ハーストの索引 - ページ 26 1...192021222324252627282930313233...46 新しいコメント Vasiliy Sokolov 2011.11.27 14:54 #251 avtomat: しばらくは他のことに気をとられていて、娘が18歳になってしまい、フラクタルに構っている暇はありませんでした ;))) 。 しかし、そのようなスイッチが--このとき初めて気がついたのですが--、まだ解決されていないフラクタル問題の明確なビジョンにつながったのです。 まあ、正気に戻り次第、この問題を解決するつもりです ;) 待ってます:) Vasiliy Sokolov 2012.03.30 04:56 #252 世間の関心が薄いにもかかわらず、私はピータースの本を追いかけている。方法を改善し、ようやく何を計算しているのかが理解できました。そこで、基本的な計算式を紹介します。 まず最初に行うのは、価格系列を対数リターンに変換することである。2つ目の式の本質はこうだ。対数リターンの平均は系列の数学的期待値であり、各値から系列の平均を計算すれば、これらの値の和は常にゼロに等しくなる。これは最もシンプルなデトレンドの方法ですが、結果に大きな影響を及ぼします。次に、系列の最小値と最大値を算出する。これらの計算は、グラフでグラフィカルに表現することができます。 3つ目の式は、誰もが理解しているように、単純な標準偏差の計算である。 したがって、Hは レンジとその対数周期の単純な比である。 そして、分析対象のPetersシリーズ全体を独立した小期間に分割する。各サブピリオドは上記の方法論に従って計算されています。その結果、RSの平均値が存在することになり、ブラウン運動とは質的に異なる。粒子の分散は周期の対数に正比例するので、ハースト比、すなわち周期に対する時間幅の比は定数とし、0.5と しなければならない。例えば、明らかにランダムな系列では、Hurstは0.50ではなく0.53と表示します。また、サンプルが少ないことが原因ではなく、データを多く使えば使うほど、0.53の 領域でより正確な指標となるのです。 そこで、提案した方法論で500 000の独立した値を分析し、実際のRTS市場と比較しました。そこで、ランダム系列に決定論的な要素を意図的に組み込んでみた。過去2つの値がマイナスだった場合、現在の値に標準偏差の1/2を加える（トレンド系列）、逆に過去2つの値がマイナスだった場合、現在の値に標準偏差の1/2を加える（アンチトレンド系列）、である。以下は、得られたチャートです。 見てわかるように、RTS市場はランダムウォークと質的に区別されないが、トレンドとアンチトレンドの系列は期待された特性を示す。 では、このインジケータがダイナミクスでどのように見えるかを見てみましょう。 このように、この指標には2つの大きな問題があります。急激な反転時には、MOが大きくならない一方で、スイングが大きくなるため、無理な過大評価になってしまうのです。逆に、明確な上昇トレンドでは、MOが動きの主要部分となるが、MO周辺の変動は小さくなるため、ヒーハーストは再び本来の値より低くなる。 したがって、提案された方法は、市場の値動きを適切に表現することができず、トレンドとアンチトレンドの成分を効果的に識別することができないという予備的な結論を下すことができます。 VonDo Mix 2012.03.30 05:40 #253 C-4: 世間の関心は薄いが...。 既知のランダムなデータ」の分布はどうなっているのか？ 生成の方法論を明かしてもいいでしょうか。 そこで、提案した手法で50万件の独立した値を分析し、それと実際のRTS市場を比較しました。そこで、ランダム系列に決定論的な要素をあえて導入し、過去2回の値がマイナスであれば、現在値に標準偏差の1/2を加え（トレンド系列）、逆に過去2回の値がマイナスであれば、現在値に標準偏差の1/2を加え（アンチトレンド系列）、トレンド系列とした。これが出てきたグラフです。 そして、「アンチトレンド」シリーズの入手方法がよくわからない。 そして、その定義自体がちょっとおかしいんです。 どうしてフラットなのか、なぜマイナス2つだけで、プラス3つでないのか。 ;) khorosh 2012.03.30 05:48 #254 C-4: 世間の関心が薄いにもかかわらず、私はピータースの本を追いかけている。