赫斯特指数 - 页 27 1...202122232425262728293031323334...46 新评论 hrenfx 2012.03.30 06:56 #261 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。 VonDo Mix 2012.03.30 07:27 #262 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。 Hide 2012.03.30 07:34 #263 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。 Avals 2012.03.30 07:42 #264 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)。 Vasiliy Sokolov 2012.03.30 08:03 #265 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。 Vasiliy Sokolov 2012.03.30 08:17 #266 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。 Avals 2012.03.30 08:33 #267 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。 Hide 2012.03.30 10:41 #268 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。 Alexey Burnakov 2012.03.30 10:48 #269 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? СанСаныч Фоменко 2012.03.30 13:45 #270 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 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
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。
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。
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。
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)。
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。
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。
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。
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。
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。
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。
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。