Hurst üssü - sayfa 7
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
baktı. 25. Yine bir corelogram var, bu bir fonksiyon. İşlev, yalnızca bağımsız değişkenin belirli bir değeri için bir sayıya dönüşür.
"Zaman serisi analizinde, otokorelasyon grafiği olarak da bilinen bir korelogram, bir numunenin otokorelasyonlarına karşı h (zaman gecikmesi) grafiğidir."
'Otokorelasyon işlevi' gibi görünüyor bu bir tablo!!!
Şimdi, grafik (fonksiyon) sayı ile karşılaştırıldığında ne elde ediyor? böyle ikisinden biri?
Ya da belki sadece bir işlevi değil, bir sayıyı bir sayı ile karşılaştırmanız gerekir.
Hurst üssü bir sayıdır ve bir sayı ile karşılaştırılmalıdır!!
ZY Corelogram ve ACF, esasen bir dizi otokorelasyon katsayılarıdır. Tek sayı "otokorelasyon katsayısı (bir)" de burada kullanılır. Bu yüzden ne olduğunu, ne dersiniz, argümanın hangi değerinde otokorelasyon fonksiyonunun otokorelasyon katsayısı olduğunu öğrenmek istedim. Bazıları ACF'yi 0.707 düzeyinde, bazıları integral yoluyla sabitler - bu başka bir görev için önemlidir. Sürecin kendisiyle ilişkilendirildiği zaman aralığının tanımı. (Tüccarlar için bu, gözlemlenen sürecin hareket özelliklerini koruduğu zamandır).
Hurst üssü (HX), BU BP'yi karakterize eden bir sayıdır. Şimdi bir kotir alalım, örneğin M1, bunun için RH'yi bulalım (şimdiye kadar her şey doğru ve mantıksal bir hata yok). Bu prosedürü M2, M3...Mtf için uyguluyoruz ve bir grafik alıyoruz - HRP'nin TF'ye bağımlılığı. Gerekirse bunu korelogramımla karşılaştırırız (ayrıca TF'den bir grafik).
Bütün bunlar gerekli değil mi? Daha sonra, örneğin M10 gibi birinci fark serisindeki otokorelasyon katsayısını buluruz ve aynı M10 için HRP ile karşılaştırırız.
Sergei, peki, yanlış anlamalar nerede? Her şey çelişkisiz karşılaştırılır - sayı ile sayı, fonksiyon ile fonksiyon!
Hurst üssü (HX), BU BP'yi karakterize eden bir sayıdır. Şimdi bir kotir alalım, örneğin M1, bunun için RH'yi bulalım (şimdiye kadar her şey doğru ve mantıksal bir hata yok). Bu prosedürü M2, M3...Mtf için uyguluyoruz ve bir grafik alıyoruz - HRP'nin TF'ye bağımlılığı. Gerekirse bunu korelogramımla karşılaştırırız (ayrıca TF'den bir grafik).
Bütün bunlar gerekli değil mi? Daha sonra, örneğin M10 gibi birinci fark serisindeki otokorelasyon katsayısını buluruz ve aynı M10 için HRP ile karşılaştırırız.
Sergei, yanlış anlaşılmalar nerede? Her şey çelişkisiz karşılaştırılır - sayı ile sayı, fonksiyon ile fonksiyon!
1. Kendi işlevinizi bulun ve onu iyi bilinen başka bir işlevin adıyla çağırın. biraz yanlış. (Matcad'de yerleşik bir ACF işlevi vardır lcorr() - daha kolay ve daha kullanışlıdır)
2. "... birinci fark serisinde otokorelasyon katsayısını buluyoruz..." - Nasıl? bu nedir ? formül? (Otokorelasyon - bu, serinin kendisiyle karşılaştırıldığı anlamına gelir, eğer bir kayma olmadan, o zaman korelasyon = 1 tanım gereği, bir kayma ile, katsayı -1 ile 1 arasında değişebilir. PX ile karşılaştırmak için her zaman birim?
Sergey Skype'ı daha iyi yapabilir, matkad üzerindeki bir ses + programlar ile her şeyi daha hızlı anlatabilir, neden bahsettiğimizi birbirine anlatacaktır. Buradaki klaveyi sileceğiz. Büyük olasılıkla sadece bir terim karmaşası. Bu yüzden birbirimizi anlamıyoruz.