方法を改善し、ようやく何を計算しているのかが理解できました。そこで、基本的な計算式を紹介します。 最初に行うのは、価格系列を対数リターンに変換することである。2つ目の式の本質はこうだ。対数リターンの平均は系列の数学的期待値であり、各値から系列の平均を計算すれば、これらの値の和は常にゼロに等しくなる。これは最もシンプルなデトレンドの方法ですが、結果に大きな影響を及ぼします。次に、系列の最小値と最大値を算出する。これらの計算は、グラフでグラフィカルに表現することができます。 3つ目の式は、誰もが理解しているように、単純な標準偏差の計算である。 したがって、Hは レンジとその対数周期の単純な比である。 そして、分析対象のPetersシリーズ全体を独立した小期間に分割する。各サブピリオドは上記の方法論に従って計算されています。その結果、RSの平均値が存在することになり、ブラウン運動とは質的に異なる。粒子の分散は周期の対数に正比例するので、ハースト比、すなわち周期に対する時間幅の比は定数とし、0.5と しなければならない。例えば、明らかにランダムな系列では、Hurstは0.50ではなく0.53と表示します。また、サンプルが少ないことが原因ではなく、データを多く使えば使うほど、0,53の 領域でより正確な指標となるのです。 そこで、提案した方法論で500 000の独立した値を分析し、実際のRTS市場と比較しました。そこで、ランダム系列に決定論的な要素を意図的に組み込んでみた。過去2つの値がマイナスだった場合、現在の値に標準偏差の1/2を加える（トレンド系列）、逆に過去2つの値がマイナスだった場合、現在の値に標準偏差の1/2を加える（アンチトレンド系列）、である。以下は、得られたチャートです。 見てわかるように、RTS市場はランダムウォークと質的に区別されないが、トレンドとアンチトレンドの系列は期待された特性を示す。 では、このインジケータがダイナミクスでどのように見えるかを見てみましょう。 このように、この指標には2つの大きな問題があります。急激な反転時には、MOが大きくならない一方で、スイングが大きくなるため、無理な過大評価になってしまうのです。逆に、明確な上昇トレンドでは、MOが動きの主要部分となるが、MO周辺の変動は小さくなるため、ヒーハーストは再び本来の値より低くなる。 したがって、提案された方法は、市場の値動きを適切に表現することができず、トレンドとアンチトレンドの成分を効果的に識別することができないという予備的な結論を下すことができます。 既知の理論の無効性を証明することは、大きな成功である。真の知識への道を切り開いているのです。おめでとうございます。 VonDo Mix 2012.03.30 05:56 #255 khorosh: 既知の理論の無効性を証明することは、大きな成功である。真の知識への道を切り開いているのです。おめでとうございます。 その証拠に、誰の失敗なんだ？ 寝ている間に取れなかった...。 hrenfx 2012.03.30 06:14 #256 C-4: ソース行からリターンへの各変換は、なぜ - Close[i] / Close[i - 1]なのでしょうか？ スクリーンショットとデトレンドへの言及から判断すると、MO（特にreturns-row）について話すのは間違っています。この場合、MOを価格系列のサンプルの線形回帰として 参照していますね。それを引き算することでデトレンドが得られるのです。そして実は、スクリーンショットの緑色の線はMOではなく（水平であるべき）、線形回帰なのです。 この式から、ハーストはデトレンドされた価格系列の平均スプレッドに対する最大スプレッドの比率であることがわかる。サンプル数の対数で割るのは、形式的なフィッティング（正規化）に過ぎない。ポイントは、平均値に対する最大値の比率です。 このような分析は、オリジナルのシリーズの状態に大きく依存します。つまり、どのような条件でi番目の要素を取り出したか。古典的なものですね、時間間隔が等間隔で。しかし、これらの時間間隔の高値と安値の両方を考慮することができる他の方法があります。そのため、情報の損失が非常に少なくなっています。 Vasiliy Sokolov 2012.03.30 06:25 #257 khorosh: 既知の理論の無効性を証明することは、大きな成功である。真の知識への道を切り開いているのです。おめでとうございます！ これは皮肉なのか？