赫斯特指数 - 页 25

新评论
 
到目前为止，这只是朝着目标迈出的第一步。我将更仔细地研究这个问题。
 

获得了三个测量量的好奇的总结图。

  1. 实际得到的R/S与周期N的比率（红线）。
  2. 正态分布随机变量的图表（绿线）。
  3. 彼得斯得到的R/S与周期N的比率（黑线表示近似的轨迹）。

我们可以看到，真实的结果，尽管从本质上看，它们倾向于在1.8-1.9之后出现拐点，但可以太好地用正态分布值的随机行走的图形来近似。同时，坡道图本身实际上是理想的直线，没有明显的扭结（好的结果）。 与Peters的基准计算相比，Hurst值被低估了约0.10，其峰值为0.68，而Peters为0.78。同时，在拐点（记忆丧失的时刻）之后，线条的斜率特征更接近于彼此。

目前，结果与彼得斯宣布的结果仍有太大的不同，谈论用这个指标稳定地识别非随机 序列还为时过早。

P.S. 困难还在于，我们必须用非常小的数值来工作。几个百分点的不明显偏差会产生非常不同的斜率角。向左走半步，向右走半步--而这一系列已经与随机游走无异了。

 
C-4:

P.S. 另一个困难是，你必须用非常小的数值来工作。几个百分点的微小偏差会产生非常不同的斜率角。向左走半步，向右走半步--而这一排已经与随机游荡无异了。

必须考虑对赫斯特的市场应用的错误和正确性。

整个结论始于众所周知的爱因斯坦的SB公式，该公式说，一个游荡的粒子从原点的平均偏差与时间的根成正比增加。如果每分钟一个粒子移动+1/-1，那么R=SQRT(N)，其中N作为时间，或增量的数量。但事实上，我们很少处理有两个离散增量+1和-1的过程，因此，在一般情况下，R=sko*SQRT(N)，如果分布有sko=常数，即分布是静止的，这就有意义。因此，R/sko=N^0.5的随机行走。然后将0.5替换为变量，通过对数计算。为了使用累计增量而不是平均增量（因为平均增量需要更多的统计数据），还引入了一个经验修正系数。Hurst指数 对于市场数据的价值是非常值得怀疑的，因为分布是非平稳的，它的变化很快，而且取决于它的前值。对非平稳数据使用这一指标的有效性没有理论依据。即可以应用，但结果可以信任 :)

 
Avals:

在一般情况下，对赫斯特市场的应用仍然存在着错误和正确性的问题。

整个结论始于众所周知的爱因斯坦的SB公式，该公式说，一个游离粒子与原点的平均偏差与时间的根成正比增加。如果每分钟一个粒子移动+1/-1，那么R=SQRT(N)，其中N作为时间，或增量的数量。但事实上，我们很少处理有两个离散增量+1和-1的过程，因此，在一般情况下，R=sko*SQRT(N)，如果分布有sko=常数，即分布是静止的，这就有意义。因此，R/sko=N^0.5的随机行走。然后将0.5替换为变量，通过对数计算。为了使用累计增量而不是平均增量（因为平均增量需要更多的统计数据），还引入了一个经验修正系数。Hurst指数对于市场数据的价值是非常值得怀疑的，因为分布是非平稳的，它的变化很快，并且取决于它的前值。对非平稳数据使用这一指标的有效性没有理论依据。也就是说，它可以应用，但结果不可信 :)


Hurst统计的设计方式是，无论是分布的类型，还是它的非平稳性，都不能将其混淆。至少彼得斯自己是这么说的。相反，它可以用来可靠地确定所研究的系列是否是静止的，其中的增量是否相互依赖（记忆效应），计算所研究过程的周期长度（我认为没有必要解释原因），并确定该系列是趋势还是反趋势的。有一个缺陷--要重复彼得斯的结果是非常困难的，到目前为止，我不知道为什么会出现这种情况。至于c.c.o.--它在这里只是为了使价差正常化，以便人们可以比较不同的非可比系统的系列。
 

文件不坚持。你最好读一读。

olga Stanislavovna Gulyaeva

基于分形法的货币汇率 预测分析的货币风险管理

谷歌一下。这更容易.也许有人会做一个指标。

 
AAAksakal:

文件不坚持。你最好读一读。

olga Stanislavovna Gulyaeva

基于分形法的货币汇率预测分析的货币风险管理

谷歌一下。这更容易.也许有人会做一个指标。


也许有人会...而且，在我看来，你在垃圾邮件中购买的不仅是一篇论文，还有一个不知名的作者关于可疑主题的摘要（完全混乱）。
 

有一段时间，我不得不被其他问题所困扰--我的女儿已经18岁了--我没有时间去研究分形；）））。

但这样的转换--这是我第一次注意到它--导致了对尚未解决的分形问题的清晰视野。

好吧，一旦我恢复理智，我们就会解决这个问题;)

 

tara:

Вы спаммите покупку не только диссертации, но и автореферата (полный беспредел) никому не известного автора на сомнительную тему.

