Discusión sobre el artículo "Cálculo del coeficiente de Hurst" - página 3

Nuevo comentario
 
СанСаныч Фоменко:

Por ejemplo, el paquete FGN con la función HurstK(z), que produce una estimación no paramétrica del coeficiente de Hurst que da un valor mucho más exacto.

Sustituya la frase"coeficiente de Hurst" en la frase resaltada por "coeficientede correlación de Pearson" y, por ejemplo,"coeficiente de correlación de Pearson". por ejemplo, por "Coeficiente de Correlación de Pearson" y entonces, tal vez, sentirá lo absurdo de la afirmación resaltada.
 
fxsaber:
Por ejemplo, sustituya la frase "coeficiente de Hurst" de la frase resaltada por "coeficiente de correlación de Pearson" y entonces quizá sienta lo ridículo de la afirmación resaltada. Por ejemplo, sustituya la frase "coeficiente de Hirst" por "coeficiente de correlación de Pearson" y entonces tal vez sienta lo ridículo de la afirmación resaltada.

No voy a fundamentarlo, ya que todos mis mensajes iban dirigidos al autor del artículo.

Miré su perfil y mi impresión es que el hombre tiende a proporcionar un cierto nivel de su razonamiento y acciones. En el ejemplo del cálculo de Hirst traté de transmitir al autor del artículo que el nivel del artículo se puede proporcionar SÓLO teniendo en cuenta los resultados ya disponibles en el campo pertinente. Y este nivel, el punto de referencia, la estufa desde la que se baila, es exactamente lo que da R. Es posible tomar otro sistema, por ejemplo, Python, otros paid..... Pero en cualquier caso no se debe pretender que esta es la primera palabra sobre el tema en este artículo.

Yo no estaba interesado en todo lo demás.

 
СанСаныч Фоменко:

No voy a fundamentarlo, ya que todos mis mensajes iban dirigidos en realidad al autor del artículo.

Lea mi comentario anterior. Si se inserta Pearson en la frase, se vuelve ridícula por alguna razón. Si ponemos Hearst en ella, no lo hace. ¿Qué tiene eso que ver?

Aparentemente es porque Pearson es un claro algoritmo de cálculo. Y Hearst es igual de cursi.

Está Hearst-DmitriyPiskarev, está Hearst-R y hay muchos otros. Lo curioso es que es imposible compararlos, porque no puede haber un criterio de comparación cuando no hay una definición clara.

Por eso tiene gracia oír decir que una variante de Hirst es más precisa que otra. Son simplemente valores diferentes, que por un percance histórico la gente llama lo mismo: Hearst.

 
El artículo es interesante, aunque sólo sea por la sencilla razón de que hay muy poca información sobre este tema. Pero, por desgracia, el vector de investigación del autor se eligió de forma incorrecta. En particular, se describe en detalle el llamado método R/S, que es tan denso y burdo en lo que respecta a la estimación de H que ni siquiera es serio hablar de él. Experimento sencillo, intente calcular H sobre el ruido blanco generado preintegrándolo en el paseo aleatorio I(1). Obtendrá las mismas cifras en torno a 0,54-0,58. Es decir, R/S no es realmente aplicable a procesos cuyas características se aproximan al paseo aleatorio, que son todos los mercados. Por supuesto, en algunos vertidos del Nilo en los que H es superior a 0,7 R/S mostrará algo, pero no en los mercados reales.
 
fxsaber:

Lee mi comentario anterior. Si ponemos Pearson en una frase, se vuelve ridícula por alguna razón. Y si ponemos Hearst, no. ¿Qué tiene eso que ver?

Aparentemente es porque Pearson es un claro algoritmo de cálculo. Y Hearst es igual de cursi.

Hay Hearst-DmitriyPiskarev, hay Hearst-R y hay muchos otros. Lo curioso es que es imposible compararlos, porque no puede haber criterio de comparación cuando no hay una definición clara.

