Hearst-Index - Seite 25
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Sie haben eine merkwürdige zusammenfassende Grafik der drei gemessenen Größen erhalten:
Es zeigt sich, dass die realen Ergebnisse, obwohl sie von Natur aus zu einem Knick nach 1,8 - 1,9 tendieren, zu gut durch einen Graphen einer Zufallsbewegung eines normalverteilten Wertes angenähert werden können. Gleichzeitig ist die Rampenkurve selbst praktisch eine ideale gerade Linie ohne sichtbare Knicke (gutes Ergebnis). Verglichen mit der Benchmark-Berechnung von Peters wird der Hurst-Wert um etwa 0,10 unterschätzt und liegt in der Spitze bei 0,68 gegenüber 0,78 bei Peters. Gleichzeitig ist der Charakter der Steigung der Linien nach dem Wendepunkt (Moment des Gedächtnisverlustes) einander ähnlicher.
Derzeit weichen die Ergebnisse noch zu sehr von den von Peters angekündigten ab, und es ist noch zu früh, um von einer stabilen Identifizierung von Nicht-Zufallsreihen durch diesen Indikator zu sprechen.
P.S. Die Schwierigkeit liegt auch darin, dass wir mit sehr kleinen Werten arbeiten müssen. Geringfügige Abweichungen von einigen Prozenten ergeben sehr unterschiedliche Neigungswinkel. Ein halber Schritt nach links, ein halber Schritt nach rechts - und schon ist die Serie nicht mehr von einer zufälligen Wanderschaft zu unterscheiden.
P.S. Eine weitere Schwierigkeit besteht darin, dass man mit sehr kleinen Werten arbeiten muss. Winzige Abweichungen von ein paar Prozent ergeben sehr unterschiedliche Neigungswinkel. Ein halber Schritt nach links, ein halber Schritt nach rechts - und schon ist die Reihe von einer zufälligen Wanderung nicht mehr zu unterscheiden.
Der Irrtum und die Korrektheit der Anwendung auf den Hearst-Markt müssen geprüft werden.
Die gesamte Schlussfolgerung beginnt mit der bekannten Einsteinschen Formel für SB, die besagt, dass die mittlere Abweichung eines wandernden Teilchens vom Ursprung direkt proportional zur Wurzel aus der Zeit zunimmt. Wenn sich ein Teilchen pro Zeittakt um +1/-1 bewegt, dann ist R=SQRT(N), wobei N für die Zeit oder die Anzahl der Inkremente steht. Tatsächlich haben wir es aber selten mit Prozessen mit zwei diskreten Inkrementen +1 und -1 zu tun, und daraus folgt, dass im allgemeinen Fall R=sko*SQRT(N) ist, was Sinn hat, wenn die Verteilung sko=konstant ist, d.h. die Verteilung stationär ist. Daraus folgt R/sko=N^0,5 für Random Walk. Dann wird die Variable durch 0,5 ersetzt und durch Logarithmen berechnet. Um den kumulierten statt des durchschnittlichen Zuwachses zu verwenden (da für den durchschnittlichen Zuwachs viel mehr Statistiken benötigt werden), wird ein empirischer Korrekturfaktor eingeführt. Der Wert des Hurst-Index für Marktdaten ist äußerst fragwürdig, da die Verteilung nicht stationär ist, sich schnell ändert und von den vorherigen Werten abhängt. Es gibt keine theoretische Grundlage für die Gültigkeit der Verwendung dieses Indikators für nicht-stationäre Daten. D.h. es kann angewandt werden, aber den Ergebnissen kann vertraut werden :)
Es gibt immer noch ein Problem mit dem Fehler und der Korrektheit der Anwendung auf den Hearst-Markt im Allgemeinen.
