Извините, что вот влез, значительно после обсуждения этой темы, но так получилось. Вероятно, это уже не так актуально. Но по-прежнему надеюсь, что кто-то поможет разобраться с моими вопросами.
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.
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.
Вычисляется не средний Херст, а две координаты Y=Log(R/S) и X=Log(N). И что с этим делать, тоже вроде бы ясно. Есть уравнение Y=Y(X), которое выглядит так: Log(R/S) = H*Log(N) + A. Нужно построить линейную регрессию и определить ее коэффициент и свободный член. Херст - это ее коэффициент. А просто отношение логарифмов - это совсем не Херст. ИМХО
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。这本书只对布朗式交通给出了一个详细的例子!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就越大，结果是"。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，他大大改变了基于现有价格运动的 "潮汐 "计算方式，以回答 "在不久的将来通道会发生什么--它将继续存在还是将终止存在 "的问题。
突出显示的 "SOFTLY THERE "是否表明我搞错了？有可能，但似乎我非常努力，并按书上的规定做了一切。 其中说明了计算指数的一般方法，并举例说明了布朗运动和沃尔夫系列的周期19的结果（说实话，我不知道它是什么）。
我用随机行走检查了我的算法，得到了几乎正确的结果（我附上了log(R/S)与log(N)的图）。
在Vladislav的算法和你的算法中，最终对指数本身进行了近似估计，公式为H=log(R/S)/log(0.5*N)--与书中完全一样。正如我之前写的那样，我决定实施一种更精确的算法。
谢谢你的详细解释，我对弗拉迪斯拉夫的一些细节做法隐约有些不理解。现在，它似乎变得清晰起来。我不是在质疑你和弗拉迪斯拉夫的计算，尤其是他们的计算工作很好。
:о)))))
不，你没有错!我说的 "完全相同 "是指书中使用的方法只适合于解决它被开发出来的问题，我已经重复了好几次--"估计交易（潮汐）在某种类似于布朗过程下的相互依赖性"。但是，要用它来解决我们的 "预测不久的将来沿着通道的运动 "的问题，以书中给出的形式，是绝对不可能的！因为它是一个非常重要的工具。Vladislav为我们的问题最终确定了 "潮汐 "抽样，将线性回归 通道的预测值作为平均值绘制在不包括当前条形的样本上。如果要深入思考他所建议的那个修订的意义，至少需要一篇博士论文（数学或经济学，取决于人们更关注什么），并对额外的材料进行适当的阐述和介绍；o))))！弗拉迪斯拉夫想一想，如果你需要它的话!
不，你没有弄错!我说的 "完全一样 "是指书中使用的方法只适合于解决它被开发出来的问题，我已经重复了好几次--"估计交易（潮汐）在某种类似于布朗过程的过程中的相互依赖性"。但是，要用它来解决我们的 "预测不久的将来沿着通道的运动 "的问题，以书中给出的形式，是绝对不可能的！因为它是一个非常重要的工具。所以弗拉迪斯拉夫针对我们的问题对它进行了微调，在获得 "潮汐 "样本方面，计算线性回归通道绘制的平均值，不包括作为平均值的当前栏。
是的，但书中给出的算法并没有对 "流入 "的内容提出任何特殊要求。至少我在那里没有发现任何类似的东西，我们讨论的一个问题是流入量应该是多少。我从你那里得到了宝贵的建议。谢谢你。
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
不，它是这些样本的平均赫斯特 :)
Вычисляется не средний Херст, а две координаты Y=Log(R/S) и X=Log(N). И что с этим делать, тоже вроде бы ясно.
Есть уравнение Y=Y(X), которое выглядит так: Log(R/S) = H*Log(N) + A. Нужно построить линейную регрессию и определить ее коэффициент и свободный член. Херст - это ее коэффициент.
А просто отношение логарифмов - это совсем не Херст.
ИМХО
不，它是这些样本的赫斯特平均值 :)
我今天在《分形分析》一书中看到了这种算法。我使用不同的算法，根据不同的公式来实现它。我从1到N，对于每个当前的n，我计算log(R/S)和log(N)。然后我建立一个近似的直线y(x)=ax+b。系数a是Hurst指数。这里可能有一个原则性的错误。:о)PS：不能这样算吗？
我意识到，就性能而言，这段代码可能不是最理想的（大量的函数调用和一切），但主要的是，我想为自己澄清我是否正确理解了它的计算逻辑，因为在我看来，结果是有问题的，我决定问问那些知道的人。
...
PS：我希望论坛参与者能帮助我理解。如果弗拉迪斯拉夫能给我一些时间，解释一下我在这样一个简单的方法论上哪里出了问题，我将非常感激。
在零点的千个坐标网格中取1000个随机布朗粒子。沿着这些点开始向随机方向轰击随机力量。这里赫斯特认为，随着时间的推移，粒子与原点的距离（矢量长度）将与时间的平方根成正比。为什么是1000次聊天？ 对于良好的平均水平。这个问题并不难编程和测试。
在零点的一千个坐标网格中取1000个随机布朗粒子。沿着这些点，随机力量开始向随机方向轰击。这里是赫斯特的推理，随着时间的推移，粒子与坐标原点之间的距离（矢量长度）将与时间的平方根成正比。为什么是1000次聊天？ 对于良好的平均水平。这个问题并不难编程和测试。
我相信他。但费德认为，如果需要一个准确的数值，那么你也应该更准确地计算。所以我试着去做。而今天我发现，彼得斯先生根本不是这样计算的。
这就够了--只有一列数字，其余的我自己来做。