Por eso es gracioso oír decir que una variante de Hirst es más precisa que otra. Simplemente son valores diferentes que por un percance histórico la gente llama lo mismo, Hearst.

Estoy absolutamente de acuerdo contigo en que lo de Hirst es extremadamente impreciso tanto en el algoritmo de cálculo como en la interpretación

Estoy escribiendo sobre algo completamente diferente: si una persona da un algoritmo, debe justificar este algoritmo. Un código que implemente un algoritmo incorrecto también será incorrecto.

Si nos fijamos específicamente en el algoritmo dado en el artículo, utiliza la regresión lineal estimada por MNC. Este trozo del artículo no tiene ninguna relación con la realidad, porque la estimación de coeficientes de regresión lineal por ISC es una EVALUACIÓN de dos variables aleatorias: desplazamiento "a" y ángulo de pendiente "b". Si el autor hubiera utilizado, por ejemplo, la función lm() de R, habría visto cosas sorprendentes, que no necesariamente el valor de "b", que él considera como el valor del coeficiente de Hurst, existe sobre el papel, pero en realidad puede no existir en absoluto, porque la función lm() estándar, además del propio valor de "b", da su varianza y el nivel de confianza de este valor. Muy a menudo, cuando se utiliza la regresión lineal, el nivel de confianza es muy inferior al 90%.

He aquí un ejemplo de una tabla de estimación de regresión lineal estándar con muchas variables

Coefficients: (5 not defined because of singularities)
                    Estimate Std. Error z value      Pr(>|z|)    
(Intercept)       -338.88337  152.55692  -2.221      0.026327 *  
rsi_eurusd           0.01237    0.01363   0.908      0.363934    
macd_eurusd         13.94972    4.36041   3.199      0.001378 **
trix_eurusd       -741.34816  148.31309  -4.999 0.00000057768 ***
sig_eurusd        1118.41702  212.31435   5.268 0.00000013811 ***
trix_eurusd_trend         NA         NA      NA            NA    
trix_gbpusd        407.84268  131.29586   3.106      0.001895 **
sig_gbpusd        -918.57282  202.12341  -4.545 0.00000550361 ***
trix_gbpusd_trend         NA         NA      NA            NA    
trix_eurgbp        264.59572  115.74195   2.286      0.022249 *  
sig_eurgbp        -795.43634  159.17763  -4.997 0.00000058180 ***
trix_eurgbp_trend         NA         NA      NA            NA    
trix_usdchf        -76.32606   27.15637  -2.811      0.004945 **
sig_usdchf          14.28410   31.35889   0.456      0.648747    
trix_usdjpy          5.42010    8.93393   0.607      0.544059    
sig_usdjpy          65.28629   11.08181   5.891 0.00000000383 ***
trix_usdjpy_trend         NA         NA      NA            NA    
trix_usdcad         32.76774   21.62655   1.515      0.129731    
sig_usdcad         -25.12268   25.27109  -0.994      0.320161    
trix_usdcad_trend         NA         NA      NA            NA    
fit.eurusd         -72.05260  149.20763  -0.483      0.629166    
fit.gbpusd        -304.38920  121.47457  -2.506      0.012218 *  
fit.eurgbp         253.58306  132.96820   1.907      0.056508 .  
fit.usdchf        -387.54743  100.37962  -3.861      0.000113 ***
fit.usdjpy           1.82458    0.41496   4.397 0.00001097684 ***
fit.usdcad        -133.88962   81.83316  -1.636      0.101813    
fit.eurusd.2        25.03730  160.94619   0.156      0.876377    
fit.gbpusd.2       423.37220  143.07774   2.959      0.003086 **
fit.eurgbp.2      -227.97261  192.34022  -1.185      0.235916    
fit.usdchf.2       426.74965  101.14174   4.219 0.00002450374 ***
fit.usdjpy.2        -2.15458    0.42133  -5.114 0.00000031587 ***
fit.usdcad.2       321.48459   86.36230   3.723      0.000197 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Sólo los valores marcados con asteriscos son fiables con el nivel de confianza especificado. El resto son sólo una ficción, la cifra está ahí, ¡pero en realidad no es así!

