Índice Hearst - página 36
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
He leído sobre todo disertaciones sobre el tema. Y el cálculo se toma de http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963
Un tema muy interesante. Espero conocer el resultado en el futuro.
Como contribución al desarrollo del tema.
Para aplicar el índice de Hearst se utilizan los modelos integrados fraccionarios FARIMA. Para estos modelos existe un código preparado para la estimación de los parámetros. Excel no es el paquete adecuado para discutir. Desgraciadamente, los algoritmos están implementados en R, un sistema de programación muy bastardo. Tal vez se apliquen en otro lugar. Busque FARIMA y la memoria de larga duración. En el archivo adjunto he adjuntado las instrucciones de R sobre cómo utilizar los modelos FARIMA. Aquí puede encontrar mucha literatura a muy bajo costo. Búsqueda por series temporales y R. Muchos libros muy buenos.
Buena suerte. Espero que publiques el resultado en el foro, o al menos en persona.
El cero del archivo en la columna D no funciona debido a errores en las fórmulas. La primera está en la celda D87, y hay una docena más en el texto. Vuelve a bloquear esta columna, el resto parece correcto (aunque comprueba también el cálculo del valor eficaz).
Sobre el resto. El coeficiente de Hurst es, en general, una característica integral, es decir, caracteriza la variable aleatoria durante todo el período de medición, y no un punto de su serie de realización. Por lo tanto, en la práctica, no podemos decir "hemos calculado H", la forma correcta sería "hemos estimado H". Esto no es esnobismo, lo que quiero decir es que nunca se sabrá con exactitud cuál era el valor de Hearst de una cantidad, ya que esta información sólo la tiene Dios, pero sólo se puede estimar su valor con cierto grado de certeza, y cuantas más observaciones se tengan, más precisa será la estimación. De ahí la respuesta a tu pregunta: romper la serie en periodos o no depende de si quieres estimar el exponente H para toda la serie o para alguna de sus partes (nadie nos ha dicho que sea constante en el tiempo, ¿verdad?). Se puede tomar simplemente como N el número de observaciones de la muestra.
He leído sobre todo disertaciones sobre el tema. Y el cálculo es http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963
Este trabajo de Eric Nyman (2010), que a su vez fue escrito a partir de un libro de Adgar Peters (1990), que tomó este método de los trabajos de Mandelbort (1960-70), que describió por primera vez un método inventado por Harold Edwin Hirst, de 70 años, en el lejano 1951. Todo esto significa que cuando se le pregunte por la novedad del tema propuesto en el consejo de la disertación, debe imaginar que el viejo Edwin del siglo XIX es un innovador de la geometría fractal:)
Pero en serio, el método se desarrolló, como se ha visto anteriormente, para un proceso específico y muy anormal: el derrame del Nilo. En la imagen siguiente, es evidente la desproporción de la extensión del derrame con respecto a la tendencia general o la expectativa matemática. Así, para un proceso concreto -el derrame del Nilo- este método es bueno y funciona, pero para los mercados financieros, tal y como Mandelbort ha intentado presentarlo, ya no es suficiente. En cualquier circunstancia y en cualquier mercado, incluido el SB, su cálculo mostrará un valor de aproximadamente 0,54. Necesitas otros métodos más precisos. Y en cuanto se escribe una tesis, no se puede prescindir de la media móvil autorregresiva integrada fraccional FARIMA, y sólo está disponible en paquetes estadísticos especializados. H puede ser fijado arbitrariamente allí. Pero esto no resuelve el problema, porque para al menos ajustar el mercado al modelo, hay que calcular su H, y ¿cómo hacerlo si el método más sencillo y común no funciona? Hay otras obras sobre este tema, obras de Pastukhov y Shiryaev. Míralos. Son más científicos y más adecuados para una disertación, pero que sean más precisos es una cuestión. También hay un hilo relacionado con el mismo tema, mira aquí.
Bueno, no del siglo XIX, sino del XX.
Oh, una mierda este Hearst realmente. Exactamente alsu dice que es algo integral.
Bueno, no es el XIX, es el XX.
