Берется выборка в , допустим, 10000 баров, нарезается на неперсекающиеся интервалы в 20 баров, вычисляется средний Херст, далее нарезается по 21, 22 и так дале до 5000 баров. Потом строится аппроксимирующая прямая. Вот только что с ней делать в нашем случае - не ясно.
Нашел и на 12 страничке. Я же пытаюсь подсчитать показатель строго по формулам в книжках и получается что-то не то. Вот по этому и спросил ваше мнение.
solandr 15.05.06 19:09
Vladislav 15.05.06 21:18
我在第11页上看到了你的计算结果。但问题是，你用公式log(R/S)/log(0.5*N)来计算它，我决定写一个更准确的算法来计算它，它略有不同。Open[]被当作流入量（如果我理解正确的话，你有数组viborka[i]），而Rosh，例如，建议采取delta，在我看来，这在结果上有很大差异
计算的不是平均Hurst，而是两个坐标Y=Log(R/S)和X=Log(N)。而如何处理它也似乎很清楚。
有一个方程Y=Y(X)，看起来像这样：Log(R/S) = H*Log(N) + A。你需要建立一个线性回归 并确定其系数和自由项。赫斯特是其系数。
而仅仅是对数的比值，根本就不是赫斯特。
IMHO
我已经在上面的帖子中写到，弗拉迪斯拉夫使用的方法在书中作为经典例子描述的方法之外还有一个非常非常重要的优势。他提出了自己的计算线性回归 通道的Hurst指数的变体。根据我的经验判断，他的方法在近期1-3天内效果相当好。然而，如果你能提出你自己的赫斯特计算方法，那也会非常有趣。弗拉迪斯拉夫的方法论的唯一缺点也许是以下几点。如果我们在M30期上抽取2周以上的样本，它的Hurst指数总是小于0.5。一方面，人们可以认为这样一个长通道已经接近尾声，但另一方面，人们只能间接地将这样一个长样本的指数用于预测（用小的加权系数）作为这个或那个确认的假设。在我的主观意见中，有一个样本长度的特定区域，对于这个区域，由弗拉迪斯拉夫提出的方法得到的赫斯特的数字确实是可以预知的。也就是说，如果你打算持有1-2天的头寸，那么以1个月以内的最小长度的样本计算的Hurst数字为指导就足够了。较长的样本对最终的结果不会有太大的贡献（当然，就使用赫斯特比率本身而言）。
计算的不是平均Hurst，而是两个坐标Y=Log(R/S)和X=Log(N)。而如何处理它似乎也很清楚。
有一个方程Y=Y(X)，看起来像这样：Log(R/S) = H*Log(N) + A。你需要建立一个线性回归并确定其系数和自由项。赫斯特是其系数。
而仅仅是对数的比值，根本就不是赫斯特。
IMHO
这就是我所做的!
嗨，罗什。
如果你不介意的话，我想和你私下聊聊。
请让我知道你的邮件。
Rosh，如果这种沟通已经发生，如果它不再是商业秘密，请你分享你对Alex Niroba 策略的 总体评价？
他真的开发了一些东西，可以在现实生活中应用，至少有1.5...2.0的盈利能力吗？- 简单的好奇心;o)。如果外汇中有些东西是可以通过公式计算出来的，而我们却绕来绕去，白白浪费了时间 :o)，怎么办？
