赫斯特指数 - 页 27

新评论
 
C-4:

为了避免混淆，让我们参考ME的定义：数学期望值是一个随机变量 的 一系列回报的 平均值。

样本的ME=样本的平均值。而抽样的系列类型与ME的定义无关。但这不是重点。

对于其他的事情，我们互相理解。

 
C-4:

分布是正态的，MO为零，有一定的标准差。在这种情况下，一致性和潮流性是同一回事。当我说 "趋势系列 "时，它意味着增量的符号与它以前的回报的符号重合的概率高于50%，反趋势性则相反，符号重合的概率低于50%。这不是我的定义，而是书中的确切意思。
谢谢你。我明白了。
 
C-4:

尽管公众对既定主题的兴趣不大，但我仍在继续关注彼得斯的书。

赫斯特对 "金融行 "的使用没有考虑到另一个重要问题。事实是，尼罗河洪水的动态与赫斯特的纸牌包实验之间有相当大的 "相似性"，但与 "金融行 "没有关系。
 
C-4:

然后，整个Peters系列被划分为独立的子时期。每个子阶段都按照上述方法进行计算。因此，有一些平均的RS值，而且它必须与布朗运动有质的区别。由于粒子的分散性将与周期的对数成正比，所以Hurst比率，即时间跨度与周期的比率，必须是一个常数，并且是0.5。事实上，这个公式并不完美，往往会高估0.3的 结果，即在明显的随机系列上，Hurst会显示0.53，而不是0.50。而且这并不是由小样本造成的，我们使用的数据越多，指标在0.53 范围内就越准确。

....

正如你所看到的，该指标有两个主要问题：在急剧逆转时，MO将是不重要的，而摆动将是高的，这导致了指标的不合理的夸大。相反，在一个明显的上升趋势中，MO将是运动的主要部分，但围绕MO的波动将很小，因此heurst将再次低于应有的水平。

因此，我们可以得出初步结论，建议的方法不能充分描述市场价格走势，也不能有效识别趋势和反趋势成分。

原因是波动率和，分别是公式中使用的级联并没有收敛到一个常数。在这种情况下，对于一个过期的频率，我们需要将其划分为 "独立的子周期"，从而使倾斜度收敛为常数。也就是说，不要凭空取舍。

但同样的，把这个系列作为一个整体，检查它的一致性是没有意义的。医院的平均数会与SB差异不大，因为有时系列是有趋势的，有时是平的。我们应该知道什么时候是趋势，什么时候是平缓，以及为什么。我们需要知道它什么时候是趋势，什么时候是平缓)。

 
HideYourRichess:
还有一点很重要，在 "金融系列 "上使用赫斯特时没有考虑到这一点。问题是，尼罗河洪水的动态与赫斯特用一包纸牌进行的实验之间有很大的 "相似性"，但与 "金融系列 "没有关系。 。


你能更详细地阐述一下这个答案吗？每年，尼罗河的洪水都在一定范围内变化。这是他的回归系列。很明显，洪水将永远是一个正值，所以我们需要相对于它的MO对这个系列进行去势。然后我们看一下累积的系列：最大值和最小值将形成传播。如果每年的溢出量是随机的和独立的，那么所产生的系列将是随机的，并沿钟形轨迹相对于时间移动。如果系列不是随机的和持续的，它将倾向于超出条件钟形轨迹；如果它是反趋势的，它将深入钟形内部。

这里的主要问题略有不同。当期望值或多或少稳定时，这种方法会很有效，比如尼罗河或太阳活动的情况。但它对市场不起作用，而且在每个时间点都有不同的操作。在这种情况下，我们不能从市场系列中扣除MO，因为我们不知道它是传播的一部分还是过程的静止部分。更加 "先进 "的技术，如线性回归 也不会起作用，因为趋势（回归线）也是非平稳的，因此它可能是一个决定性过程的结果。