De eso se trata. Se trata de la precisión y la atención cuidadosa a cada resultado de los cálculos.

 
fxsaber:

Lee mi comentario anterior. Si ponemos Pearson en una frase, se vuelve ridícula por alguna razón. Y si ponemos Hearst, no. ¿Qué tiene eso que ver?

Aparentemente es porque Pearson es un claro algoritmo de cálculo. Y Hearst es igual de cursi.

Hay Hearst-DmitriyPiskarev, hay Hearst-R y hay muchos otros. Lo curioso es que es imposible compararlos, porque no puede haber criterio de comparación cuando no hay una definición clara.

Por eso tiene gracia oír decir que una variante de Hirst es más precisa que otra. Son simplemente valores diferentes, que por un percance histórico la gente llama lo mismo: Hirst.

Hirst no es un algoritmo de cálculo, es una característica del proceso. En consecuencia, esta característica se puede calcular de diferentes maneras. Por eso no tiene nada de especial. Lo principal es que el cálculo final coincida con otros algoritmos de cálculo generalmente reconocidos, de lo contrario el valor obtenido no será Hirst, sino otra cosa.
 

СанСаныч Фоменко:

Например,  пакет FGN с функция HurstK(z), в которой производится непараметрическая оценка коэффициента Херста, которая дает гораздо более точную величину.

fxsaber:
Sustituya la frase "coeficiente de Hurst" en la frase resaltada por "coeficiente de correlación de Pearson", por ejemplo, y entonces, quizás, sentirá lo absurdo de la afirmación resaltada. por ejemplo, por "coeficiente de correlación de Pearson" y entonces, tal vez, sentirá lo absurdo de la afirmación resaltada.
SanSanych tiene toda la razón. No entiendo por qué el método R/S se llama no paramétrico, aunque se basa en la desviación típica S, lo que incluso se refleja en su nombre.
 
СанСаныч Фоменко:

Estoy absolutamente de acuerdo contigo en que lo de Hirst es excepcionalmente vago tanto en lo que se refiere al algoritmo de cálculo como a la interpretación

Mi punto es bastante diferente: si uno da un algoritmo, debe justificar este algoritmo. Un código que implemente un algoritmo incorrecto también será incorrecto.

Si nos fijamos específicamente en el algoritmo dado en el artículo, utiliza la regresión lineal estimada por MNC. Este trozo del artículo no tiene ninguna relación con la realidad, porque la estimación de coeficientes de regresión lineal por ISC es una EVALUACIÓN de dos variables aleatorias: desplazamiento "a" y ángulo de pendiente "b". Si el autor hubiera utilizado, por ejemplo, la función lm() de R, habría visto cosas sorprendentes, que no necesariamente el valor de "b", que él considera como el valor del coeficiente de Hurst, existe sobre el papel, pero en realidad puede no existir en absoluto, porque la función lm() estándar, además del propio valor de "b", da su varianza y el nivel de confianza de este valor. Muy a menudo, cuando se utiliza la regresión lineal, el nivel de confianza es muy inferior al 90%.

He aquí un ejemplo de una tabla de estimación de regresión lineal estándar con muchas variables

