0.5 미만이고 생존할 것이 확실하다고 알려진 경우 - 그것은 단지 기적입니다. 이것은 전혀 "노이즈"가 아니며 방황하는 경우에도 프로세스가 ( 통계적 으로) 평균으로 돌아가는 경향이 있음을 의미합니다. 사인파를 가져 와서 약간의 노이즈와 혼합하여 0.1, 0.2를 얻습니다.
0.5는 SP이며 평균 주변을 돌아다니거나 벗어날 수 있습니다. 모두 프로세스의 고정성에 달려 있습니다. (Hirst는 일부 "힌트" 외에 고정성에 대해 직접 언급하지 않음)
0.5 기억에 희망이 있다...
꼬리가 두꺼운 증분 프로세스는 장기 기억을 가지고 있음이 입증되었습니다. 이를 위해 Hirst의 krivulka를 볼 필요가 없습니다. (이 희망은 >0.5에서 나타납니다)
이해할 수 있습니다. 우리는 알고 있습니다. 지속성, 반지속성 등 이것이 미래의 실제 예측과 어떤 관련이 있습니까? 그것이 문제입니다 ...
내가 Hurst(Peters로부터)에 대해 처음 배우고 계산 방법을 알게 되었을 때 통계적으로 대표하려면 많은 데이터가 필요하다는 결론을 내렸습니다. 결과가 얻어지면 어떤 식으로든 투기적이지 않고 장기적인 관점에서 투자하는 경우에만 의미가 있습니다. 이것은 내 IMHO입니다.
그렇게 많은 데이터가 필요하지 않은 계산 방법이 있는 것 같습니다. 이것은 아마도 본질적으로 Farnsworth 가 여기서 언급한 지역입니까?
몇 년 전에 나는 Hurst의 유일한 실용적인 응용 프로그램을 본 것을 기억합니다. 주어진 Hurst를 사용하여 합성 시리즈를 모델링한 다음 테스터의 입력에 공급해야 합니다. 뭔가 잘 되지 않아 포기했습니다. 그리고 나서 모델링이 "스마트"해야 한다는 직관적인 깨달음이 왔습니다 . 시뮬레이션된 합성 시리즈에서 거래 시스템 자체에 의해 악용되는 실제 금융 시리즈의 속성을 정확히 고려해야 합니다 . TS 자체를 고려하지 않은 임의의 모델링은 완전히 무의미합니다. 그러나 나는 이 '패러다임'의 양적 표현에 도달하지 못했다.
그리고 나서 모델링이 "스마트"해야 한다는 직관적인 깨달음이 왔습니다 . 시뮬레이션된 합성 시리즈에서 거래 시스템 자체에 의해 악용되는 실제 금융 시리즈의 속성을 정확히 고려해야 합니다 . TS 자체에 관계없이 임의의 모델링은 완전히 무의미 합니다. 그러나 나는 이 '패러다임'의 양적 표현에 도달하지 못했다.
일종의 ==
주 :
작가. 블록, 푸쉬킨, 톨스토이, 렘, 셰클리. 각각은 고유 한 방식으로 고유하며 독자는 텍스트에서 작품의 장르를 쉽게 결정할 수있을뿐만 아니라 저자를 결정할 수도 있습니다 ( 이는 각 저자마다 고유 한 특정 지표, 매개 변수입니다 ). 그러나 통계적으로 충분한 길이의 텍스트에는 일정한 양의 각 알파벳 문자가 포함됩니다. 이것은 작품이 쓰여진 언어의 통계 특성입니다. 무작위로 문자를 생성하지만 미리 정해진 통계적 특성을 가지고 있으면 필요한 양의 정보를 텍스트로 얻을 수 있습니다. 그러나 그러한 텍스트는 의미론적 부하를 수반하지 않을 것이며, "저작물"의 저자를 결정하는 것은 더욱 불가능할 것입니다(그것이 없기 때문에) .
좋아, 이것이 이 유행에 대한 나의 마지막 줄이다. 동의하지 않으시면 하고 싶은대로 하시면 됩니다:)
네, Close-Open에 대한 말씀이 옳았습니다. 나는 Perez의 책에 들어가 몇 곳을 다시 읽어야 했습니다. 실제로 프로세스가 N 단계로 진행하는 거리의 평균 제곱, 즉 앉는 경로의 편차는 그네가 아닙니다. Einstein, Feynman, Feller는 잘 정의된 개념인 이 분산에 대해 작업했습니다. 범위는 Hurst에 의해 발명되었으며 Peters가 정의한 대로 모든 분석 계산에서 이 범위를 사용하는 것은 절대 불가능합니다.
