赫斯特指数 - 页 25 1...181920212223242526272829303132...46 新评论 [删除] 2011.11.18 19:19 #241 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。 Vasiliy Sokolov 2011.11.21 12:03 #242 获得了三个测量量的好奇的总结图。 实际得到的R/S与周期N的比率(红线)。 正态分布随机变量的图表(绿线)。 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。 Avals 2011.11.21 13:24 #243 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 :) Vasiliy Sokolov 2011.11.21 14:20 #244 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。 [删除] 2011.11.26 20:55 #245 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。 Алексей Тарабанов 2011.11.26 21:11 #246 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)。 [删除] 2011.11.26 22:37 #247 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;) [删除] 2011.11.26 22:45 #248 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。 Vasiliy Sokolov 2011.11.27 14:52 #249 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? Vasiliy Sokolov 2011.11.27 14:54 #250 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 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
获得了三个测量量的好奇的总结图。
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。
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 :)
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。
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。
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?
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。