我已经在上面的帖子中写到，弗拉迪斯拉夫使用的方法与书中描述的作为经典例子的方法有非常大的不同。他提出了自己的计算线性回归通道的Hurst指数的变体。根据我的经验判断，他的方法在近期1-3天内效果相当好。尽管如果你能提出你自己的赫斯特计算方法，也会非常有趣。弗拉迪斯拉夫的方法论的唯一缺点也许是以下几点。如果我们在M30期上抽取2周以上的样本，它的Hurst指数总是小于0.5。一方面，人们可以认为这样一个长通道已经接近尾声，但另一方面，人们只能间接地将这样一个长样本的指数用于预测（用小的加权系数）作为这个或那个确认的假设。在我的主观意见中，有一个样本长度的特定区域，对于这个区域，由弗拉迪斯拉夫提出的方法得到的赫斯特的数字确实是可以预知的。也就是说，如果你打算持有1-2天的头寸，那么以1个月以内的最小长度的样本计算的Hurst数字为指导就足够了。较长的样本不会对最终结果有太大的贡献（当然就使用Hearst Ratio本身而言）。
这就是我想用经典的、更准确的方式来写赫斯特比率的 计算。我只是担心，在输入参数相同的情况下，这个系数的值与之前提出的方法有很大的不同。毕竟，算法的唯一输入是一个象征着流入的数组和这个数组的长度。而结果是惊人的不同。我把它归结为我到目前为止可能存在的错误，请大家帮助我弄清它。 我很抱歉，在讨论了这个话题之后，我陷入了这种情况，很明显，但事情就是这样发生的。这可能已经没有什么意义了。但仍然希望有人能帮助解决我的问题。
为了应用书中建议的方法，你必须做与书中描述完全相同的事情。这本书给出了一个详细的例子，只针对棕色的交通!也就是说，它显示了布朗运动 "流入 "样本在不同Hurst系数下的视觉效果。如果你拿一个随机数发生器，然后通过设置它们的发生概率在白噪声中创建相互依赖的交易，你会得到与书中大致相同的图片。也就是说，你首先会得到分形观测噪声（"支流 "的样本），通过求和，你会得到某物的物理运动（在这里是布朗噪声的震荡图）。从物理运动的振幅中你会看到，你的赫斯特系数（相互依赖的交易的概率）越大，物理运动本身的振幅扩散就越大。我们最终能从书中的例子中理解什么？我们只能理解我已经说过的 "你的赫斯特比率（相互依赖的交易的概率）越大，物理运动本身的振幅原来就越大"。接下来请回答，这些信息到底能给我们带来什么预测性的东西？我可以准确地回答--什么都没有，除了我已经写了2次的内容（让我们只确定交易的相互依赖程度）！我的回答是："我不知道。作者在书中接下来做了什么？他们将提议的计算方法（布朗运动分析）应用于不同的资本市场。在所有市场（或几乎所有市场），赫斯特指数都超过0.5，特别是欧元兑美元，如果我没有忘记，它是0.64。那么接下来呢？好吧，什么都没有!只是我们知道，市场上的交易大多是相互依赖的。但让我们假设我们一直都知道，人们更倾向于顺势而为，而不是逆势而为，看看昨天价格向哪个方向移动。由于这一点，市场上有一些时期是基于以前的运动而出现的明显趋势。这对每个人来说都是显而易见的。而弗拉迪斯拉夫曾试图将这种方法用于预测线性回归通道。也就是说，他多次改变了计算现有价格运动的 "潮汐 "的方式，以回答 "在不久的将来通道会发生什么 - 它将继续或结束它的存在 "的问题。
再次回到书中的布朗运动的例子，我们可以说如下。一个不同的Hurst系数获得的样本（或者相反，具有一个给定系数的样本）不能携带关于布朗运动是否会继续或停止的信息。只要从逻辑上想一想，如果在你的布朗运动的真实样本中，Hurst系数明显小于0.5，那么可以得出什么结论？对--只是说样本中几乎没有布朗运动，而不是说布朗运动即将结束，而我们需要知道与市场有关的布朗运动!也是反面的例子。布朗运动的Hurst指数明显大于0.5，只告诉我们布朗运动在样本中明显存在（交易的性质明显相互依赖），而不是说布朗运动在未来会继续存在。此外，无论布朗运动是否存在，都会导致我们在震荡图上看到的事实，例如，如果市场具有与布朗运动完全相同的性质，那么我们在震荡图上看到的东西会在零点附近晃动，而不会给我们任何关于如何在上面赚钱的信息。你只需在设计指标计算系统之前仔细考虑，就能得到你需要的东西。
他真的开发出了可以在生活中应用的东西，盈利能力至少超过了1.5...2.0吗？- 简单的好奇心;o)。如果外汇中有些东西是可以通过公式计算出来的，而我们却绕来绕去，白白浪费了时间 :o)，怎么办？
亚历克斯-尼罗巴（Alex Niroba）希望就原则上通过在MQL4中的描述创建一个指标的可能性进行咨询。我给出了一个明确的答案。我想他是满意的。我无法估计他的策略。