Rnita : 나는 주로 이 주제에 관한 논문을 읽었습니다. 그리고 계산 http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963
매우 흥미로운 주제입니다. 앞으로의 결과를 보고 싶습니다.
주제 개발에 대한 기여로.
부분 통합 FARIMA 모델은 허스트 지수를 적용하는 데 사용됩니다. 이러한 모델의 경우 매개변수 추정을 위한 기성 코드가 있습니다. Excel은 토론할 수 있는 패키지가 아닙니다. 불행히도 알고리즘은 R로 구현되는데, 이것은 꽤 형편없는 프로그래밍 시스템입니다. 다른 곳에서 구현될 수 있습니다. FARIMA 및 장기 실행 메모리를 검색해야 합니다. FARIMA 모델 사용에 대한 R의 첨부된 지침. 매우 합리적인 비용으로 많은 문헌을 찾을 수 있습니다 . 시계열과 R을 검색해야 합니다. 매우 합리적인 책들이 많이 있습니다.
행운을 빕니다. 나는 당신이 그 결과를 포럼에, 또는 적어도 개인적으로 게시하기를 바랍니다.
수식의 오류로 인해 D 열의 파일에서 0을 얻을 수 없습니다. 첫 번째 셀은 D87 셀에 있고 다음으로 수십 개 더 있습니다. 이 열을 다시 로드하면 나머지는 올바른 것 같습니다(그러나 동시에 RMS 계산을 확인함).
나머지에 대해. 허스트 지수 는 일반적으로 적분 특성을 말합니다. 그것은 전체 측정 시간에 걸쳐 확률 변수 자체를 특성화하며, 일련의 실현 시점이 아닙니다. 따라서 실습과 관련하여 "H를 계산했습니다"라고 말할 수 없으며 "H를 추정했습니다"라고 말하는 것이 옳습니다. 이것은 일종의 속물이 아닙니다. 그것은 어떤 가치에 대한 Hurst 지수가 정확히 무엇인지 결코 알 수 없다는 것을 의미합니다. 이 정보는 오직 신만이 사용할 수 있으며, 다양한 정도의 확신을 가지고만 그 가치를 평가할 수 있으며, 관찰이 많을수록 평가가 더 정확해집니다. 따라서 귀하의 질문에 대한 답은 다음과 같습니다. 시리즈를 기간으로 나눌지 여부는 전체 시리즈 또는 일부에 대한 지표 H의 추정치가 필요한지 여부에 달려 있습니다(결국 아무도 그것이 일정하다고 말하지 않았습니다. 시간에, 그렇지?) . N의 경우 단순히 표본의 관측치 수를 취할 수 있습니다.
Rnita : 나는 주로 이 주제에 관한 논문을 읽었습니다. 그리고 계산 http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963
Eric Nyman(2010)의 이 기사는 Mandelbort(1960-70)의 작품에서 이 방법을 채택한 Adgar Peters(1990)의 책을 기반으로 했습니다. 70세의 Harold가 발명한 방법은 Edwin Hirst가 1951년에 기술했습니다. 이 모든 것은 논문 위원회가 제안된 주제의 참신함에 대해 질문할 때 19세기의 노인 Edwin을 상상해야 한다는 것을 의미합니다. 세기 - 프랙탈 기하학의 혁신자 :)
그러나 진지하게, 이 방법은 위에서 볼 수 있듯이 구체적이고 매우 비정상적인 과정인 나일강의 홍수로 개발되었습니다. 아래 그림에서 유출 범위가 일반적인 추세나 수학적 기대치에 비례하지 않음을 알 수 있습니다. 따라서 특정 프로세스(나일강의 홍수)의 경우 이 방법은 훌륭하고 효과가 있지만 Mandelbort가 제시하려고 했던 금융 시장의 경우 더 이상 충분하지 않습니다. 모든 손과 모든 시장에서, 다음을 포함합니다. 토요일에 계산하면 약 0.54의 값이 표시됩니다. 더 정확한 다른 방법이 필요합니다. 그리고 논문을 작성하자마자 FARIMA 부분 통합 자기 회귀 이동 평균 모델 없이는 할 수 없으며 전문 통계에만 있습니다. 패키지. H는 임의적으로 설정할 수 있습니다. 그러나 이것은 문제를 해결하지 못합니다. 적어도 시장을 모델에 맞추려면 H를 계산해야 하지만 가장 간단하고 가장 일반적인 방법이 작동하지 않는 경우 이 작업을 수행하는 방법은 무엇입니까? 이 주제에 대한 다른 개발이 있습니다. Pastekhov, Shiryaev의 작업입니다. 그들을 참조하십시오. 그것들은 더 과학적이고 학위 논문에 더 적합하지만 더 강력한지 여부는 문제입니다. 같은 주제에 관련된 스레드도 있습니다. 여기 를 살펴보세요.
