基于艾略特波浪理论的交易策略 - 页 179

新评论
 
那么关于随机事件的顺序，你只需要阅读理论家的 "条件事件 "部分。

solandr，谢谢你的回答。

我刚刚重读了一遍，我自己也很惊讶 )))))
我不记得我想说什么了。 ))
我想分散约翰尼的注意力，让他不再炫耀。))

我必须停止每天看10个小时)))))

尽管有可能一些有价值的想法是存在的，但在写帖子的过程中被丢失了......))))
或者，也许它并没有失去....(我很困，我现在想不清楚)
 
顺便说一下，回到我们谈话的一个话题，即老赫斯特。在下面的图片中，我们看到价格系列（灰色），如果我没有弄错的话（这是我很久以前的实验），欧元兑美元的H1周期。红色表示只有500个样本的区间（或条形，随你喜欢），用于预测。我们应该考虑到，所抽取的样本（在图表中）的编号已被重新计算，从0到499开始。曲线图从当前条形图（499）开始，以1的步长到起始条形图（0）。

我们试图预测稳定的线性回归 通道（或趋势），以及这种通道的寿命。



此外，我们根据计算的一般规则，展示了尚未完全处理的赫斯特指数（公认的，它的一个变体）的样本数据。但已经可以得出某些结论了。对于长线部分（从历史上当前的499条算起），我们可以看到一个明显的趋势，即把 "关系 "变成相反的关系，更不用说一开始指标就在-0.5的区域跳跃。对于250巴左右的部分，指标采取零值，这表明趋势的确切（100%）变化。从320个计数开始，出现了从0.8到1的Hurst指数的峰值。

可以得出以下结论（仅基于所抽取的样本）。

1.长段的寿命（线性趋势）是逐渐减少的，到了250岁就结束了，趋势逆转。这意味着，价格应该转好。

2.形成了一些强势的空头部分，其中诞生了一个新的趋势（或者说是一个线性回归通道，以更方便的方式为准）。




可以检查预测是否属实。让我们看看图片中的历史。蓝色代表用于计算H的价格系列，灰色代表未来。红色代表赫斯特指数图。

自己判断，一切都很清楚...:o)))



一般来说，对于所有的地块和不同的样本长度，都获得了相当好的结果。所给的例子对于我的赫斯特指数来说是相当 "典型 "的，即使没有使用额外的标准。

PS：也许其他人可以分享他们的结果？这将是有趣的。
 
Grasn , Hk是什么，我认为Hearst的值 应该在0到1之间。你有没有计算过不同的东西？
我自己还没有做过这样的实验，但我肯定会计算出类似的东西。
 
grasn 但是Hk是什么，我认为Hearst的值应该在0到1之间。你有没有计算过不同的东西？我自己还没有做过这样的实验，但我肯定会计算出类似的东西。



H(k)是Hurst指数。它超越0和1与计算的准确性无关。如果你看一下公式，没有什么能阻止它小于零或大于1。这些数据是初步的，它们仍然需要被处理（在我工作的地方）。
 
是的，而且它没有那么多出来。:о))))最有趣的是，赫斯特 "跳出来 "的那个通道--保证再有大约1/3的长度可以工作。嗯......或者是这样。:о)))

PS：唯一可能发生 "错误 "的地方（与计算精度或算法无关）是在非常小的样本中。
 
是的，专业系统有时也会显示Hearst值为1.6或-0.2，例如（这只是取决于数据和其上的特殊区域）...
 
顺便说一下，对于目前欧元兑美元情况的计算是在H1期跳空之前。这不是很明显，但赫斯特指标 分析警告说，长段将持续一段时间（在之前的分析中长段样本已经几乎不受前景影响）。情况就是这样，该结构大致可容纳约200个样本。

380个计数警告说情况可能发生变化，尽管正如我在上面写的那样，没有那么多（我对指数的 "敏感性 "进行了一些研究），是0.0732

是的，我明白，在历史上，你可以变得聪明，但这是研究，只是系统的一部分，老赫斯特正在慢慢揭开他的秘密。:о)))
 
Rosh 谢谢你！这句话很好...很久没有读过Exler的书了...
作为回报，我可以提供我一个朋友的一句话......(她在一个记忆发展中心工作)
问题是...
告诉她我在做什么，我在学习什么......这是她说的。
:D<br / translate="no">一个自称是数字人的家伙来到我们的办公室。他出版了一本数字诗集，他称之为LUCH（某种数字书），他满脑子都是3.14****，我们的员工心理医生诊断他患有 "松弛性精神分裂症"，但有趣的是 -
你和他谈了10分钟，你开始相信这里面有什么东西，尽管你无法弄清楚是什么。


从那时起，我就把 "数字学家 "的概念污蔑为深入研究一个无意义的话题的人；并在研究之前清楚地阐明任务）））。


P.S. (2周后添加... :) )
事实证明，他们也有一个网站...... http://www.chislonautics.ru/
 
嗨，Sergei !
你所发布的内容非常有趣。特别是计算方法和Hurst超越区间（0.1）的事实。
至于第二点，我可以分享一些想法。重点是，Hurst与D有关，D是分形维度的量度，公式为D=2-H。或者反过来说，H=2-D。

我们所测量的数量，即价格，在(P,T)平面内移动。它的轨迹，取决于它的形式，可以是一维的（简单的平滑曲线）或覆盖部分或全部的平面（好吧，完全的混乱:-）。在第一种情况下，轨迹维度是D=1，而在第二种情况下是D=2。 这些显然是极端的变体。在一般情况下，轨迹是随机确定的价格运动，即1<D<2。因此0<H<1。