Coefficients: (5 not defined because of singularities)
                    Estimate Std. Error z value      Pr(>|z|)    
(Intercept)       -338.88337  152.55692  -2.221      0.026327 *  
rsi_eurusd           0.01237    0.01363   0.908      0.363934    
macd_eurusd         13.94972    4.36041   3.199      0.001378 **
trix_eurusd       -741.34816  148.31309  -4.999 0.00000057768 ***
sig_eurusd        1118.41702  212.31435   5.268 0.00000013811 ***
trix_eurusd_trend         NA         NA      NA            NA    
trix_gbpusd        407.84268  131.29586   3.106      0.001895 **
sig_gbpusd        -918.57282  202.12341  -4.545 0.00000550361 ***
trix_gbpusd_trend         NA         NA      NA            NA    
trix_eurgbp        264.59572  115.74195   2.286      0.022249 *  
sig_eurgbp        -795.43634  159.17763  -4.997 0.00000058180 ***
trix_eurgbp_trend         NA         NA      NA            NA    
trix_usdchf        -76.32606   27.15637  -2.811      0.004945 **
sig_usdchf          14.28410   31.35889   0.456      0.648747    
trix_usdjpy          5.42010    8.93393   0.607      0.544059    
sig_usdjpy          65.28629   11.08181   5.891 0.00000000383 ***
trix_usdjpy_trend         NA         NA      NA            NA    
trix_usdcad         32.76774   21.62655   1.515      0.129731    
sig_usdcad         -25.12268   25.27109  -0.994      0.320161    
trix_usdcad_trend         NA         NA      NA            NA    
fit.eurusd         -72.05260  149.20763  -0.483      0.629166    
fit.gbpusd        -304.38920  121.47457  -2.506      0.012218 *  
fit.eurgbp         253.58306  132.96820   1.907      0.056508 .  
fit.usdchf        -387.54743  100.37962  -3.861      0.000113 ***
fit.usdjpy           1.82458    0.41496   4.397 0.00001097684 ***
fit.usdcad        -133.88962   81.83316  -1.636      0.101813    
fit.eurusd.2        25.03730  160.94619   0.156      0.876377    
fit.gbpusd.2       423.37220  143.07774   2.959      0.003086 **
fit.eurgbp.2      -227.97261  192.34022  -1.185      0.235916    
fit.usdchf.2       426.74965  101.14174   4.219 0.00002450374 ***
fit.usdjpy.2        -2.15458    0.42133  -5.114 0.00000031587 ***
fit.usdcad.2       321.48459   86.36230   3.723      0.000197 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Sólo los valores marcados con asteriscos son fiables con el nivel de confianza especificado. El resto son sólo una ficción, la cifra está ahí, ¡pero en realidad no es así!

De eso se trata. Se trata de la precisión y la atención cuidadosa a cada resultado de los cálculos.

Antes de sacar conclusiones, es necesario comprender a partir de qué datos se calcula la regresión.

San Sanych, lo siento, pero estás realmente harto de tus "juicios de experto". Por tu parte no se ve absolutamente nada, salvo la eterna pega de algún R. Al menos pon algo de código MQL en algún sitio para demostrar que entiendes algo.

 
En defensa de San Sanych puedo darles esta historia/ejemplo:
Un viejo profesor le dice a uno joven - si te parece que algún alumno siempre te está haciendo preguntas estúpidas y te molesta, piensa - tal vez este sea el único alumno de tu clase que te escucha atentamente.<br/ translate="no">
 
Dmitriy Piskarev:

Maxim, ¡gracias por tu comentario!

Sí, tienes razón, por supuesto el cálculo del coeficiente de Hurst es sólo una base para tener al menos una mínima idea sobre la aplicación de algún tipo de estadística matricial en el estudio de series temporales. Apoyo tu comentario y también creo que sería ingenuo y erróneo utilizar únicamente el análisis de coeficientes para predecir la dinámica del mercado. Por supuesto, es necesario construir una estrategia sobre la base de indicadores agregados y utilizando varios indicadores y fuentes.

En el próximo artículo definitivamente le mostraré mi correcta comprensión del análisis fractal.

Gracias de nuevo por su comentario.

P.D. Me pidieron hacer una revisión de las herramientas MT5 para este tipo de análisis. Aproveché la oportunidad para promocionarlo.

Super, estamos esperando... el tema necesita desarrollo )
12345
Nuevo comentario