Índice Hearst - página 13
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Tudo parece estar de acordo com a ciência.
A faixa é de 0 (primeira série de diferenças) a 1 (tendência linear em grandes TF). O lugar especial é ocupado por um movimento unidimensional Browniano aleatório (SV integrado com MO zero), para ele PC=1/2, e um seno ruidoso, neste camarada, PC oscila suavemente que deve ser, como em TF pequeno o ruído desempenha um grande papel, em TF grande a tendência já é visível, etc.
O PC para Y2 fica abaixo de zero.
Você está brincando comigo?
Se você está falando sério, talvez considere, como opção, a dispersão estatística do valor estudado. Simplesmente, na grande TF, o número de amostras na série em estudo cai como 1/TF, daí a dispersão crescendo como SQRT(TF), e dado que o PC para a primeira diferença tende sempre a zero como 1/SQRT(n), você pode entender de onde vem o menos nos lugares.
Você está brincando comigo?
Bem, geralmente não.
Se você está falando sério, talvez considere, como opção, a dispersão estatística do valor estudado. Simplesmente, em grandes TFs, o número de amostras na série estudada cai como 1/TF, daí a dispersão crescendo como SQRT(TF), e dado que o PC para a primeira diferença tende sempre a zero como 1/SQRT(n), você pode entender de onde vem o menos em lugares.
Mais sobre esse ponto, por favor.
No sentido do PC, não deve haver um único dado para o qual a condição R < S esteja satisfeita.
Visualmente -- para Y2, R/S deve ser maior que zero porque há ruído, e a trama R/S deve ir até 30, depois de 30 horizontalmente
Eis o que pode acontecer.
Na formulação que Prival implementou , o PC é considerado um expoente integral porque é definido através da tangente da inclinação da linha traçada através do conjunto de pontos. Há regiões neste conjunto com uma inclinação negativa, mas em geral (integralmente), a inclinação é positiva e não pode haver realmente nenhum caso em que o PC < 0.
O ângulo de inclinação é calculado localmente, entre cada dois pontos adjacentes e às vezes temos valores mais baixos em uma TF maior, mas isso acontece... Neste caso, o "meu" PCB salta honestamente para menos. Na verdade, não há nada de inadequado nisso, se entendermos o que está acontecendo e, é claro, tudo depende de como definimos o próprio AP. Pareceu-me mais informativo produzir este indicador localmente.
Em geral, isto precisa ser resolvido. Por definição, XP mostra a taxa de aumento da volatilidade da BP com um aumento da TF. Eu construí meu algoritmo com base nesta definição. Mas, pode-se ver que não coincide com o original ou estou perdendo o ponto em algum lugar.
P.S. E então eu não consegui nada razoável pelas fórmulas do artigo (que Prival está brilhando), eu estraguei tudo lá (bem, ou na minha cabeça). Portanto, eu não apelaria para expressões de lá, como a verdade.
Também já tive valores negativos, não me lembro quando, mas tive. Ele salta muito (e é por isso que não gostei). Vou tentar comparar dois algoritmos, o seu Neutron e o meu.
TheXpert sobre N e n. Se você inserir N, X(N) será sempre igual a zero. Mas vou checar novamente, há algo errado, é aqui que ele se torna integral.
TheXpert sobre N e n. Se você inserir N, então X(N) é sempre igual a zero. Mas vou checar novamente, algo está errado aí, é aqui que se torna integral.
Ha, esse pode ser o erro.
Para um determinado N deve haver N - 1 valores de X :
X[i] = Summ(i)(e[i] - M[N]) i = 2...N Espero que isto esteja claro
_______________________________
Pelo menos como está agora, a expressão certamente não faz sentido - calcular o desvio cumulativo do MOG por N para n (ou seja, todos!) elementos!
....
Em geral, isto precisa ser tratado. Por definição, o PC mostra a taxa na qual a volatilidade da BP aumenta com a TF. Eu construí meu algoritmo exatamente com base nesta definição. Mas, pode-se ver que não coincide com o original ou estou perdendo o ponto em algum lugar.
P.S. E então eu não consegui nada razoável pelas fórmulas do artigo (que Prival está brilhando), eu estraguei tudo lá (bem, ou na minha cabeça). Portanto, eu não apelaria para expressões de lá, como a verdade.
Eu também ainda não tenho uma versão clara de como contá-la corretamente. Em fontes diferentes, é diferente. É evidente que estes artigos não foram escritos por programadores. E tirar disso "com o aumento da TF", apenas confuso. É a mudança no nível da água do rio Nilo, ou o número de crocodilos. Uma vez calculado corretamente, então pensaremos sobre o que acontece com ele quando a TF aumentar.
Eis o que pode ser o caso.
O ângulo de inclinação é calculado localmente, entre cada dois pontos adjacentes e às vezes acontece que a inclinação em um TF maior é menos espalhada; pode acontecer assim... Neste caso, o "meu" PCB salta honestamente para menos. Na verdade, não há nada de inadequado nisso, se entendermos o que está acontecendo e, é claro, tudo depende de como definimos o próprio AP. Pareceu-me mais informativo produzir este indicador localmente.
Sim, está começando a fazer sentido agora.
De modo geral, é necessário resolver o problema.
Uh-huh
Por definição, o PC mostra a taxa de aumento da volatilidade da BP com o aumento da TF. Eu construí meu algoritmo exatamente com base nesta definição. Mas vejo que não coincide com o original ou não o estou conseguindo em algum lugar.
Talvez eu devesse construí-lo para um sinusoidal sem ruído e compará-lo com a imagem no artigo. Portanto, vamos ignorar as fórmulas do artigo e tirar fotos como verdade.
A propósito, por que você não compara seus valores com o roteiro?
Tive uma explosão hoje. O análogo do coeficiente de Hurst é possível de calcular bastante localmente!!!!!!!!!
Isto se segue do trabalho de Dubovikov "Dimensionalidade mínima de cobertura e análise local de séries temporais fractais".
Tive uma explosão hoje. O análogo do coeficiente de Hurst é possível de calcular bastante localmente!!!!!!!!!
Isto se segue do trabalho de Dubovikov "Dimensionalidade mínima de cobertura e análise local de séries temporais fractais".
Tudo já foi roubado antes de nós, hooray.