Sergey Skype'ı daha iyi yapabilir, matkad üzerindeki bir ses + programlar ile her şeyi daha hızlı anlatabilir, neden bahsettiğimizi birbirine anlatacaktır. Buradaki klaveyi sileceğiz. Büyük olasılıkla sadece bir terim karmaşası. Bu yüzden birbirimizi anlamıyoruz.
Ve sonra seyirci ne yapmalı? Numara. Aynı yerde aynı damarda devam etmek daha iyidir. Yani formda.
Her ne kadar bir dinleyici olabilseniz de. Ama yine de yapamıyorlar.
Ve sonra seyirci ne yapmalı? Numara. Aynı yerde aynı damarda devam etmek daha iyidir. Yani formda.
Her ne kadar bir dinleyici olabilseniz de. Ama yine de yapamıyorlar.
Tamam, sonuçları formüller ve grafikler şeklinde düzenlemeyi taahhüt ediyorum. amacı anlıyorum. Hurst ve korelasyon katsayısı temelde farklı şeyler veya aynı düzendeki kavramlardır (sadece farklı sınırlar içinde değişirler). "Otokorelasyon katsayısının" nasıl hesaplanacağı benim için net değil. Fonksiyonu yapabilirim ama katsayıya sahip değilim, korelasyon katsayısını kullanabilirim ama otomatik korelasyon çalışmıyor, bu yüzden ne olduğunu anlamıyorum.
2. "... birinci fark serisinde otokorelasyon katsayısını buluyoruz..." - Nasıl? bu nedir ? formül? (Otokorelasyon - bu, serinin kendisiyle karşılaştırıldığı anlamına gelir, eğer bir kayma olmadan, o zaman korelasyon = 1 tanım gereği, bir kayma ile, katsayı -1 ile 1 arasında değişebilir. PX ile karşılaştırmak için her zaman birim?
Birimi dikkate almıyoruz - önemsiz bir durum. Birinci fark serisindeki kayma her zaman 1 ve sadece! - Sadece SPESİFİK bir TF üzerindeki birinci fark serisindeki bitişik okumalar arasındaki korelasyonu dikkate alıyoruz. Bir korelogram elde etmek için, orijinal seri için YALNIZCA TF'yi değiştiririz.
Bu doğru tanımdır, yanlış anlaşılmalar olmamalıdır.
Numara. Aynı yerde aynı damarda devam etmek daha iyidir.
Kabul ediyorum. Bu daha iyi.
Bir korelogram elde etmek için, orijinal seri için YALNIZCA TF'yi değiştiririz.
Belki Prival , haklısın. Bu bir korelogram değildir, farklı TF'ler için bulunan birinci fark serisindeki bitişik okumalar arasındaki korelasyon katsayısıdır.
Belki Prival , haklısın. Bu bir korelogram değildir, farklı TF'ler için bulunan birinci fark serisindeki bitişik okumalar arasındaki korelasyon katsayısıdır.
ve bu benim de kafamı karıştırıyor. iki dizi karşılaştırılırsa, birinin M1 ve diğerinin M5 olması gerekiyordu, elbette yapabilirsiniz. Ancak diziler aynı uzunlukta olmalıdır. 20 değer diyelim. Farklı zaman dilimlerindeki davranışları karşılaştırdığımız ortaya çıktı. Dakika 20 dakika ve 5 dakika 1 saat 40 dakikadır. Bu da böyle değil.
İlk yaklaşımdaki serilerin durağan olduğunu ve elde edilen tahminler ile bu tahminin yapıldığı VR bölümü arasında gözle görülür bir fark olmadığını düşünüyoruz.
İlk yaklaşımdaki serilerin durağan olduğunu ve elde edilen tahminler ile bu tahminin yapıldığı VR bölümü arasında gözle görülür bir fark olmadığını düşünüyoruz.
matkad'da Hurst üssünün bir hesaplaması var mı (ayrık biçimde formüllere ihtiyacımız var)?
şimdilik sadece bunu buldum
Ekli, zaman serisi analizine yaklaşımları içeren bir dosyadır. Bu formülleri oradan aldım.
Matkad'da böyle bir işlev yoktur.
Mesajınızda bahsettiğiniz şey, aşağıdakiler dışında (doğru) doğru görünüyor:
1. VR davranışının istikrarlı eğilimleri veya öngörülebilirliği: Hu<1/2 veya Hu>1/2 (sırasıyla, kalıcılık ve kalıcılık).
2. VR davranışının stabilite eksikliği veya öngörülemezliği: Hu=1/2 (ilk fark serisinde sıfır MO ile entegre SW).