Извините, что вот влез, значительно после обсуждения этой темы, но так получилось. Вероятно, это уже не так актуально. Но по-прежнему надеюсь, что кто-то поможет разобраться с моими вопросами.
Берется выборка в , допустим, 10000 баров, нарезается на неперсекающиеся интервалы в 20 баров, вычисляется средний Херст, далее нарезается по 21, 22 и так дале до 5000 баров. Потом строится аппроксимирующая прямая. Вот только что с ней делать в нашем случае - не ясно.
Берется выборка в , допустим, 10000 баров, нарезается на неперсекающиеся интервалы в 20 баров, вычисляется средний Херст, далее нарезается по 21, 22 и так дале до 5000 баров. Потом строится аппроксимирующая прямая. Вот только что с ней делать в нашем случае - не ясно.
Вычисляется не средний Херст, а две координаты Y=Log(R/S) и X=Log(N). И что с этим делать, тоже вроде бы ясно. Есть уравнение Y=Y(X), которое выглядит так: Log(R/S) = H*Log(N) + A. Нужно построить линейную регрессию и определить ее коэффициент и свободный член. Херст - это ее коэффициент. А просто отношение логарифмов - это совсем не Херст. ИМХО
この本で提案されているアプローチを適用するには、この本で説明されていることと全く同じことをする必要があります。この本では、ブラウン交通の場合のみ、詳細な例を挙げていますつまり、ブラウン運動の「流入」のサンプルが、ハースト係数の違いによってどのように見えるかを視覚的に示しているのである。乱数発生器を用意して、その発生確率を設定してホワイトノイズの中に相互依存的な取引を作ると、この本とほぼ同じ絵が出来上がります。つまり、まずフラクタルな観測ノイズ（「支流」のサンプル）が得られ、それを合計することで何かの物理的な運動（この場合はブラウンノイズのオシログラム）が得られます。物理的な運動の振幅から、ハースト因子（相互依存的な取引の確率）が大きければ大きいほど、物理的な運動自体の振幅の広がりが大きくなることがわかる。この本の中の例から、最終的に何が理解できるのでしょうか？すでに述べた「ハースト比（相互依存取引の確率）が大きいほど、物理的な動きの振幅そのものが大きくなることが判明した」ことを理解するしかない。次に、「この情報によって何がわかるのか」ということをお答えください。2回にわたって書いたこと（取引の相互依存の度合いだけを判断しよう）を除けば、何もないのです。著者はこの本の中で次に何をするのでしょうか？彼らは、提案した計算（ブラウン運動分析）をさまざまな資本市場に適用しています。すべての市場で（あるいはほとんどすべての市場で）ハースト指数は0.5以上であり、特にEURUSDでは0.64である。では、次はどうするか？まあ、何もないんですけどね。ただし、市場の取引はほとんど相互依存関係にあることが分かっています。しかし、昨日価格がどの方向に動いたかを見て、人はトレンドに逆らうよりもトレンドに乗る可能性が高いということを、ずっと知っていたと仮定しましょう。そのため、これまでの動きをもとに、相場に明らかなトレンドが発生する時期があります。誰の目にも明らかです。そして、Vladislavはこの方法を線形回帰のチャンネル予測に適用しようとしたのです。つまり、「ごく近い将来、チャネルはどうなるのか、継続するのか、それともその存在を終えるのか」という問いに答えるために、既存の値動きに基づく「潮目」の計算方法を大幅に変更したのである。
強調表示されている「SOFTLY THERE」は、私の勘違いということでしょうか。可能性はありますが、私は一生懸命に、すべて本の通りにやったようです。 そして、その中で指数の計算の一般的な方法が述べられており、例としてブラウン運動とWolf系列の19周期目（正直、何だかよくわからない）の結果が示されている。
ランダムウォークを使ったアルゴリズムを確認したところ、ほぼ正しい結果が得られました（log(N)からlog(R/S)のグラフを添付します）。
Vladislavのアルゴリズムでも、あなたのアルゴリズムでも、最終的にはH=log(R/S) /log(0.5*N) という式で指数自体の近似推定が行われます - 本のとおりです。そして、以前書いたように、より精度の高いアルゴリズムを実装することにしました。