反証するつもりはなく、提案された方法論で指標を計算しただけですが、出力はSBと区別がつきません。 あと、「アンチトレンド」シリーズの取り方がよくわからない。 、定義自体もちょっとおかしい。 なぜ、ネガティブは2つだけで、ポジティブは3つも使わないのですか？ データはExcelのアドインを使用して作成しました。"乱数発生"です。 フラット」の定義は、ちょっと違いますね。この場合、アンチパーシスタントのシリーズを意味する。この方法論は、特に2番の数式に合わせたものである。このように、まさにそのような摂動を「受け止める」ための式になっているのです。"2つのマイナス "は恣意的な選択である。サンプリング周期より小さい数であれば、どんな数でも効果はトレースできる（いわゆるピーターズメモリー効果）。 VonDo Mix 2012.03.30 06:36 #258 C-4: データはExcelのアドインで作成しました。"乱数発生 "です。フラット」の定義は、本当に正しいとは言えません。ここで意味するのは、アンチパーシステントシリーズである。この方法論は、特に2番の数式に合わせたものである。このように、まさにそのような摂動を「受け止める」ための式になっているのです。"2つのマイナス "は恣意的な選択である。サンプリング周期より小さい数であれば、どんな数でも効果が現れます（いわゆるピーターズメモリー効果）。では、この上部構造から、一様 分布や正規分布などの「乱数」が発生するのでしょうか？それとも知らないの？ こだわりと "トレンド感" 同じものを持っているんですね。 Vasiliy Sokolov 2012.03.30 06:50 #259 ваЗачем каждый раз идет преобразование исходного ряда к returns - Close[i] / Close[i - 1]? 元の系列からリターンへの変換は、計算開始時に一度だけ行われる。そして、2の式からわかるように、リターンは連続した一連の増分に組み直される。 スクリーンショットとデトレンドの言及から判断すると、MO（特にreturns-rowについて）について話すのは正しくないです。この場合、MOをサンプル価格系列の線形回帰として参照していますね。それを引き算することでデトレンドが得られるのです。そして実は、スクリーンショットの緑色の線はMOではなく（水平であるべき）、線形回帰なのです。 混乱を避けるために、IRの定義を見てみましょう：期待されるペイオフは、確率変数の一連のリターンの 平均値です。一連のリターンが累積的である場合、その期待値はこのシリーズの増分の合計、または最終値と初期値の単純な差となります。これは、期待値がゼロであれば、このような累積系列の終点と始点の差も常にゼロになるためで、グラフで見るとよくわかる。したがって、系列から平均値を引くのが最も簡単なデトレンドの方法である。RMSのような基本的な統計手法はまさにそれを実現するものです。線形回帰は 少し違っていて、M.N.C.を通して検索し、トレンド成分を取り除くのに一般的により適切な方法です。しかし、図はまさにMOを示しているが、蓄積されたシリーズという意味である。 このような分析は、オリジナルのシリーズの状態に大きく依存します。つまり、どのような条件でi番目の要素を取り出したか。古典的なものは、同じ時間間隔を空けてからです。 私の研究によると、提案された計算式はリターンをそのまま使うのではなく、蓄積されたシリーズを使いますが、そのMOを考慮しないため、視覚的には元の価格のチャートとほとんど同じですが、いくつかの情報（適切なMOの値）が失われることになります。 しかし、これらの時間間隔の高値と安値の両方を考慮することができる他の方法があります。つまり、情報の損失がはるかに少ないのです。 確かに、この方法は非常に粗雑で、正しいとは思えませんね。その中から2点のみを取り出し、MOは完全に破棄する。その結果、非定常な期待値を持つ初期系列に対して、不可逆的な情報損失と不正確な作業が発生します。ジグザグをユニバーサルフラクタル定規として応用することで、その出口が見えてくる。例えば、ジグザグ膝に対する移動距離の比率でもよい。 Vasiliy Sokolov 2012.03.30 06:55 #260 Sorento:この上部構造によって、一様に分布する、正規分布などの「乱数」が生成されるわけですね。それとも知らないの？