주요 결론은 H-변동성이 2H와 같으면 그러한 계열에 대한 차익 거래가 불가능하다는 것입니다(수학적으로 증명됨). 그렇지 않으면 차익 거래가 가능합니다. 이 경우 H-변동성이 2H보다 크거나 작은지에 따라 두 가지 전략이 있습니다. 이것은 기본입니다. 또한 패치 등에 대한 몇 가지 참고 사항이 있습니다.
내 말은, H 가 계산되었습니까(즉, H 가 무엇에 의존합니까?) 아니면 임의의 값입니까?
값은 임의의 행에 있을 수 있습니다. 그러나 실제로 가장 적합한 것을 찾기 위해서는 입증이 필요합니다.
무작위 시리즈에서 H-변동성은 H에 의존하지 않고 실제 시리즈에서는 H에 의존하며 때로는 미미하게 때로는 스프레드를 커버하기에 충분합니다. 그건 그렇고, 이것은 시장 프랙털 이론에 큰 타격을 줍니다. 프랙탈리티가 존재한다면 H-변동성은 모든 H에 대해 항상 약 2H가 될 것입니다.
값은 임의의 행에 있을 수 있습니다. 그러나 실제로 가장 적합한 것을 찾기 위해서는 입증이 필요합니다.
무작위 시리즈에서 H-변동성은 H에 의존하지 않고 실제 시리즈에서는 H에 의존하며 때로는 미미하게 때로는 스프레드를 커버하기에 충분합니다. 그건 그렇고, 이것은 시장 프랙털 이론에 큰 타격을 줍니다. 프랙탈리티가 존재한다면 H-변동성은 모든 H에 대해 항상 약 2H가 될 것입니다.
주요 결론은 H-변동성이 2H와 같으면 그러한 계열에 대한 차익 거래가 불가능하다는 것입니다(수학적으로 증명됨). 그렇지 않으면 차익 거래가 가능합니다. 이 경우 H-변동성이 2H보다 크거나 작은지에 따라 두 가지 전략이 있습니다. 이것은 기본입니다. 또한 패치 등에 대한 몇 가지 참고 사항이 있습니다.
H의 값은 무언가에 의해 결정됩니까?
H의 값은 무언가에 의해 결정됩니까?
어떤 의미에서?
내 생각에 시작이 처리되었는지는 완전히 명확하지 않습니다. 왜 이런 식으로 해야 한다고 결정했습니까? 트레이딩 알고리즘과 파티셔닝 알고리즘의 대응성의 관점에서 볼 때, 첫 번째 포인트는 첫 번째 피크와 일치하는 것이 바람직하다.
또한 데이터의 "갭"을 올바르게 처리하는 문제는 여전히 열려 있습니다.
Kagi 분할에서 시작 지점은 중요하지 않습니다. 시작점 선택의 자의성과 관련된 불확실성은 가격 시리즈의 첫 번째 극한값에서 끝납니다. 또한 모든 것이 모호하지 않게 분해됩니다.
내가 제시한 구성에서 Kagi의 첫 번째 읽기는 임의적이며 코티라의 시작점에 의해 결정됩니다. 물론 올바른 항목의 적절성에 대해 논쟁을 시작할 수 있지만 최종 목표를 지정해야 합니다.
갭, 갭 등에 관해서는 이 맥락에서 고려하지 않았습니다. 그리고 물론, 나는 MTS에 대한 견적의 그러한 처리의 필요성을 부정하지 않습니다.
다시 한번 MQL-e에서 Kagi 파티션 수를 구성하는 분석 블록에 두 개의 if 블록과 두 개의 할당 연산자가 포함되어 있음을 확인합니다. 스크립트에서는 세 줄처럼 보입니다.
나는 당신에게 그러한 알고리즘이 없다는 인상을 받았습니다. 즉 kagi 알고리즘은 renko 알고리즘보다 더 복잡하지 않습니다.
먼저 이 문제를 처리한 다음 내 이해를 바탕으로 처리해 보겠습니다.
그래서 나는 똑같은 말을 합니다. 즉, kagi 알고리즘은 renko 알고리즘보다 더 복잡하지도 않고 덜 복잡하지도 않습니다.
내 이해에 대한 이해를 먼저 처리합시다. 그것 없이는 아무데도!
목록과 견적을 첨부합니다. P 매개변수는 Open 시리즈입니다(이 경우 GBPUSD 분은 아카이브에 있음) m 매개변수는 한 kagi 단계 의 기본 기본 분할 수입니다.
paralocus , 그래서 Kagi는 빌드되지 않습니다. 매개변수는 H (파티션 단계) 하나만 있습니다. 선택한 분할 단계에서 상품(또는 차익 거래)의 수익성을 특징짓는 값 Hvol 이 결정됩니다.