그 동안 나는 Peters가 이론적인 결과에 대한 수치적 실험을 끌어내기 위해 상당한 노력을 기울였다는 것을 발견했습니다(이 책은 이미 완전히 잊었습니다). 게다가, 허스트 공식에 있는 단순한 전력 의존성보다 훨씬 더 복잡한 함수를 얻은 저자가 있습니다. 이것은 허스트의 공식이 기껏해야 실제 의존성의 첫 번째 근사치라는 나의 가정을 확인시켜줍니다.
추신
Peters의 책에 있는 오류의 수(대부분 수식에 있음)는 그것을 완전히 소화할 수 없게 만듭니다. 그것은 내가 첫 번째 독서에서 지적한 것보다 훨씬 더 많습니다.
이해할 수 있습니다. 우리는 알고 있습니다. 지속성, 반지속성 등 이것이 미래의 실제 예측과 어떤 관련이 있습니까? 그것이 문제입니다 ...
내가 Hurst(Peters로부터)에 대해 처음 배우고 계산 방법을 알게 되었을 때 통계적으로 대표하려면 많은 데이터가 필요하다는 결론을 내렸습니다. 결과가 얻어지면 어떤 식으로든 투기적이지 않고 장기적인 관점에서 투자하는 경우에만 의미가 있습니다. 이것은 내 IMHO입니다.
그렇게 많은 데이터가 필요하지 않은 계산 방법이 있는 것 같습니다. 이것은 아마도 판스워스 가 여기서 언급한 본질적으로 지역인가?
몇 년 전에 나는 Hurst의 유일한 실용적인 응용 프로그램을 본 것을 기억합니다. 주어진 Hurst를 사용하여 합성 시리즈를 모델링한 다음 테스터의 입력에 공급해야 합니다. 뭔가 잘 되지 않아 포기했습니다. 그리고 나서 모델링이 "스마트"해야 한다는 직관적인 깨달음이 왔습니다 . 시뮬레이션된 합성 시리즈에서 거래 시스템 자체에 의해 악용되는 실제 금융 시리즈의 속성을 정확히 고려해야 합니다 . TS 자체를 고려하지 않은 임의의 모델링은 완전히 무의미합니다. 그러나 나는 이 '패러다임'의 양적 표현에 도달하지 못했다.
시간 에 대한 허스트 지수 의 종속성을 가정하는 모델이 있습니다. 이것은 정확히 함수로서의 의존성이며 슬라이딩 창을 사용하여 시리즈를 진행하는 것이 아닙니다. 그러나 그러한 프로세스를 식별하는 것은 쉬운 일이 아닙니다.
일반적으로 지표를 계산하기 전에 여전히 눈으로 로그-로그 그래프를 봐야 합니다. Forex는 쉽게 말하면 자기 유사성이 약하고 멱법칙을 따르지 않는 과정입니다. 그러한 의존성은 프랙탈 분석(수학적 학문으로서)의 전체 능력을 거의 전혀 감소시키는 좁은 규모에서만 존재합니다.
그렇게 많은 데이터가 필요하지 않은 계산 방법이 있는 것 같습니다. 이것은 아마도 판스워스 가 여기서 언급한 본질적으로 지역인가?
프로세스는 어디에서 시작됩니까? 항상 시작합니까 아니면 항상 종료합니까? 아니면 절대 멈추지 않습니까? 정답은 소금입니다. :에 대한)
시간에 대한 허스트 지수의 종속성을 가정하는 모델이 있습니다. 이것은 정확히 함수로서의 의존성이며 슬라이딩 창을 사용하여 시리즈를 진행하는 것이 아닙니다. 그러나 그러한 프로세스를 식별하는 것은 쉬운 일이 아닙니다.
일반적으로 지표를 계산하기 전에 여전히 눈으로 로그-로그 그래프를 봐야 합니다. Forex는 쉽게 말하면 자기 유사성이 약하고 멱법칙을 따르지 않는 과정입니다. 그러한 의존성은 프랙탈 분석(수학적 학문으로서)의 전체 능력을 거의 전혀 감소시키는 좁은 규모에서만 존재합니다.
프로세스는 어디에서 시작됩니까? 항상 시작합니까 아니면 항상 종료합니까? 아니면 절대 멈추지 않습니까? 정답은 소금입니다. :에 대한)
FreeLance :
<0.5는 더 나쁩니다 - 노이즈가 무작위로 돌아다닙니다 :)
0.5 미만이고 생존할 것이 확실하다고 알려진 경우 - 그것은 단지 기적입니다. 이것은 전혀 "노이즈"가 아니며 방황하는 경우에도 프로세스가 ( 통계적 으로) 평균으로 돌아가는 경향이 있음을 의미합니다. 사인파를 가져 와서 약간의 노이즈와 혼합하여 0.1, 0.2를 얻습니다.