こだわりと "トレンド感" 同じものを持っているんですね。 分布は正規分布で、MOは0、標準偏差は 所定の値である。この文脈では、持続とトレンドは同じものです。私が「トレンド系列」と言ったのは、増分の符号とその前のリターンの符号が一致する確率が50％以上であることを意味し、反トレンド性はその逆で、符号の一致する確率が50％未満であることを意味します。これは私の定義ではなく、この本に書かれている意味と全く同じです。 1...192021222324252627282930313233...46 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
しばらくは他のことに気をとられていて、娘が18歳になってしまい、フラクタルに構っている暇はありませんでした ;))) 。
しかし、そのようなスイッチが--このとき初めて気がついたのですが--、まだ解決されていないフラクタル問題の明確なビジョンにつながったのです。
まあ、正気に戻り次第、この問題を解決するつもりです ;)
待ってます:)
世間の関心が薄いにもかかわらず、私はピータースの本を追いかけている。方法を改善し、ようやく何を計算しているのかが理解できました。そこで、基本的な計算式を紹介します。
まず最初に行うのは、価格系列を対数リターンに変換することである。2つ目の式の本質はこうだ。対数リターンの平均は系列の数学的期待値であり、各値から系列の平均を計算すれば、これらの値の和は常にゼロに等しくなる。これは最もシンプルなデトレンドの方法ですが、結果に大きな影響を及ぼします。次に、系列の最小値と最大値を算出する。これらの計算は、グラフでグラフィカルに表現することができます。
3つ目の式は、誰もが理解しているように、単純な標準偏差の計算である。
したがって、Hは レンジとその対数周期の単純な比である。
そして、分析対象のPetersシリーズ全体を独立した小期間に分割する。各サブピリオドは上記の方法論に従って計算されています。その結果、RSの平均値が存在することになり、ブラウン運動とは質的に異なる。粒子の分散は周期の対数に正比例するので、ハースト比、すなわち周期に対する時間幅の比は定数とし、0.5と しなければならない。例えば、明らかにランダムな系列では、Hurstは0.50ではなく0.53と表示します。また、サンプルが少ないことが原因ではなく、データを多く使えば使うほど、0.53の 領域でより正確な指標となるのです。
そこで、提案した方法論で500 000の独立した値を分析し、実際のRTS市場と比較しました。そこで、ランダム系列に決定論的な要素を意図的に組み込んでみた。過去2つの値がマイナスだった場合、現在の値に標準偏差の1/2を加える（トレンド系列）、逆に過去2つの値がマイナスだった場合、現在の値に標準偏差の1/2を加える（アンチトレンド系列）、である。以下は、得られたチャートです。
見てわかるように、RTS市場はランダムウォークと質的に区別されないが、トレンドとアンチトレンドの系列は期待された特性を示す。
では、このインジケータがダイナミクスでどのように見えるかを見てみましょう。
このように、この指標には2つの大きな問題があります。急激な反転時には、MOが大きくならない一方で、スイングが大きくなるため、無理な過大評価になってしまうのです。逆に、明確な上昇トレンドでは、MOが動きの主要部分となるが、MO周辺の変動は小さくなるため、ヒーハーストは再び本来の値より低くなる。
したがって、提案された方法は、市場の値動きを適切に表現することができず、トレンドとアンチトレンドの成分を効果的に識別することができないという予備的な結論を下すことができます。
世間の関心は薄いが...。
既知のランダムなデータ」の分布はどうなっているのか？
生成の方法論を明かしてもいいでしょうか。
そこで、提案した手法で50万件の独立した値を分析し、それと実際のRTS市場を比較しました。そこで、ランダム系列に決定論的な要素をあえて導入し、過去2回の値がマイナスであれば、現在値に標準偏差の1/2を加え（トレンド系列）、逆に過去2回の値がマイナスであれば、現在値に標準偏差の1/2を加え（アンチトレンド系列）、トレンド系列とした。これが出てきたグラフです。
そして、「アンチトレンド」シリーズの入手方法がよくわからない。
そして、その定義自体がちょっとおかしいんです。