그래, 이 허스트는 사실 헛소리야. 정확히 alsu 는 그것이 필수적인 것이라고 말합니다.
오히려, 그럼에도 불구하고 H는 시스템 자체보다 더 큰 범위(말하자면 "점도", "탄성" 등)로 외부 환경을 특성화합니다. 우리가 그것을 특정 시장 도구로 옮기면 여기서 H는 외부 (우리가 말했듯이 기본적) 배경의 특정 양적 특성입니다. 아이디어의 이동성, 관련 중앙 은행의 전형적인 행동, "기질" 상인 등 (예를 들어, 유로와 엔의 행동을 비교하십시오), 내부 모델 측면에서 통화 쌍 자체가 어떤 식으로든 다르지 않다는 사실에도 불구하고 (거래를 만들기 위한 원칙과 규칙은 모든 상품에 대해 동일합니다) .
오히려, 그럼에도 불구하고 H는 시스템 자체보다 더 큰 범위(말하자면 "점도", "탄성" 등)로 외부 환경을 특성화합니다. 우리가 그것을 특정 시장 도구로 옮기면 여기서 H는 외부 (우리가 말했듯이 기본적) 배경의 특정 양적 특성입니다. 아이디어의 이동성, 관련 중앙 은행의 전형적인 행동, "기질" 상인 등 (예를 들어, 유로와 엔의 행동을 비교하십시오), 내부 모델 측면에서 통화 쌍 자체가 어떤 식으로든 다르지 않다는 사실에도 불구하고 (거래를 만들기 위한 원칙과 규칙은 모든 상품에 대해 동일합니다) .
" H는 외부 환경을 더 많이 특징짓는다"를 보면 Hirst와 관련하여 사용되는 영어 용어에주의를 기울여야합니다. 다음은 VR의 논문에서 복사하여 붙여넣기한 것입니다.
일부 시계열 은 높은 시차에서 현저한 상관 관계를 나타내며 참조됩니다.
장기 메모리 프로세스 로 . 장기 기억은 많은 지구 물리학의 특징입니다.
시계열. 나일 강의 흐름은 높은 시차에서 상관 관계가 있습니다.
그리고 Hurst(1951)는 이것이 최적의 설계 능력에 영향을 미친다는 것을 보여주었습니다.
많은 사람들이 허스트 지수를 사용하려고 합니다. 긍정적인 결과를 본 적이 없습니다. 따옴표를 먼저 찾아야 할 수도 있습니다. 어느 긴 기억 속에?
긴 메모리는 주어진 값에 대한 H가 0.5와 상당히 다르다는 것을 의미합니다. 물론 따옴표로 묶은 것은 아닙니다. 이 영역에서 사용하려는 시도는 주로 작은 샘플에서 H를 안정적으로 추정하는 것이 매우 어렵다는 사실 때문에 실패했습니다. 따라서 100개 또는 1000개 양초에 대한 결과는 대부분 신뢰할 수 없습니다. 그리고 큰 간격에서 H는 절반에 매우 가깝습니다. 가격의 행동에 대한 상당한 양의 정보(유용한)를 제공합니다. 적어도 스프레드를 이길 수 있을 정도는 아닙니다.