0.5는 SP이며 평균 주변을 돌아다니거나 벗어날 수 있습니다. 모두 프로세스의 고정성에 달려 있습니다. (Hirst는 일부 "힌트" 외에 고정성에 대해 직접 언급하지 않음)
0.5 기억에 희망이 있다...
꼬리가 두꺼운 증분 프로세스는 장기 기억을 가지고 있음이 입증되었습니다. 이를 위해 Hirst의 krivulka를 볼 필요가 없습니다. (이 희망은 >0.5에서 나타납니다)
솔직히 말해서 - 나는 여전히 당신이하는 일과 이것이 왜 필요한지 전혀 이해하지 못합니다.
어... 넓은 의미의 당신인가요, 좁은 의미의 당신인가요? :)
그래서 그들은 또한 그들이 하는 일과 이 모든 것이 필요한 이유를 전혀 이해하지 못합니다. 때때로 괴짜들은 허스트를 기억하고 함께 토론하기 시작합니다. 그런 다음 그들은 허스트를 잊고 살찐 꼬리 등을 기억합니다. 등.
= 0.5 노이즈의 랜덤 워크.
<0.5는 더 나쁩니다 - 노이즈가 무작위로 돌아다닙니다 :)
>0.5 메모리에 대한 희망이 있습니다 ...
>0.79 - 자연스럽습니다.
이해할 수 있습니다. 우리는 알고 있습니다. 지속성, 반지속성 등 이것이 미래의 실제 예측과 어떤 관련이 있습니까? 그것이 문제입니다 ...
내가 Hurst(Peters로부터)에 대해 처음 배우고 계산 방법을 알게 되었을 때 통계적으로 대표하려면 많은 데이터가 필요하다는 결론을 내렸습니다. 결과가 얻어지면 어떤 식으로든 투기적이지 않고 장기적인 관점에서 투자하는 경우에만 의미가 있습니다. 이것은 내 IMHO입니다.
그렇게 많은 데이터가 필요하지 않은 계산 방법이 있는 것 같습니다. 이것은 아마도 본질적으로 Farnsworth 가 여기서 언급한 지역입니까?
몇 년 전에 나는 Hurst의 유일한 실용적인 응용 프로그램을 본 것을 기억합니다. 주어진 Hurst를 사용하여 합성 시리즈를 모델링한 다음 테스터의 입력에 공급해야 합니다. 뭔가 잘 되지 않아 포기했습니다. 그리고 나서 모델링이 "스마트"해야 한다는 직관적인 깨달음이 왔습니다 . 시뮬레이션된 합성 시리즈에서 거래 시스템 자체에 의해 악용되는 실제 금융 시리즈의 속성을 정확히 고려해야 합니다 . TS 자체를 고려하지 않은 임의의 모델링은 완전히 무의미합니다. 그러나 나는 이 '패러다임'의 양적 표현에 도달하지 못했다.
일단 그것이 0.5에서 그것을 엄격히 증명하면 - 방황합니다. 주변에 분명히 ...
하지만, 이것으로 충분하지 않습니까?
;)
치수 불일치를 찾으십시오.
그리고 건강을 위해 사용하세요.
Mathemat :
...
그리고 나서 모델링이 "스마트"해야 한다는 직관적인 깨달음이 왔습니다 . 시뮬레이션된 합성 시리즈에서 거래 시스템 자체에 의해 악용되는 실제 금융 시리즈의 속성을 정확히 고려해야 합니다 . TS 자체에 관계없이 임의의 모델링은 완전히 무의미 합니다. 그러나 나는 이 '패러다임'의 양적 표현에 도달하지 못했다.
일종의 ==
주 :
작가. 블록, 푸쉬킨, 톨스토이, 렘, 셰클리. 각각은 고유 한 방식으로 고유하며 독자는 텍스트에서 작품의 장르를 쉽게 결정할 수있을뿐만 아니라 저자를 결정할 수도 있습니다 ( 이는 각 저자마다 고유 한 특정 지표, 매개 변수입니다 ). 그러나 통계적으로 충분한 길이의 텍스트에는 일정한 양의 각 알파벳 문자가 포함됩니다. 이것은 작품이 쓰여진 언어의 통계 특성입니다. 무작위로 문자를 생성하지만 미리 정해진 통계적 특성을 가지고 있으면 필요한 양의 정보를 텍스트로 얻을 수 있습니다. 그러나 그러한 텍스트는 의미론적 부하를 수반하지 않을 것이며, "저작물"의 저자를 결정하는 것은 더욱 불가능할 것입니다(그것이 없기 때문에) .