どうしてフラットなのか、なぜマイナス2つだけで、プラス3つでないのか。
;)
世間の関心が薄いにもかかわらず、私はピータースの本を追いかけている。方法を改善し、ようやく何を計算しているのかが理解できました。そこで、基本的な計算式を紹介します。
最初に行うのは、価格系列を対数リターンに変換することである。2つ目の式の本質はこうだ。対数リターンの平均は系列の数学的期待値であり、各値から系列の平均を計算すれば、これらの値の和は常にゼロに等しくなる。これは最もシンプルなデトレンドの方法ですが、結果に大きな影響を及ぼします。次に、系列の最小値と最大値を算出する。これらの計算は、グラフでグラフィカルに表現することができます。
3つ目の式は、誰もが理解しているように、単純な標準偏差の計算である。
したがって、Hは レンジとその対数周期の単純な比である。
そして、分析対象のPetersシリーズ全体を独立した小期間に分割する。各サブピリオドは上記の方法論に従って計算されています。その結果、RSの平均値が存在することになり、ブラウン運動とは質的に異なる。粒子の分散は周期の対数に正比例するので、ハースト比、すなわち周期に対する時間幅の比は定数とし、0.5と しなければならない。例えば、明らかにランダムな系列では、Hurstは0.50ではなく0.53と表示します。また、サンプルが少ないことが原因ではなく、データを多く使えば使うほど、0,53の 領域でより正確な指標となるのです。
そこで、提案した方法論で500 000の独立した値を分析し、実際のRTS市場と比較しました。そこで、ランダム系列に決定論的な要素を意図的に組み込んでみた。過去2つの値がマイナスだった場合、現在の値に標準偏差の1/2を加える（トレンド系列）、逆に過去2つの値がマイナスだった場合、現在の値に標準偏差の1/2を加える（アンチトレンド系列）、である。以下は、得られたチャートです。
見てわかるように、RTS市場はランダムウォークと質的に区別されないが、トレンドとアンチトレンドの系列は期待された特性を示す。
では、このインジケータがダイナミクスでどのように見えるかを見てみましょう。
このように、この指標には2つの大きな問題があります。急激な反転時には、MOが大きくならない一方で、スイングが大きくなるため、無理な過大評価になってしまうのです。逆に、明確な上昇トレンドでは、MOが動きの主要部分となるが、MO周辺の変動は小さくなるため、ヒーハーストは再び本来の値より低くなる。
したがって、提案された方法は、市場の値動きを適切に表現することができず、トレンドとアンチトレンドの成分を効果的に識別することができないという予備的な結論を下すことができます。
既知の理論の無効性を証明することは、大きな成功である。真の知識への道を切り開いているのです。おめでとうございます。
その証拠に、誰の失敗なんだ？
寝ている間に取れなかった...。
ソース行からリターンへの各変換は、なぜ - Close[i] / Close[i - 1]なのでしょうか？
スクリーンショットとデトレンドへの言及から判断すると、MO（特にreturns-row）について話すのは間違っています。この場合、MOを価格系列のサンプルの線形回帰として 参照していますね。それを引き算することでデトレンドが得られるのです。そして実は、スクリーンショットの緑色の線はMOではなく（水平であるべき）、線形回帰なのです。
この式から、ハーストはデトレンドされた価格系列の平均スプレッドに対する最大スプレッドの比率であることがわかる。サンプル数の対数で割るのは、形式的なフィッティング（正規化）に過ぎない。ポイントは、平均値に対する最大値の比率です。
このような分析は、オリジナルのシリーズの状態に大きく依存します。つまり、どのような条件でi番目の要素を取り出したか。古典的なものですね、時間間隔が等間隔で。しかし、これらの時間間隔の高値と安値の両方を考慮することができる他の方法があります。そのため、情報の損失が非常に少なくなっています。
既知の理論の無効性を証明することは、大きな成功である。真の知識への道を切り開いているのです。おめでとうございます！
これは皮肉なのか？反証するつもりはなく、提案された方法論で指標を計算しただけですが、出力はSBと区別がつきません。
あと、「アンチトレンド」シリーズの取り方がよくわからない。
、定義自体もちょっとおかしい。
