Índice Hearst - página 6
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
¡¡¡Hola!!!
¿Pueden decirme si es posible implementar este algoritmo en C++?
la cosa es que tengo un trabajo trimestral sobre este tema....
Sí, es cierto.
Se puede demostrar que existe una relación inequívoca entre el índice de Hurst y el coeficiente de autocorrelación. Aquí es lo mismo: <0 - táctica de retroceso, >0 - tendencia.
La figura de Hearst es buena, pero hay que tener mucho cuidado con ella. En su esencia, muestra la dinámica del comportamiento de los incrementos de la serie analizada. En un caso, el "vector general" de incrementos es unidireccional y es probable que la serie se aleje de su media actual; en otro caso, por el contrario, los incrementos son tales que la serie tenderá hacia su media; en el tercer caso, los incrementos son absolutamente aleatorios y la serie no es predecible. No dice nada sobre la dirección de la serie, la probabilidad con la que irá a alguna parte, cuánto tiempo "irá a alguna parte" y dónde está su media.
a Neutrón
Можно показать, что существует однозначная связь, между показателем Херста и коэффициентом автокорреляции. Тут всё так же: <0 - тактика откатная, >0 - трендовая.
¿Hearst es menos que cero? Y, curiosamente, cuál es su relación con el coeficiente de autocorrelación?????
¡Tú mismo eres más que cero!
Me refería al coeficiente de autocorrelación r en la serie de la primera diferencia de la PA inicial, es cierto para ella, no para Hearst: r<0 - retroceso táctico, r>0 - tendencia. En cuanto a la relación que te interesa, puedes obtenerla por ti mismo considerando el coeficiente de difusión para el movimiento browniano unidimensional y relacionándolo al principio con el índice de Hurst, y luego con el coeficiente de autocorrelación. ¡Su calificación para este problema es suficiente!
¿Es justo decir que si una serie de cotizaciones tiene un valor de Hyst muy inferior a 0,5, entonces la táctica de abrir posiciones contra los valores atípicos será efectiva, asumiendo una alta probabilidad de volver a la media? Y viceversa, si H es considerablemente superior a 0,5, ¿habría que utilizar una táctica de tendencia?
>> Es justo.
¡Tú mismo eres más que cero!
Me refería al coeficiente de autocorrelación r en la serie de la primera diferencia de la PA inicial, es cierto para ella, no para Hearst: r<0 - retroceso táctico, r>0 - tendencia. En cuanto a la relación que te interesa, puedes obtenerla por ti mismo considerando el coeficiente de difusión para el movimiento browniano unidimensional y relacionándolo al principio con el índice de Hurst, y luego con el coeficiente de autocorrelación. Su calificación para este problema es lo suficientemente buena.
https://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D1%8F
el coeficiente de correlación que conozco es un número.
El coeficiente de autocorrelación es una función del desplazamiento temporal https://www.mql5.com/ru/code/8295
¿Qué es el coeficiente de autocorrelación? ¿Cómo se calcula?
Sólo empezaremos a entendernos cuando definamos claramente los términos, demos su definición precisa e inequívoca en palabras y como fórmula. Si no lo hacemos, nada funcionará. Esto es lo que ocurre mes tras mes con la búsqueda de la mítica "tendencia" y "piso". Cada uno tiene una diferente, porque no hay una definición clara e inequívoca.
¡¡¡Eres más grande que cero!!!
¡Sólo me estás halagando! :о)))
Me refería al coeficiente de autocorrelación r en la serie de la primera diferencia de la PA inicial, es cierto para ella, no para Hirst: r<0 - retroceso táctico, r>0 - tendencia. Y la relación que te interesa, la puedes obtener por tu cuenta, examinando el coeficiente de difusión para el movimiento browniano unidimensional y relacionándolo al principio con el exponente de Hurst, y luego con el coeficiente de autocorrelación. Su calificación para este problema es suficiente.
¿Y cuál es la conexión con Hearst, matemático?
https://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D1%8F
el coeficiente de correlación que conozco es un número
el coeficiente de autocorrelación es una función del desplazamiento temporal https://www.mql5.com/ru/code/8295
¿Qué es el coeficiente de autocorrelación? ¿Cómo se calcula?
Sólo empezaremos a entendernos cuando definamos claramente los términos, demos su definición precisa e inequívoca en palabras y como fórmula. Si no lo hacemos, nada funcionará. Esto es lo que ocurre mes tras mes con la búsqueda de la mítica "tendencia" y "piso". Cada uno tiene su propia tendencia, porque no hay una definición clara e inequívoca.
Sergey, mira aquí (el puesto más alto).
Sergei, echa un vistazo aquí (puesto superior).
Mirado. Es 25 otra vez. Es un correlograma, es una función. Una función se convierte en un número, sólo en un determinado valor del argumento.
"En el análisis de series temporales, un correlograma, también conocido como gráfico de autocorrelación, es un gráfico de las autocorrelaciones de una muestra, a partir de h (desfase temporal). "
¡¡¡esto es lo que parece 'función de autocorrelación' es un gráfico !!!
Ahora bien, ¿qué obtiene el gráfico (función) en comparación con un número? así que es?
O tal vez sólo hay que comparar no una función sino un número con un número.
¡¡¡El índice Hearst es un número y debe ser comparado con un número !!!
Z.I. El correlograma y el ACF son esencialmente un conjunto de coeficientes de autocorrelación. Utiliza un único número "coeficiente de autocorrelación (uno)". Así que quería averiguar qué es, qué crees que es, a qué valor del argumento, la función de autocorrelación se convierte en un coeficiente de autocorrelación. Algunos fijan el ACF en 0,707, otros a través de la integral - esto es importante para otro problema. Determinar el intervalo de tiempo durante el cual un proceso está correlacionado consigo mismo. (Para los comerciantes, es el tiempo durante el cual el proceso observado conserva sus características de movimiento).