Hearst es realmente una basura. Exactamente alsu dice que es algo integral.
Es más bien así: H se refiere más al entorno externo (su "viscosidad", "elasticidad", etc.) que al propio sistema. Si se traslada a un instrumento de mercado específico, aquí H es una característica cuantitativa del fondo externo (fundamental, como solíamos decir): la movilidad de las ideas, las acciones típicas de los respectivos bancos centrales, el "temperamento" de los operadores, etc. (compare el comportamiento del euro y el yen, por ejemplo), mientras que los pares de divisas en sí mismos, en términos de modelo interno, no difieren (los principios y las reglas de realización de las transacciones son los mismos para todos los instrumentos).
Es más bien así: H es más una característica del entorno externo (su "viscosidad", "elasticidad", etc.) que del propio sistema. Si se traslada a un instrumento de mercado específico, aquí H es una característica cuantitativa del fondo externo (fundamental, como solíamos decir): la movilidad de las ideas, las acciones típicas de los respectivos bancos centrales, el "temperamento" de los operadores, etc. (comparar el comportamiento del euro y el yen, por ejemplo), mientras que los pares de divisas en sí mismos en términos de modelo interno no difieren (los principios y las reglas de realización de las transacciones son los mismos para todos los instrumentos).
Si nos fijamos en "H es más característico del entorno externo", debemos prestar atención a los términos ingleses utilizados en relación con Hirst. A continuación, una copia pegada de la monografía de BP:
establecer la geometría fractal como objeto de estudio.
Tenga en cuenta estas palabras
Algunas series temporales presentan correlaciones muy marcadas con rezagos elevados
И
muestra que la memoria larga
Intenté averiguar: ¿qué es la memoria larga? Resulta que hay autocorrelaciones en más de 40 observaciones. Pero, entre comillas, una correlación tan larga de un signo es extremadamente rara. En cualquier caso, después de pasar una hora, no lo encontré.
Un gran número de personas intenta utilizar el índice de Hurst. Ni una sola vez he visto un resultado positivo. Tal vez deberías encontrar primero a los cotizantes. ¿En qué memoria larga?
Un gran número de personas intenta utilizar el índice Hearst. Nunca he visto un resultado positivo. Tal vez tengamos que encontrar primero los cocientes. ¿En qué memoria larga?
La memoria larga significa que H para un valor dado es significativamente diferente de 0,5, lo que por supuesto no es el caso en los cocientes. Los intentos de utilizarlo en este ámbito fracasan principalmente porque H es muy difícil de estimar de forma fiable en una muestra pequeña, por lo que no se puede confiar en los resultados de 100 e incluso 1000 velas. Y en los intervalos más grandes, H está bastante cerca de la mitad, es decir, da una información bastante pequeña (útil) sobre el comportamiento de los precios, al menos una información que permitiría superar el diferencial.
La memoria larga significa que H para un valor dado es significativamente diferente de 0,5, lo que por supuesto no es el caso en los cocientes. Los intentos de utilizarlo en este ámbito fracasan principalmente porque H es muy difícil de estimar de forma fiable en una muestra pequeña, por lo que no se puede confiar en los resultados de 100 e incluso 1000 velas. Y en los intervalos más grandes, H está bastante cerca de la mitad, es decir, da una información bastante pequeña (útil) sobre el comportamiento de los precios, al menos una información que permitiría superar el diferencial.
Para mí, la anchura de la ventana es bastante importante.
A una anchura de ventana de unos cientos de observaciones, empieza a funcionar el teorema del límite, que da una temperatura media que empieza a moverse hacia su mo muy rápidamente. ¿Y qué se necesita para predecir, de hecho, el siguiente bar?
En mis CTs siempre intento encontrar el ancho de ventana óptimo. Varía entre 30-70 observaciones (para H1). Después de 118 (una semana en H1) el panorama cambia bruscamente. Por eso he empezado a pensar en el término "memoria larga".
ZS. En la literatura sobre modelos integrados fraccionalmente, suelen escribir memoria larga, y en la introducción "Hurst, fractales, colas gruesas".