なぜ、ネガティブは2つだけで、ポジティブは3つも使わないのですか？
データはExcelのアドインを使用して作成しました。"乱数発生"です。
フラット」の定義は、ちょっと違いますね。この場合、アンチパーシスタントのシリーズを意味する。この方法論は、特に2番の数式に合わせたものである。このように、まさにそのような摂動を「受け止める」ための式になっているのです。"2つのマイナス "は恣意的な選択である。サンプリング周期より小さい数であれば、どんな数でも効果はトレースできる（いわゆるピーターズメモリー効果）。
データはExcelのアドインで作成しました。"乱数発生 "です。
フラット」の定義は、本当に正しいとは言えません。ここで意味するのは、アンチパーシステントシリーズである。この方法論は、特に2番の数式に合わせたものである。このように、まさにそのような摂動を「受け止める」ための式になっているのです。"2つのマイナス "は恣意的な選択である。サンプリング周期より小さい数であれば、どんな数でも効果が現れます（いわゆるピーターズメモリー効果）。
では、この上部構造から、一様 分布や正規分布などの「乱数」が発生するのでしょうか？それとも知らないの？
こだわりと "トレンド感" 同じものを持っているんですね。
ваЗачем каждый раз идет преобразование исходного ряда к returns - Close[i] / Close[i - 1]?
元の系列からリターンへの変換は、計算開始時に一度だけ行われる。そして、2の式からわかるように、リターンは連続した一連の増分に組み直される。
スクリーンショットとデトレンドの言及から判断すると、MO（特にreturns-rowについて）について話すのは正しくないです。この場合、MOをサンプル価格系列の線形回帰として参照していますね。それを引き算することでデトレンドが得られるのです。そして実は、スクリーンショットの緑色の線はMOではなく（水平であるべき）、線形回帰なのです。
混乱を避けるために、IRの定義を見てみましょう：期待されるペイオフは、確率変数の一連のリターンの 平均値です。一連のリターンが累積的である場合、その期待値はこのシリーズの増分の合計、または最終値と初期値の単純な差となります。これは、期待値がゼロであれば、このような累積系列の終点と始点の差も常にゼロになるためで、グラフで見るとよくわかる。したがって、系列から平均値を引くのが最も簡単なデトレンドの方法である。RMSのような基本的な統計手法はまさにそれを実現するものです。線形回帰は 少し違っていて、M.N.C.を通して検索し、トレンド成分を取り除くのに一般的により適切な方法です。しかし、図はまさにMOを示しているが、蓄積されたシリーズという意味である。
このような分析は、オリジナルのシリーズの状態に大きく依存します。つまり、どのような条件でi番目の要素を取り出したか。古典的なものは、同じ時間間隔を空けてからです。
私の研究によると、提案された計算式はリターンをそのまま使うのではなく、蓄積されたシリーズを使いますが、そのMOを考慮しないため、視覚的には元の価格のチャートとほとんど同じですが、いくつかの情報（適切なMOの値）が失われることになります。
しかし、これらの時間間隔の高値と安値の両方を考慮することができる他の方法があります。つまり、情報の損失がはるかに少ないのです。
確かに、この方法は非常に粗雑で、正しいとは思えませんね。その中から2点のみを取り出し、MOは完全に破棄する。その結果、非定常な期待値を持つ初期系列に対して、不可逆的な情報損失と不正確な作業が発生します。ジグザグをユニバーサルフラクタル定規として応用することで、その出口が見えてくる。例えば、ジグザグ膝に対する移動距離の比率でもよい。
この上部構造によって、一様に分布する、正規分布などの「乱数」が生成されるわけですね。それとも知らないの？
こだわりと "トレンド感" 同じものを持っているんですね。
分布は正規分布で、MOは0、標準偏差は 所定の値である。この文脈では、持続とトレンドは同じものです。私が「トレンド系列」と言ったのは、増分の符号とその前のリターンの符号が一致する確率が50％以上であることを意味し、反トレンド性はその逆で、符号の一致する確率が50％未満であることを意味します。これは私の定義ではなく、この本に書かれている意味と全く同じです。