Die gesamte Schlussfolgerung beginnt mit der bekannten Einstein-Formel für SB, die besagt, dass die mittlere Abweichung eines verirrten Teilchens vom Ursprung direkt proportional zur Wurzel aus der Zeit zunimmt. Wenn sich ein Teilchen pro Zeittakt um +1/-1 bewegt, dann ist R=SQRT(N), wobei N für die Zeit oder die Anzahl der Inkremente steht. Tatsächlich haben wir es aber selten mit Prozessen mit zwei diskreten Inkrementen +1 und -1 zu tun, und daraus folgt, dass im allgemeinen Fall R=sko*SQRT(N) ist, was Sinn hat, wenn die Verteilung sko=konstant ist, d.h. die Verteilung stationär ist. Daraus folgt R/sko=N^0,5 für Random Walk. Dann wird die Variable durch 0,5 ersetzt und durch Logarithmen berechnet. Um den kumulierten statt des durchschnittlichen Zuwachses zu verwenden (weil man für den durchschnittlichen Zuwachs viel mehr Statistiken benötigt), wird auch ein empirischer Korrekturfaktor eingeführt. Der Wert des Hurst-Index für Marktdaten ist äußerst fragwürdig, da die Verteilung nicht stationär ist, sich schnell ändert und von den vorherigen Werten abhängt. Es gibt keine theoretische Grundlage für die Gültigkeit der Verwendung dieses Indikators für nicht-stationäre Daten. D.h. es kann angewendet werden, aber den Ergebnissen kann man nicht trauen :)
Die Hurst-Statistik ist so konzipiert, dass weder die Art der Verteilung noch ihre Nicht-Stationarität sie verwirren können. Zumindest sagt Peters das selbst. Im Gegenteil, man kann damit zuverlässig feststellen, ob die untersuchte Reihe stationär ist oder nicht, ob die Inkremente in ihr voneinander abhängig sind (der Memory-Effekt), die Zykluslänge des untersuchten Prozesses berechnen (ich denke, es ist nicht notwendig zu erklären, warum) und feststellen, ob die Reihe trendmäßig oder gegenläufig ist. Ein Problem ist, dass es extrem schwierig ist, die Ergebnisse von Peters zu wiederholen, und bis jetzt weiß ich nicht, warum das so ist. Was den c.c.o. betrifft, so dient er nur der Normalisierung der Streuung, so dass man Reihen verschiedener nicht vergleichbarer Systeme vergleichen kann.
Die Datei wird nicht gespeichert. Sie sollten es lesen.
OLGA STANISLAVOVNA GULYAEVA
MANAGEMENT DES WÄHRUNGSRISIKOS AUF DER GRUNDLAGE FRAKTALER METHODEN DER ANALYSE VON WECHSELKURSVORHERSAGEN
Googeln Sie es. Es ist einfacher. Vielleicht wird jemand einen Indikator erstellen.
Die Datei wird nicht gespeichert. Sie sollten es lesen.
OLGA STANISLAVOVNA GULYAEVA
MANAGEMENT DES WÄHRUNGSRISIKOS AUF DER GRUNDLAGE FRAKTALER METHODEN DER ANALYSE VON WECHSELKURSVORHERSAGEN
Googeln Sie es. Es ist einfacher. Vielleicht wird jemand einen Indikator erstellen.
Vielleicht wird jemand ... Meines Erachtens werben Sie nicht nur für den Kauf einer Dissertation, sondern auch für den Kauf einer Zusammenfassung (völliges Chaos) eines unbekannten Autors zu einem zweifelhaften Thema.
Eine Zeit lang musste ich mich von anderen Dingen ablenken lassen - meine Tochter war 18 - ich hatte keine Zeit für Fraktale ;))).
Aber ein solcher Wechsel - das ist das erste Mal, dass ich ihn bemerke - führte zu einer klaren Vision des ungelösten, aber ungelösten fraktalen Problems.
Nun, sobald ich zur Vernunft gekommen bin, werden wir dieses Problem lösen ;)
tara:
Вы спаммите покупку не только диссертации, но и автореферата (полный беспредел) никому не известного автора на сомнительную тему.
Sie sollten lernen, wie man das Internet nutzt. Dann lesen Sie ihn und ziehen Sie Ihre Schlüsse. In der Zwischenzeit wühlen Sie sich durch die Manuskripte von .....Newton.
Es gibt immer noch ein Problem mit dem Fehler und der Korrektheit der Anwendung auf den Hearst-Markt im Allgemeinen.
Die gesamte Schlussfolgerung beginnt mit der bekannten Einstein-Formel für SB, die besagt, dass die mittlere Abweichung eines verirrten Teilchens vom Ursprung direkt proportional zur Wurzel aus der Zeit zunimmt. Wenn sich ein Teilchen pro Zeittakt um +1/-1 bewegt, dann ist R=SQRT(N), wobei N für die Zeit oder die Anzahl der Inkremente steht. Tatsächlich haben wir es aber selten mit Prozessen mit zwei diskreten Inkrementen +1 und -1 zu tun, und daraus folgt, dass im allgemeinen Fall R=sko*SQRT(N) ist, was Sinn hat, wenn die Verteilung sko=konstant ist, d.h. die Verteilung stationär ist. Daraus ergibt sich R/sko=N^0,5 für Random Walk. Dann wird die Variable durch 0,5 ersetzt und durch Logarithmen berechnet. Um den kumulierten statt des durchschnittlichen Zuwachses zu verwenden (weil man für den durchschnittlichen Zuwachs viel mehr Statistiken benötigt), wird auch ein empirischer Korrekturfaktor eingeführt. Der Wert des Hurst-Index für Marktdaten ist äußerst fragwürdig, da die Verteilung nicht stationär ist, sich schnell ändert und von den vorherigen Werten abhängt. Es gibt keine theoretische Grundlage für die Gültigkeit der Verwendung dieses Indikators für nicht-stationäre Daten. Das heißt, es kann angewendet werden, aber den Ergebnissen kann man nicht trauen :)
Ich habe lange darüber nachgedacht, was Sie gesagt haben - das sind alles ernsthafte und wertvolle Bemerkungen. Aber Sie müssen zustimmen, dass zur Überprüfung all dessen erstens eine überprüfte Berechnungsmethodik und zweitens einige Experimente erforderlich sind, die die theoretischen Aussagen und Berechnungen tatsächlich belegen. Außerdem wird das Experiment dazu beitragen, die Berechnungsmethoden anzupassen und sie mit den theoretischen Berechnungen abzugleichen (falls dies überhaupt möglich ist). Erst dann wird es möglich sein, zuverlässig zu beurteilen, ob die Methode für die Analyse realer Finanzreihen geeignet ist. Ich muss zugeben, dass ich genauso viele Zweifel habe wie Sie. Die einzige Möglichkeit, all diese Fragen zu beantworten, ist die Beschäftigung mit dem Thema.