긴 메모리는 주어진 값에 대한 H가 0.5와 상당히 다르다는 것을 의미합니다. 물론 따옴표로 묶은 것은 아닙니다. 이 영역에서 사용하려는 시도는 주로 작은 샘플에서 H를 안정적으로 추정하는 것이 매우 어렵다는 사실 때문에 실패했습니다. 따라서 100개 또는 1000개 양초에 대한 결과는 대부분 신뢰할 수 없습니다. 그리고 큰 간격에서 H는 절반에 매우 가깝습니다. 가격의 행동에 대한 상당한 양의 정보(유용한)를 제공합니다. 적어도 스프레드를 이길 수 있을 정도는 아닙니다.
나에게 창의 너비는 매우 중요합니다.
수백 개의 관찰이 가능한 창 너비로 극한 정리가 작동하기 시작하여 평균 온도를 제공하여 매우 빠르게 mo 쪽으로 이동하기 시작합니다. 그리고 실제로 다음 막대에 대한 예측에 필요한 것은 무엇입니까?
내 차량에서는 항상 최적의 창 너비를 찾으려고 노력합니다. 30-70 관측치 내에서 변동합니다(H1의 경우). 118(H1의 일주일) 이후에는 그림이 크게 바뀝니다. 이와 관련하여 나는 장기기억이라는 용어에 대해 생각하기 시작했습니다.
추신. 부분 통합 모델에 대한 문헌에서는 일반적으로 긴 메모리를 작성하고 "허스트, 프랙탈, 팻 테일"의 도입부에서 작성합니다.
나는 주로 이 주제에 관한 논문을 읽었습니다. 그리고 계산 http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963
매우 흥미로운 주제입니다. 앞으로의 결과를 보고 싶습니다.
주제 개발에 대한 기여로.
부분 통합 FARIMA 모델은 허스트 지수를 적용하는 데 사용됩니다. 이러한 모델의 경우 매개변수 추정을 위한 기성 코드가 있습니다. Excel은 토론할 수 있는 패키지가 아닙니다. 불행히도 알고리즘은 R로 구현되는데, 이것은 꽤 형편없는 프로그래밍 시스템입니다. 다른 곳에서 구현될 수 있습니다. FARIMA 및 장기 실행 메모리를 검색해야 합니다. FARIMA 모델 사용에 대한 R의 첨부된 지침. 매우 합리적인 비용으로 많은 문헌을 찾을 수 있습니다 . 시계열과 R을 검색해야 합니다. 매우 합리적인 책들이 많이 있습니다.
행운을 빕니다. 나는 당신이 그 결과를 포럼에, 또는 적어도 개인적으로 게시하기를 바랍니다.
수식의 오류로 인해 D 열의 파일에서 0을 얻을 수 없습니다. 첫 번째 셀은 D87 셀에 있고 다음으로 수십 개 더 있습니다. 이 열을 다시 로드하면 나머지는 올바른 것 같습니다(그러나 동시에 RMS 계산을 확인함).
나머지에 대해. 허스트 지수 는 일반적으로 적분 특성을 말합니다. 그것은 전체 측정 시간에 걸쳐 확률 변수 자체를 특성화하며, 일련의 실현 시점이 아닙니다. 따라서 실습과 관련하여 "H를 계산했습니다"라고 말할 수 없으며 "H를 추정했습니다"라고 말하는 것이 옳습니다. 이것은 일종의 속물이 아닙니다. 그것은 어떤 가치에 대한 Hurst 지수가 정확히 무엇인지 결코 알 수 없다는 것을 의미합니다. 이 정보는 오직 신만이 사용할 수 있으며, 다양한 정도의 확신을 가지고만 그 가치를 평가할 수 있으며, 관찰이 많을수록 평가가 더 정확해집니다. 따라서 귀하의 질문에 대한 답은 다음과 같습니다. 시리즈를 기간으로 나눌지 여부는 전체 시리즈 또는 일부에 대한 지표 H의 추정치가 필요한지 여부에 달려 있습니다(결국 아무도 그것이 일정하다고 말하지 않았습니다. 시간에, 그렇지?) . N의 경우 단순히 표본의 관측치 수를 취할 수 있습니다.