 
Avals:

原因是波动率以及公式中使用的分数并没有收敛到一个常数。有必要将一个均衡的频率划分为 "独立的子周期"，以便使sko收敛到常数。也就是说，不要随意取用它们。

波动性只是正常化的一个措施。期限差只除以其s.c.o.，以获得所有可能系列的相同比例。此外，有限时期的s.q.o.是一个有限的值。它不会与相邻的周期重合，但对于它的周期将是单值的，因此相对于获得的这个周期的范围将是相当充分的归一化值。

这就是为什么我专门对独立的子时期进行了计算。也就是说，如果该系列由1000个值组成，而平均周期为100，那么取10个连续的100个值的子周期，对每个子周期计算其RS，然后得出这些RS的平均值。

阿瓦尔斯。

但把这个系列作为一个整体，检查它的一致性，仍然是毫无意义的。医院的平均数会与RS略有不同，因为有时该系列是有趋势的，有时是平的。我们应该知道什么时候是趋势，什么时候是平缓，以及为什么。我们需要知道它什么时候是趋势，什么时候是平缓)。

我也一直在思考这个问题。 我专门为此写了一个赫斯特滑动指标，在每个时间点上计算其价值。我还没有设法找到任何定性的模式。但它也有很多缺点，例如赫斯特会在价格反转时高估自己的价值，而在强劲的趋势中低估自己的价值。

 
C-4:

波动性只是正常化的一个措施。我们把一个时期的范围除以它的s.c.o.，只是为了得到一个适用于所有可能系列的刻度。此外，有限时期的s.q.o.是一个有限的值。它不会与相邻的周期重合，但对于它的周期将是单值的，因此相对于获得的这个周期的范围将是相当充分的归一化值。

这就是为什么我特别对独立的子时期进行了计算。也就是说，如果系列由1000个值组成，而平均周期是100，那么就取10个连续的100个值的子周期，为每个子周期计算不同的RS，然后得出这些RS的平均值。

当然，我们会在某个特定时期得到sko的某个值，但这并不意味着对它的波动率会收敛到一个常数。实际金融系列的波动性是不稳定的，不是由一个单一的数字来描述的。 因此，"子周期 "可能包含高波动和低波动的片段，公式将无法正确读取。例如，我们取了一个相当于一天的子周期，从0h到24h。一天中不同时间的波动率是稳定的，相差数倍。平均值并不能说明整个时期的特点，在其基础上计算的Hurst并考虑到这个时期，谁也不知道会显示出什么。整个Hurst公式是基于这样一个事实，即牛在子周期内不会稳定地变化，而是以平均值为特征。

 
C-4:


你能更详细地阐述一下这个答案吗？每年，尼罗河的洪水都在一定范围内变化。这是他的回归系列。很明显，洪水将永远是一个正值，所以我们需要相对于它的MO对这个系列进行去势。然后我们看一下累积的系列：达到的最大值和最小值将形成传播。如果每年的溢出量是随机的和独立的，那么所产生的系列将是随机的，并沿钟形轨迹相对于时间移动。如果序列不是随机的和持续的，它将更经常地移出条件钟形轨迹；如果它是一个转折性的序列，它将深入钟形内部。

最小值、最大值、差值，等等。- 这一切都很清楚。问题的关键在于别的东西。

赫斯特在一包纸牌上进行了测试，表明他的方法在原则上是可行的。有一种棘手的牌的安排，哪一种并不重要。最主要的是，他的实验明确界定了什么是基本事件。

对于尼罗河，据我记得，他还定义了这样的基本事件，即一年中水位上升的最大标志（或者他在那里有流量 - 我不记得了）。没有考虑其他的、中间值。很明显，这个过程的 "物理学 "始终是不变的。有多少水聚集在尼罗河流域，有多少水通过渠道流出来。基本上，如果是一个桶，就不会有什么，但尼罗河流域在集水/放水方面有一定的惯性（几年的规模），这就是形成 "记忆 "的原因。重要的是要明白，每年都会发生同样的事情，在某个季节，水从大气中被收集到一个巨大的盆地中，慢慢地通过土壤渗入尼罗河，然后流向大海。