In diesem Sinne beginne ich mit den Grundlagen, nämlich der Einsteinschen Formel für SB R=SQRT(N):
1.0 werde ich eine reine Normalverteilung SB +1/-1 ohne AR-Effekte oder Volatilitätsclusterung erzeugen.
1.2 Ich werde die Hypothese R=SQRT(N) testen. Wenn es zu Abweichungen kommt, dann liegt es höchstwahrscheinlich am PRNG-Generierungsalgorithmus. Wir können es mit Zahlen von random.org versuchen. Das Wichtigste ist, dass wir auf dieser untersten Stufe eine superzuverlässige SB haben müssen, die zu 100 % mit der Theorie übereinstimmt.
1.3 Hearst-Kontrolle der erzeugten SB. Dies ist ein besonderer, sehr wichtiger Moment. Hier sollte er die SB bestehen, damit er zu komplexeren Formationen zugelassen werden kann.
1.4 Generierung von SB mit Paretto-Levy-Verteilungen, basierend auf der Volatilität realer Instrumente. Theoretisch sollte Hurst bei einer Normalverteilung das gleiche Ergebnis wie zuvor zeigen. Wenn das nicht der Fall ist, sollten wir analysieren, warum das so ist und ob weitere Untersuchungen sinnvoll sind.
1.5 Hinzufügen von AR-Effekten zum SB. Wir müssen sorgfältig untersuchen, wie kurzfristige lineare Abhängigkeiten die Indikatorwerte verzerren (theoretisch verzerren) können und wie diese Effekte angemessen berücksichtigt werden können usw.
1.6 Parallel dazu möchte ich das Thema Zyklen weiterentwickeln und mit künstlichen Primitiven wie y=Cos(x) und komplexeren Weierstraß-Funktionen experimentieren. Theoretisch sollte die V-Statistik die Länge der Zyklen in diesen Prozessen korrekt bestimmen.
2.1 Wenn die erste Stufe bestanden ist, kann die Fraktalmethode auf reale Finanzreihen angewendet werden. In diesem Stadium werden wir bereits absolut sicher sein, dass die von ihr bereitgestellten Methoden korrekt sind, und daher wird es möglich sein, die Ergebnisse richtig zu interpretieren.
P.S. Es sei darauf hingewiesen, dass die meisten TA-Indikatoren, wie RSI oder MA, nicht einmal den allerersten Test auf dem SB bestehen werden. Der RSI beispielsweise zeigt überkaufte und überverkaufte Zonen an, und der SMA ändert seine Richtung.
P.P.S. Ich frage mich, ob die Zeit, in der sich der RSI in der überkauften und überverkauften Zone für die SB befindet, ungefähr der Zeit für reale Finanzreihen entspricht oder nicht?
Was mich jedoch an diesem Thema fasziniert, ist, dass die fraktale Statistik als zuverlässige Methode zur Trennung der Spreu (SB) von den Körnern (reale Märkte) dargestellt wird. Für das Auge sind die Charts der SB und der Märkte nicht zu unterscheiden, sie erscheinen alle in der technischen Analyse, und alle TA-Indikatoren funktionieren sowohl auf der SB als auch auf den realen Märkten. Wenn also ein Muster dort auftaucht, wo es a priori nicht vorkommen kann, kann das etwas bedeuten?
Die Datei wird nicht gespeichert. Sie sollten es lesen.
OLGA STANISLAVOVNA GULYAEVA
MANAGEMENT DES WÄHRUNGSRISIKOS AUF DER GRUNDLAGE FRAKTALER METHODEN DER ANALYSE VON WECHSELKURSVORHERSAGEN
Googeln Sie es. Es ist einfacher. Vielleicht wird jemand einen Indikator erstellen.
Ja, ich habe es nachgeschlagen. Dort gibt es eine etwas andere Methode. Aber bisher interessiert mich nicht, wie man zählt (das ist bekannt), sondern die Repräsentativität der Ergebnisse und wie man die Theorie mit der Praxis in Einklang bringt.