詳しい説明ありがとうございます。Vladislavのアプローチの詳細が曖昧で理解できなかった部分がありました。今なら、より明確になりそうです。特にあなたやVladislavの計算を疑っているわけではなく、うまくいっているからです。
:о)))))
いや、間違ってはいない!EXACTLY SAME」というのは、この本で使われているアプローチは、それが開発された問題、そして私が何度か繰り返した「ブラウン過程に似た何らかの過程のもとでの取引（潮汐）の相互依存性を推定する」という問題の解決にしか適さないという意味です。しかし、この本に書かれているような形で、「ごく近い将来のチャネルに沿った動きを予測する」という我々の問題を解決するのに使うことは、絶対に不可能です。Vladislavは，我々の問題に対して，現在のバーを含まないサンプルにプロットされた線形回帰 チャンネルの予測値を平均値として考慮する「潮汐」サンプリングの観点から，それを最終決定しました．もし、彼が提案したその改訂の意味を深く考えるなら、適切な推敲と追加資料の提示で、少なくとも博士論文（数学か経済学のどちらか、より強調される方）が必要になるでしょう ;o)))!ウラジスラフ、考えておいてくれ！もし、少しでも必要なら。
いいえ、間違いではありません!全く同じ」というのは、この本で使われているアプローチは、それが開発された問題、そして私がすでに何度も繰り返している「ブラウン過程に似た何らかの過程における取引（潮汐）の相互依存性を推定する」という問題の解決にのみ適している、という意味です。しかし、この本に書かれているような形で、「ごく近い将来の水路の動きを予測する」という我々の問題を解決するのに使うことは、明らかに不可能である。そこでウラジスラフは、現在のバーを平均レベルとして含まないサンプルで構築された線形回帰チャネルの予測値を数える「潮」のサンプルを得るという点で、我々の問題のためにそれを改良したのです。
はい、しかし、この本で示されたアルゴリズムでは、「流入」の内容に特別な条件を課していません。少なくとも私はそこでそのようなものを見つけられませんでしたし、議論の1つは、流入量をどうするかということでした。貴重なアドバイスをいただきました。ありがとうございます。
計算されるのは平均ハーストではなく、Y=Log(R/S)とX=Log(N)の2つの座標である。そして、それをどうするかも明確になっているようです。
Log(R/S) = H*Log(N) + A のような方程式 Y=Y(X) があります。線形回帰を構築し、その係数と自由項を決定する必要があります。ハーストはその係数です。
また、対数の比だけでは、全くハーストではありません。
IMHO
いいえ、これらのサンプルの平均的なハーストです :)
Вычисляется не средний Херст, а две координаты Y=Log(R/S) и X=Log(N). И что с этим делать, тоже вроде бы ясно.
Есть уравнение Y=Y(X), которое выглядит так: Log(R/S) = H*Log(N) + A. Нужно построить линейную регрессию и определить ее коэффициент и свободный член. Херст - это ее коэффициент.
А просто отношение логарифмов - это совсем не Херст.
ИМХО
いいえ、これらのサンプルのハースト平均です :)
今日、このアルゴリズムを「フラクタル解析」という本で読みました。私は別のアルゴリズムで、別の計算式に従って実装しました。1からNまで進み、現在のnごとにlog(R/S)とlog(N)をカウントしています。そして、近似的な直線y(x)=ax+bを作図する。係数aはハースト指数 である。ここには原則的な間違いがあるかもしれません。:о)追記：そのようにカウントされないのでしょうか？
このコードが性能的に最適でないことは承知しています（多くの関数呼び出しなど）が、肝心なのは、その計算ロジックを正しく理解しているかどうかを自分自身で明らかにしたかったことで、その結果が疑問視されているようなので、知っている人に聞くことにしました。
...
PS:フォーラム参加者の皆様にもご理解いただけると幸いです。Vladislavが時間を割いて、このような単純な方法論でどこが間違っているのかを説明してくれるなら、とてもありがたいことです。
1000個のランダムなブラウン粒子をゼロ点での1000個の座標グリッドに置く。これらのポイントに沿って、ランダムな方向にランダムな力の砲撃を開始します。ここでハーストは、時間の経過とともに粒子と座標の原点との距離（ベクトルの長さ）は時間の平方根に比例することを主張する。なぜ1000チャットなのか？ アベレージが良いため。この問題は、プログラミングやテストが難しいわけではありません。
ゼロ点での1000個の座標グリッドに1000個のランダムなブラウン粒子を取る。このポイントに沿って、ランダムな力がランダムな方向に砲撃を開始する。時間の経過とともに、粒子と座標の原点との距離（ベクトルの長さ）は時間の平方根に比例するというハーストの推論がここにある。なぜ1000チャットなのか？ アベレージが良いため。この問題は、プログラミングやテストが難しいわけではありません。
私は彼を信じています。しかし、フェダーは、もし正確な値が必要なら、もっと正確に数えることも必要だと主張した。だから、やってみたんです。そして今日、ピータース氏はまったくそのような計算をしていないことがわかりました。
数字の列だけで十分です。あとは自分でやります。