也许对其他系统来说，H可能会超出这个范围，但对二元运动来说不是。
顺便说一下，在这个链接http://stocktrade.narod.ru/indicators/FRAMA.pdf
你会找到一篇文章，其中给出了一个相当简单的计算D的算法。
我想人们可以用它来 "从另一个角度 "检查赫斯特 :-))
这篇文章可能也会引起你的兴趣，因为它给出了一个构建适应性MA的变体。
 
这段文字在某种程度上是 "2006年11月28日19:09 "和 "2006年11月29日00:21 "关于赫斯特指数 的帖子的逻辑结论。 我自己早就解决了这个问题，我也希望每个人都能解决。

当然，人们不能以上述帖子中显示的形式使用赫斯特比率计算的数据（它是混乱和嘈杂的，但有一些趋势是肉眼可见的）。你必须检测到主要的信号并与之合作。作为一个例子，我取了一个任意的样本（它与例子不一致，但这并不重要）。下图显示了过滤后的赫斯特指数信号（红色），用于计算的样本（蓝色），灰色是事实。注意计算样本的结构（蓝色），它对预测来说不是那么琐碎。



最好是浏览所有的极值，但我们将仅限于五个最有趣的极值：
----------------------------------------------------------------------------------------------
极值赫斯特计数通道长度
-----------------------------------------------------------------------------------------------
[1]......................51........................0.781..........................549
[2]......................197......................1.113..........................
403
[3]......................369-----------------------------------------------------------------------------------------------.921_02231
[4]......................441-----------------------------------------------------------------------------------------------.223_02159
[5]......................554-----------------------------------------------------------------------------------------------.701_0246


Extreme 1
----------------------------------------------------------------------------------------------
Extreme Counting Hurst Channel Length -----------------------------------------------------------------------------------------------09
[1] 51 0.781 549
最可靠！!(我故意不取Hearst为1.16的整个样本。)的确，这个通道的第一个实际值有点超出1*SCO(如果我们取1.5*SCO，它们根本就不走)，但它们与这批人一起波动，或者说不远，又回到了适当的位置。应该指出的是，在所有的变体中，这是最长的通道，有更多的力量（与样本长度无关），而且在一般情况下（其他标准现在不说），更适应于生存。



极限值2
----------------------------------------------------------------------------------------------
极限值计数赫斯特通道长度
-----------------------------------------------------------------------------------------------
[2] 197 1.113 403
信号结构元素被重复，在样本的一半左右，实际数据没有离开通道的任何地方，考虑到通道的长度，这不禁令人欣慰。


极限3
继续工作。从观察来看，如果任何计数在作为基础的样本上超出了1*SCO，很可能大部分（或更多）的实际数据都会在这些极限附近徘徊（但这些都是 "用眼睛 "观察到的）
----------------------------------------------------------------------------------------------
极值 Hearst计数 通道长度
-----------------------------------------------------------------------------------------------
[3] 369 0.921 231


极值 4
从Hearst角度来看，结构肯定应该变化为相反。或者说，出现这种结果的概率非常高。这是很有可能发生的，请原谅我的双关语。:о)
----------------------------------------------------------------------------------------------
极限计数Hearst通道长度
-----------------------------------------------------------------------------------------------
[4] 441 0.223 159


极限5
----------------------------------------------------------------------------------------------
极限计数Hearst通道长度
-----------------------------------------------------------------------------------------------
[5] 554 0.701 46
（增加）。变化到相反的方向，似乎应该显示0.0左右。有一些与短样本长度有关的微妙之处，比如0.7根本不是1.2，而是接近0.6的地方，而0.6就是0.5:o))开个玩笑。如果你考虑到它的长度，它也同样稳定。继续生活很长时间，所有的原始长度。


一点哲学
关于使用适当的 Hearst的结论是非常明显的，并被我的无数次实验所证实（相信我，否则我会用我的图片 "忽悠"：o）

以下是一些想法（我希望，有人会需要它们）：

（1）对于H值接近1.0（或更高一点），每个发现的通道已经有足够的稳定性（基本上，后续数据保持在1-1.5 RMS之内，甚至在2*SCO之内，并保持其结构）。对于接近0.0的数值，证实了既定结构的早期逆转。

(2) 最可靠的通道实际上总是隐藏在R/S信号的一个极值后面，因此需要额外的标准来识别

(3) 对于价格系列的所有数值也观察到良好的结果：开盘价、最高价、最低价、收盘价和它们的算术组合。而在计算中，我使用的，应该是只有一个价格序列（我指的是弗拉迪斯拉夫计算的变体）

（4）在对可靠性进行假设时，我们应该始终考虑基本的样本长度。一个短的样本实际上永远不会对长距离起作用

（5）有必要为其后续研究选择合适的结构（当然你可以不选择）。通过 "结构性 "地思考我想调查的东西的稳健性，预测的准确性大大增加。换句话说，渠道就是渠道（它可以建立在任何数据上），但重要的是要看渠道里有什么。有时，从当前条形图回溯历史是有意义的

在这个例子中，如果你抓取更多的数据，发现的通道将保持不变（当前条形图是固定的），但会有新的可能的变体长，可能的稳定通道。

(6) 关于信道寿命预测的有趣的话题。

PS1：所以，感谢Vladislav 的想法。我只是缺少系统中的预测部分。最令人惊讶的是，我知道赫斯特已经很久了（因为我的职业与诊断学间接相关），但不知为什么我没有想到要使用它，伙计，我在想什么......自己对啤酒和女人的了解 :o)

PS2:Solandr，在一般情况下为你试过，知道你对老赫斯特的感觉 :o)
1...172173174175176177178179180181182183184185186...309
新评论