド（というより直線回帰チャネル、どちらか都合の良い方）が生まれます。
予報が当たるかどうか確認することが可能です。写真に写っている歴史を見てみよう。青色はHの計算に使用する価格系列、灰色は将来を表しています。赤色はハースト・インデックスのチャートを表しています。
自分で判断してください、全てはクリアです... :o)))
一般に、すべてのプロットと異なるサンプル長で、かなり良好な結果が得られています。この例は、追加的な基準を用いなくとも、私のHurst指数にとって極めて「典型的」なものである。
追記：もしかしたら、どなたか結果を教えていただけるかもしれませんね。面白いかもしれませんね。
私自身はそのような実験をしたことはありませんが、きっと似たようなことを計算するのでしょう。
H(k)はハースト指数 である。0や1を超えることは、計算の正確さとは関係ない。これらのデータは予備的なものであり、まだ処理する必要があります（私が作業しているものについて）。
追記：「誤差」が発生しうるのは（計算精度やアルゴリズムとは関係なく）、非常に少ないサンプルにおいてのみです。
380カウントは、上に書いたように、それほどでもないが、状況の変化の可能性を警告しており、0.0732
はい、私は歴史の上で、あなたが賢くなることができることを理解していますが、これは研究であり、システムの一部に過ぎず、古いHirstは徐々に彼の秘密を明らかにしています。:о)))
その代わり、私の友人の言葉を紹介しますと...。(彼女は記憶開発センターで働いています)
其れは
私が何をしているのか、何を勉強しているのか......彼女はこう言ったのです。
10分も話していると、何かあるんじゃないかと思えてくるんですよ、それが何かはわからないけど。
それ以来、私は「ナンバーセッター」という概念を、意味のないテーマを掘り下げる人、研究する前に課題を明確にする人、として貶めました ))) 。
追伸（2週間後に追記...：）。
ホームページを開設していることがわかりました。 http://www.chislonautics.ru/
あなたの投稿はとても興味深いものです。特に計算の方法論と、ハーストが区間（0.1）を超えてしまうこと。
2点目については、私にも考えがあります。ポイントは、ハーストがフラクタル次元の指標であるDと、D=2-Hの関係になっていることです。あるいはその逆でH=2-D。
私たちが測っている量である価格は、(P,T)平面上を移動しています。その軌跡は、その形態によって、一次元（単純な滑らかな曲線）であったり、平面の一部または全部を覆う（まあ、完全なカオス :-)であったりする。最初のケースでは軌跡の次元はD=1であり、2番目のケースではD=2である。 これらは明らかに極端なバリエーションである。一般的な場合、軌道はランダム決定的な値動き、すなわち1<D<2である。したがって、0<H<1である。
他のシステムではHはこの範囲外かもしれませんが、2変量モーションではそうではありません。
ちなみに、このリンク先http://stocktrade.narod.ru/indicators/FRAMA.pdf では
Dを計算するためのかなり簡単なアルゴリズムを示した記事を見つけることができます。
ハーストを "裏側から "チェックするのに使えると思います :-))
また、アダプティブMAの構築のバリエーションが紹介されているので、興味を持たれた方も多いのではないでしょうか。
もちろん、ハースト比の計算データを、前述の投稿にあるような形で使うことはできない（カオスでノイジーだが、目には見えるトレンドはある）。主信号を検出して作業する必要があります。例として、任意のサンプルを取ってみました（例と一致しませんが、問題ありません）。下図は、フィルターをかけたハースト指数信号（赤）、計算に使用したサンプル（青）、グレーが事実です。計算されたサンプルの構造（青色）に注目してください。
It is desirable to go through all extrema, but we will limit ourselves to five, the most interesting ones:
----------------------------------------------------------------------------------------------
Extrema Hearst Counting Channel Length
-----------------------------------------------------------------------------------------------
[1]......................51........................0.781..........................549
[2]......................197......................1.113..........................403
[3]......................369......................0.921..........................231
[4]......................441......................0.223..........................159
[5]......................554......................0.701..........................46
Extreme 1
----------------------------------------------------------------------------------------------
Extreme Counting Hurst Channel Length