나는 주로 이 주제에 관한 논문을 읽었습니다. 그리고 계산 http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963
Eric Nyman(2010)의 이 기사는 Mandelbort(1960-70)의 작품에서 이 방법을 채택한 Adgar Peters(1990)의 책을 기반으로 했습니다. 70세의 Harold가 발명한 방법은 Edwin Hirst가 1951년에 기술했습니다. 이 모든 것은 논문 위원회가 제안된 주제의 참신함에 대해 질문할 때 19세기의 노인 Edwin을 상상해야 한다는 것을 의미합니다. 세기 - 프랙탈 기하학의 혁신자 :)
그러나 진지하게, 이 방법은 위에서 볼 수 있듯이 구체적이고 매우 비정상적인 과정인 나일강의 홍수로 개발되었습니다. 아래 그림에서 유출 범위가 일반적인 추세나 수학적 기대치에 비례하지 않음을 알 수 있습니다. 따라서 특정 프로세스(나일강의 홍수)의 경우 이 방법은 훌륭하고 효과가 있지만 Mandelbort가 제시하려고 했던 금융 시장의 경우 더 이상 충분하지 않습니다. 모든 손과 모든 시장에서, 다음을 포함합니다. 토요일에 계산하면 약 0.54의 값이 표시됩니다. 더 정확한 다른 방법이 필요합니다. 그리고 논문을 작성하자마자 FARIMA 부분 통합 자기 회귀 이동 평균 모델 없이는 할 수 없으며 전문 통계에만 있습니다. 패키지. H는 임의적으로 설정할 수 있습니다. 그러나 이것은 문제를 해결하지 못합니다. 적어도 시장을 모델에 맞추려면 H를 계산해야 하지만 가장 간단하고 가장 일반적인 방법이 작동하지 않는 경우 이 작업을 수행하는 방법은 무엇입니까? 이 주제에 대한 다른 개발이 있습니다. Pastekhov, Shiryaev의 작업입니다. 그들을 참조하십시오. 그것들은 더 과학적이고 학위 논문에 더 적합하지만 더 강력한지 여부는 문제입니다. 같은 주제에 관련된 스레드도 있습니다. 여기 를 살펴보세요.
음, XIX가 아니라 XX입니다.
그래, 이 허스트는 사실 헛소리야. 정확히 alsu 는 그것이 필수적인 것이라고 말합니다.
음, XIX가 아니라 XX입니다.
그래, 이 허스트는 사실 헛소리야. 정확히 alsu 는 그것이 필수적인 것이라고 말합니다.
오히려, 그럼에도 불구하고 H는 시스템 자체보다 더 큰 범위(말하자면 "점도", "탄성" 등)로 외부 환경을 특성화합니다. 우리가 그것을 특정 시장 도구로 옮기면 여기서 H는 외부 (우리가 말했듯이 기본적) 배경의 특정 양적 특성입니다. 아이디어의 이동성, 관련 중앙 은행의 전형적인 행동, "기질" 상인 등 (예를 들어, 유로와 엔의 행동을 비교하십시오), 내부 모델 측면에서 통화 쌍 자체가 어떤 식으로든 다르지 않다는 사실에도 불구하고 (거래를 만들기 위한 원칙과 규칙은 모든 상품에 대해 동일합니다) .