내 말은, H 가 계산되었습니까(즉, H 가 무엇에 의존합니까?) 아니면 임의의 값입니까?
paralocus 이므로 Kagi는 빌드되지 않습니다. 매개변수는 H(파티션 단계) 하나만 있습니다. 선택한 분할 단계에서 상품(또는 차익 거래)의 수익성을 특징짓는 값 Hvol이 결정됩니다.
나 자신도 파티셔닝 알고리즘을 이해하고 H가 무엇에 의존하는지 이해해야 합니다.
Kagi 분할에서 시작 지점은 중요하지 않습니다. 시작점 선택의 자의성과 관련된 불확실성은 가격 시리즈의 첫 번째 극한값에서 끝납니다. 또한 모든 것이 모호하지 않게 분해됩니다.
Renko의 경우 시작이 첫 번째 분할과 엄격하게 일치하지만 Kagi의 경우에는 그렇지 않다는 것이 어떻게 밝혀졌는지 궁금해 한 적이 있습니까? 이것에 모순이 보이지 않습니까?
내가 제시한 구성에서 Kagi의 첫 번째 읽기는 임의적이며 코티라의 시작점에 의해 결정됩니다. 물론 올바른 항목의 적절성에 대해 논쟁을 시작할 수 있지만 최종 목표를 지정해야 합니다.
최종 목표는 간단합니다. 거래 모델과 시리즈 분할 모델을 일치시키는 것입니다. 연습에 중요합니다. 물론 이론적 개선에서는 그러한 사소한 일이 중요하지 않습니다.
그건 그렇고, 논문 통과시에만 언급 된 검증되지 않은 데이터에 따르면 저자가 실제로 사용하는 접근 방식은 시작을 올바르게 결정하는 것이 바람직한 경우입니다. 특히 빅 N.
갭, 갭 등에 관해서는 이 맥락에서 고려하지 않았습니다. 그리고 물론, 나는 MTS에 대한 견적의 그러한 처리의 필요성을 부정하지 않습니다.
실제 사용에 있어 공백을 고려하는 것이 중요합니다.
다시 한번 MQL-e에서 Kagi 파티션 수를 구성하는 분석 블록에 두 개의 if 블록과 두 개의 할당 연산자가 포함되어 있음을 확인합니다. 스크립트에서는 세 줄처럼 보입니다.
그래서 나는 똑같은 말을 합니다. 즉, kagi 알고리즘은 renko 알고리즘보다 더 복잡하지도 않고 덜 복잡하지도 않습니다.
제발, 나는 그를 비판하거나 내가 틀렸음을 인정할 것입니다.
내 이해에 대한 이해를 먼저 처리합시다. 그것 없이는 아무데도!
먼저 알아낼 가치가 있는지 알아 보겠습니다. 아마도 내 실수가 아니라 당신의 실수 일 것입니다.
HideYourRichess
내 말은, H 가 계산되었습니까(즉, H 가 무엇에 의존합니까?) 아니면 임의의 값입니까?
값은 임의의 행에 있을 수 있습니다. 그러나 실제로 가장 적합한 것을 찾기 위해서는 입증이 필요합니다.
무작위 시리즈에서 H-변동성은 H에 의존하지 않고 실제 시리즈에서는 H에 의존하며 때로는 미미하게 때로는 스프레드를 커버하기에 충분합니다. 그건 그렇고, 이것은 시장 프랙털 이론에 큰 타격을 줍니다. 프랙탈리티가 존재한다면 H-변동성은 모든 H에 대해 항상 약 2H가 될 것입니다.
값은 임의의 행에 있을 수 있습니다. 그러나 실제로 가장 적합한 것을 찾기 위해서는 입증이 필요합니다.
무작위 시리즈에서 H-변동성은 H에 의존하지 않고 실제 시리즈에서는 H에 의존하며 때로는 미미하게 때로는 스프레드를 커버하기에 충분합니다. 그건 그렇고, 이것은 시장 프랙털 이론에 큰 타격을 줍니다. 프랙탈리티가 존재한다면 H-변동성은 모든 H에 대해 항상 약 2H가 될 것입니다.
덕분에! 이 경우에는 H의 적절한 값에 대한 후보가 있습니다.
HideYourRichess , 당신은 H -변동성과 분할 단계 H 라는 두 가지 값을 혼동하고 있어 사람을 혼란스럽게 합니다! 내가 두 가지 다른 명칭을 도입한 것은 우연이 아닙니다.
HideYourRichss , 당신은 H-휘발성과 분할 단계 H의 두 가지 값을 혼동하고 있어 사람을 혼란스럽게 합니다! 내가 두 가지 다른 명칭을 도입한 것은 우연이 아닙니다.
제가 알기로는 H-변동성은 국부 극단에서 H의 단계로 만들어진 kagi-partitioning 지점까지의 모든 거리의 평균(또는 제곱평균제곱근) 길이입니다. 제 생각에는 이렇게 설명하셨습니다. 내 질문은 이 H 자체에 관한 것입니다. 어디에서 왔습니까?