좋아, 이것이 이 유행에 대한 나의 마지막 줄이다. 동의하지 않으시면 하고 싶은대로 하시면 됩니다:)
네, Close-Open에 대한 말씀이 옳았습니다. 나는 Perez의 책에 들어가 몇 곳을 다시 읽어야 했습니다. 실제로 프로세스가 N 단계로 진행하는 거리의 평균 제곱, 즉 앉는 경로의 편차는 그네가 아닙니다. Einstein, Feynman, Feller는 잘 정의된 개념인 이 분산에 대해 작업했습니다. 범위는 Hurst에 의해 발명되었으며 Peters가 정의한 대로 모든 분석 계산에서 이 범위를 사용하는 것은 절대 불가능합니다.
그 동안 나는 Peters가 이론적인 결과에 대한 수치적 실험을 끌어내기 위해 상당한 노력을 기울였다는 것을 발견했습니다(이 책은 이미 완전히 잊었습니다). 게다가, 허스트 공식에 있는 단순한 전력 의존성보다 훨씬 더 복잡한 함수를 얻은 저자가 있습니다. 이것은 허스트의 공식이 기껏해야 실제 의존성의 첫 번째 근사치라는 나의 가정을 확인시켜줍니다.
추신
Peters의 책에 있는 오류의 수(대부분 수식에 있음)는 그것을 완전히 소화할 수 없게 만듭니다. 그것은 내가 첫 번째 독서에서 지적한 것보다 훨씬 더 많습니다.
이해할 수 있습니다. 우리는 알고 있습니다. 지속성, 반지속성 등 이것이 미래의 실제 예측과 어떤 관련이 있습니까? 그것이 문제입니다 ...
내가 Hurst(Peters로부터)에 대해 처음 배우고 계산 방법을 알게 되었을 때 통계적으로 대표하려면 많은 데이터가 필요하다는 결론을 내렸습니다. 결과가 얻어지면 어떤 식으로든 투기적이지 않고 장기적인 관점에서 투자하는 경우에만 의미가 있습니다. 이것은 내 IMHO입니다.
그렇게 많은 데이터가 필요하지 않은 계산 방법이 있는 것 같습니다. 이것은 아마도 판스워스 가 여기서 언급한 본질적으로 지역인가?
몇 년 전에 나는 Hurst의 유일한 실용적인 응용 프로그램을 본 것을 기억합니다. 주어진 Hurst를 사용하여 합성 시리즈를 모델링한 다음 테스터의 입력에 공급해야 합니다. 뭔가 잘 되지 않아 포기했습니다. 그리고 나서 모델링이 "스마트"해야 한다는 직관적인 깨달음이 왔습니다 . 시뮬레이션된 합성 시리즈에서 거래 시스템 자체에 의해 악용되는 실제 금융 시리즈의 속성을 정확히 고려해야 합니다 . TS 자체를 고려하지 않은 임의의 모델링은 완전히 무의미합니다. 그러나 나는 이 '패러다임'의 양적 표현에 도달하지 못했다.
시간 에 대한 허스트 지수 의 종속성을 가정하는 모델이 있습니다. 이것은 정확히 함수로서의 의존성이며 슬라이딩 창을 사용하여 시리즈를 진행하는 것이 아닙니다. 그러나 그러한 프로세스를 식별하는 것은 쉬운 일이 아닙니다.
일반적으로 지표를 계산하기 전에 여전히 눈으로 로그-로그 그래프를 봐야 합니다. Forex는 쉽게 말하면 자기 유사성이 약하고 멱법칙을 따르지 않는 과정입니다. 그러한 의존성은 프랙탈 분석(수학적 학문으로서)의 전체 능력을 거의 전혀 감소시키는 좁은 규모에서만 존재합니다.
그렇게 많은 데이터가 필요하지 않은 계산 방법이 있는 것 같습니다. 이것은 아마도 판스워스 가 여기서 언급한 본질적으로 지역인가?
프로세스는 어디에서 시작됩니까? 항상 시작합니까 아니면 항상 종료합니까? 아니면 절대 멈추지 않습니까? 정답은 소금입니다. :에 대한)
시간에 대한 허스트 지수의 종속성을 가정하는 모델이 있습니다. 이것은 정확히 함수로서의 의존성이며 슬라이딩 창을 사용하여 시리즈를 진행하는 것이 아닙니다. 그러나 그러한 프로세스를 식별하는 것은 쉬운 일이 아닙니다.
일반적으로 지표를 계산하기 전에 여전히 눈으로 로그-로그 그래프를 봐야 합니다. Forex는 쉽게 말하면 자기 유사성이 약하고 멱법칙을 따르지 않는 과정입니다. 그러한 의존성은 프랙탈 분석(수학적 학문으로서)의 전체 능력을 거의 전혀 감소시키는 좁은 규모에서만 존재합니다.
프로세스는 어디에서 시작됩니까? 항상 시작합니까 아니면 항상 종료합니까? 아니면 절대 멈추지 않습니까? 정답은 소금입니다. :에 대한)
배운 사람은 논쟁하지 않습니다 ...
Galton의 카네이션이 나에게 더 가깝습니다.
;)