오히려, 그럼에도 불구하고 H는 시스템 자체보다 더 큰 범위(말하자면 "점도", "탄성" 등)로 외부 환경을 특성화합니다. 우리가 그것을 특정 시장 도구로 옮기면 여기서 H는 외부 (우리가 말했듯이 기본적) 배경의 특정 양적 특성입니다. 아이디어의 이동성, 관련 중앙 은행의 전형적인 행동, "기질" 상인 등 (예를 들어, 유로와 엔의 행동을 비교하십시오), 내부 모델 측면에서 통화 쌍 자체가 어떤 식으로든 다르지 않다는 사실에도 불구하고 (거래를 만들기 위한 원칙과 규칙은 모든 상품에 대해 동일합니다) .
" H는 외부 환경을 더 많이 특징짓는다"를 보면 Hirst와 관련하여 사용되는 영어 용어에주의를 기울여야합니다. 다음은 VR의 논문에서 복사하여 붙여넣기한 것입니다.
프랙탈 기하학을 연구 주제로 설정합니다.
이 단어들을 주목하십시오.
일부 시계열은 높은 지연 시간에서 현저한 상관 관계를 나타냅니다.
그리고
그 긴 기억을 보여줍니다
나는 알아내려고 노력했다: 긴 기억이란 무엇인가? 이것은 40개 이상의 관측치의 자기상관으로 밝혀졌습니다! 그러나 인용문에서 한 기호의 그러한 장기적인 상관 관계는 극히 드뭅니다. 어쨌든 한 시간을 보낸 후에도 나는 그것을 찾지 못했습니다.
많은 사람들이 허스트 지수를 사용하려고 합니다. 긍정적인 결과를 본 적이 없습니다. 따옴표를 먼저 찾아야 할 수도 있습니다. 어느 긴 기억 속에?
많은 사람들이 허스트 지수를 사용하려고 합니다. 긍정적인 결과를 본 적이 없습니다. 따옴표를 먼저 찾아야 할 수도 있습니다. 어느 긴 기억 속에?
긴 메모리는 주어진 값에 대한 H가 0.5와 상당히 다르다는 것을 의미합니다. 물론 따옴표로 묶은 것은 아닙니다. 이 영역에서 사용하려는 시도는 주로 작은 샘플에서 H를 안정적으로 추정하는 것이 매우 어렵다는 사실 때문에 실패했습니다. 따라서 100개 또는 1000개 양초에 대한 결과는 대부분 신뢰할 수 없습니다. 그리고 큰 간격에서 H는 절반에 매우 가깝습니다. 가격의 행동에 대한 상당한 양의 정보(유용한)를 제공합니다. 적어도 스프레드를 이길 수 있을 정도는 아닙니다.
긴 메모리는 주어진 값에 대한 H가 0.5와 상당히 다르다는 것을 의미합니다. 물론 따옴표로 묶은 것은 아닙니다. 이 영역에서 사용하려는 시도는 주로 작은 샘플에서 H를 안정적으로 추정하는 것이 매우 어렵다는 사실 때문에 실패했습니다. 따라서 100개 또는 1000개 양초에 대한 결과는 대부분 신뢰할 수 없습니다. 그리고 큰 간격에서 H는 절반에 매우 가깝습니다. 가격의 행동에 대한 상당한 양의 정보(유용한)를 제공합니다. 적어도 스프레드를 이길 수 있을 정도는 아닙니다.
나에게 창의 너비는 매우 중요합니다.
수백 개의 관찰이 가능한 창 너비로 극한 정리가 작동하기 시작하여 평균 온도를 제공하여 매우 빠르게 mo 쪽으로 이동하기 시작합니다. 그리고 실제로 다음 막대에 대한 예측에 필요한 것은 무엇입니까?
내 차량에서는 항상 최적의 창 너비를 찾으려고 노력합니다. 30-70 관측치 내에서 변동합니다(H1의 경우). 118(H1의 일주일) 이후에는 그림이 크게 바뀝니다. 이와 관련하여 나는 장기기억이라는 용어에 대해 생각하기 시작했습니다.
추신. 부분 통합 모델에 대한 문헌에서는 일반적으로 긴 메모리를 작성하고 "허스트, 프랙탈, 팻 테일"의 도입부에서 작성합니다.