现在，如果我们计算尼罗河的赫斯特系数，我们就把这些基本的同质事件分解成一个系列，对其进行数学操作。

想象一下，初级事件将是每个月，每个第一天的水平测量。我们简单地采取，并宣布现在的基本事件不会像自然界中发生的那样，而是像我们喜欢的那样。因此，我们把这些月份，那些属于雨季的月份和那些属于旱季的月份，分成一个系列。以此类推。在我看来，其结果是完全可以预见的。

那是，那是我对这一切的看法。

金融系列的问题是完全一样的，没有一个基本的事件来表征这个过程。更确切地说，在我看来，名义上的切成条状并不是一个事件。如果上一分钟Vasya买入并使价格上涨了几个点，而John在下一分钟卖出，那我还在乎什么呢？这就像水滴渗入尼罗河。我想知道总体上发生了什么。


ZS.顺便说一下，寻找积累（accumulation\distribution）、Wyckoff等的想法。- 这只是从了解到市场上的基本事件根本就不是酒吧。

对于那些不了解这一切的人来说，统计操作只能在基本事件上进行。

C-4:


这里的主要问题被看作是有些不同。当数学期望值（基础，我们计算的东西）或多或少是稳定的，如尼罗河或太阳活动的情况下，该方法将运行良好。但它对市场不起作用，而且在每个时间点都有不同的操作。在这种情况下，我们不能从市场系列中扣除MO，因为我们不知道它是传播的一部分还是过程的静止部分。像线性回归这样更 "先进 "的技术也不会起作用，因为趋势（回归线）也是非平稳的，因此它可能是一个确定性过程的结果。

可能是的。原则上说，牌包和尼尔都是固有的静止过程。一个金融工具不是。更确切地说，它是静止的，但不是整个系列，而是在某些阶段。当然，这种静止性不是由MO和分散性的恒定性决定的，而是以其他方式决定的。
 
而且我还想补充一点（因为我自己也用赫斯特的Excel计算过），这些统计数据的预知能力是值得怀疑的。是的，我们知道市场是如此这般，谁知道接下来的100-1000条会是怎样？你怎么看？
 
alexeymosc:
而且我还想补充一点（我自己也在赫斯特的Excel中计算过），这些统计数字的预示性是值得怀疑的。是的，我们知道市场是如此这般，但谁知道接下来的100-1000条会是什么？你怎么看？


马特鲁斯金的问题是由于他缺乏智慧，而我们都有问题是由于他的过度和过度教育。

让我们抛开尼罗河和它的千年历史，脚踏实地地走过来。

我们有最右边的柱子，我们对下一个柱子的预测感兴趣。如果我们考虑到它可能是M1、H1或D1，那么地平线问题就解决了。

现在让我们来回答这个问题：预测下一个柱子需要多少个前面的柱子。我曾经读到，当观察数超过30个时，t统计就会变成z统计。让我们把它翻三倍，得到100。对于H1来说，一周内有118个观测值。最有可能的是，H1的新一周会带来新的问题。就这样了。

现在我们做一个单步预测。 例如，我们在最后3个点上画一条直线并向前延伸。

现在。让我们承认，这种预测是由一个随机变量 表示的。 由此可见，这一预测的计算是有误差的。而这个错误是问题的根源。如果它的摩尔和伏尔至少是一个常数，那是一回事。或者说，如果它不是很好，可以用传播来代替，那也没什么。但问题是错误。

而且，上帝保佑，预测误差看起来像这样。

而现在我们面临的任务是从我们有限的样本中获得误差的静止特征。

我想是的。

1...202122232425262728293031323334...46
新评论