你应该学习如何使用互联网。然后阅读它，然后得出结论。同时，你在挖掘.....Newton的手稿。

 
Avals:

在一般情况下，对赫斯特市场的应用仍然存在着错误和正确性的问题。

整个结论始于众所周知的爱因斯坦的SB公式，该公式说，一个游离粒子与原点的平均偏差与时间的根成正比增加。如果每分钟一个粒子移动+1/-1，那么R=SQRT(N)，其中N作为时间，或增量的数量。但事实上，我们很少处理有两个离散增量+1和-1的过程，因此，在一般情况下，R=sko*SQRT(N)，如果分布有sko=常数，即分布是静止的，这就有意义。因此，R/sko=N^0.5的随机行走。然后将0.5替换为变量，通过对数计算。为了使用累计增量而不是平均增量（因为平均增量需要更多的统计数据），还引入了一个经验修正系数。Hurst指数对于市场数据的价值是非常值得怀疑的，因为分布是非平稳的，它的变化很快，并且取决于它的前值。对非平稳数据使用这一指标的有效性没有理论依据。即可以应用，但结果可以信任 :)


我想了很久你说的话--所有这些都是严肃而宝贵的意见。但你必须同意，要检查这一切，首先，需要一个经过验证的计算方法，其次，需要一些实验来真正证明理论声明和计算。此外，该实验将有助于调整计算方法，并使其与理论计算同步（如果这有可能）。只有在这之后，才有可能可靠地判断该方法是否适合分析真实的金融系列。我必须承认，我和你一样有很多疑虑。但回答所有这些问题的唯一方法是在这个问题上下功夫。

考虑到这一点，我将从最基本的开始，即爱因斯坦的SB R=SQRT(N)公式。

1.0 我将生成一个纯正态分布的SB+1/-1，没有任何AR效应或波动率聚类。

1.2 我将检验R=SQRT（N）的假设。如果会有一些偏差，那么很可能是关于PRNG生成算法。我们可以用Random.org的数字来试试。最主要的是，在这个最低阶段，我们必须有一个超级可靠的SB，与理论100%一致。

1.3 对生成的SB进行赫斯特检查。这是一个特殊的、非常重要的时刻。在这里，他应该通过SB，所以他可以被允许进入更复杂的阵型。

1.4 基于真实工具的波动性，生成具有Paretto-Levy分布的SB。理论上，Hurst应该和以前一样，显示在正态分布上。如果不是这样，我们应该分析为什么会发生这种情况，以及进一步调查是否有意义。

1.5. 在SB中添加AR效果。我们必须仔细研究短期线性依赖如何扭曲（理论上是扭曲）指标读数，以及如何适当考虑这些影响等。

1.6 同时，我想发展循环主题，并尝试使用人工基元，如y=Cos(x)和更复杂的Weierstrass函数。理论上，V型统计学应该正确地确定这些过程中的周期长度。

2.1 如果第一阶段通过了，就可以允许分形法对真实的金融系列进行工作。在这个阶段，我们已经可以绝对确定它所提供的方法的正确性，因此可以正确解释结果。

P.S. 应该注意的是，大多数TA指标，如RSI或MA，甚至不会通过SB的第一次测试。例如，RSI将显示超买和超卖区域，SMA将改变其方向。

P.P.S. 我想知道RSI在SB的超买和超卖区的时间是否与真实金融系列的时间大致相等？

不过，这整个话题让我着迷的是，分形统计学被定位为从谷物（真实市场）中分离出糠秕（SB）的一种可靠方法。对眼睛来说，SB和市场的图表是无法区分的，它们都出现在技术分析中，所有的TA指标都在SB和真实市场上工作。因此，如果一个模式出现在先验不可能出现的地方，它可能意味着什么？

 
AAAksakal:

文件不坚持。你最好读一读。

olga Stanislavovna Gulyaeva

基于分形法的货币汇率预测分析的货币风险管理

谷歌一下。这更容易.也许有人会做一个指标。


是的，我查了一下。那里有一个稍微不同的方法。但到目前为止，我更感兴趣的不是如何计算（这是已知的），而是结果的代表性以及如何协调理论与实践。
1...181920212223242526272829303132...46
新评论