-----------------------------------------------------------------------------------------------
[1] 51 0.781 549
Most Reliable!!!(確かに、このチャンネルの最初の実測値は1*SCOを少し超えていますが（1.5*SCOとすると、全く超えていません）、バッチと一緒に変動しているというか、それほど遠くないところで、ちゃんと戻ってくるのです。特筆すべきは、すべての選択肢の中で、このチャンネルが最も長く、よりパワーがあり（サンプルの長さとは関係ない）、一般的に（今は黙っておくが他の基準）、よりサバイバルに適応していることである。
Extremum 2
--------------------------------------------------------------------------
Extremum Counting Hearst Channel Length
--------------------------------------------------------------------------
[2] 197 1.113 403
信号構造要素を繰り返し、サンプルの半分あたりのどこかで実際のデータはチャンネルから どこにも行かない、これはチャンネル長からすればありがたいことに他ならないでしょう。
Extreme 3
続いています。観測から、基準となるサンプルで1*SCOから外れるカウントがあった場合、実際のデータのほとんど(またはその程度)がその限界付近で推移する可能性が高い(ただし、これは「目視」による観測)
--------------------------------------------------------------------------
Extremum Hearst counts Channel length
--------------------------------------------------------------------------
[3] 369 0.921 231
Extremum 4
Hearst的には確実に逆の構造へ変化するはずです。というか、そういう結果になる確率が非常に高い。そうなる可能性が高いですね。:о)
--------------------------------------------------------------------------
Extremum Counting Hearst Channel Length
--------------------------------------------------------------------------
[4] 441 0.223 159
Extremum 5
--------------------------------------------------------------------------
Extremum Counting Hearst Channel Length
----------------------------------------------------------
[5] 554 0.701 46
(Increased).反対方向に変化し、0.0くらいを表示しているように見えるはずです。0.7が1.2でもなく0.6に近いところ、0.6が0.5のところなど、短いサンプル長に関連する微妙なところがあります :o)))冗談です。長さを考慮すれば、ちょうどいい安定感です。長い間、元の長さまで生き続ける。
A bit of philosophy
適切な ハーストの使用に関する結論は極めて明白であり，私の数々の実験によって確認されています (私を信じてください，さもなければ私の写真で「失敗」します :o)
以下はいくつかの考えです (誰かがそれを必要とすることを願っています):
(1) 見つかった各チャネルはすでに 1.0 (かもう少し高い) 近い H 値に対して十分な安定性を持ちます (基本的には後続データは 1-1.5 RMS 内，さらに 2*SCO 内でその構造が保持されている)。0.0に近い値では、確立された構造が早期に反転することが確認された。
(2) 最も信頼できるチャネルは、実質的に常にR/S信号の極値の1つに隠れているため、その識別には追加の基準が必要である
(3) 価格系列のすべての値：始値、高値、安値、終値およびそれらの算術的組み合わせに対しても良好な結果が観察される。そして、計算には、当然のことながら、1つの価格系列（Vladislavによって計算された変数を意味します）だけを使います
(4) 信頼性について仮定するとき、我々は常に基本となるサンプル長を考慮すべきです。短いサンプルは長距離では実質的に機能しない
(5) その後の研究に適した構造を選択する必要がある（もちろん選択しないこともできる）。ロバスト性のために何を調べたいかを「構造的に」考えることで、予測精度が大きく向上するのです。つまり、チャネルはチャネルでも（どんなデータでも構築できる）、チャネルの中身を見ることが重要なのです。
この例では、さらにデータを取得すると、見つかったチャンネルは残りますが（現在のバーは固定）、長いチャンネルや安定したチャンネルの新しい可能なバリエーションが存在します。
(6) チャネルの寿命予測に関する興味深いトピックです。
PS1：では、Vladislavの アイデアに感謝します。システムで予測する部分が足りなかっただけなんです。一番驚いたのは、私は長い間Hirstのことを知っていたのですが（診断に間接的に関係する私の職業によって）、なぜかそれを使うことを思いつかなかった、男、私は何を考えていたのか...ビールと女について自分を知っている:o)
PS2:Solandrは、一般的に、あなたが古いHirstについてどのように感じているかを知って、あなたのために試してみました:o)