Índice Hearst - página 25
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
Obtención de un curioso gráfico resumen de las tres magnitudes medidas:
Podemos ver que los resultados reales, aunque por su naturaleza tienden a la inflexión después de 1,8 - 1,9, pueden ser muy bien aproximados por un gráfico de un paseo aleatorio de un valor normalmente distribuido. Al mismo tiempo, el trazado de la rampa en sí es prácticamente una línea recta ideal sin torceduras visibles (buen resultado). En comparación con el cálculo de referencia de Peters, el valor de Hurst está subestimado en aproximadamente 0,10 y asciende a 0,68 en su punto máximo frente a 0,78 para Peters. Al mismo tiempo, el carácter de la pendiente de las líneas después de la inflexión (momento de la pérdida de memoria) es más similar entre sí.
Por el momento, los resultados son todavía muy diferentes de los anunciados por Peters y es demasiado pronto para hablar de una identificación estable de las series no aleatorias mediante este indicador.
P.D. La dificultad también radica en que tenemos que trabajar con valores muy pequeños. Las desviaciones insignificantes de varios porcentajes dan ángulos de inclinación muy diferentes. Medio paso a la izquierda, medio paso a la derecha... y la serie ya es indistinguible del vagabundeo aleatorio.
P.D. Otra dificultad es que hay que trabajar con valores muy pequeños. Pequeñas desviaciones de unos pocos porcentajes dan ángulos de inclinación muy diferentes. Medio paso a la izquierda, medio paso a la derecha... y la fila ya es indistinguible de un vagabundeo aleatorio.
Hay que considerar el error y la corrección de la aplicación al mercado de Hearst.
Toda la conclusión parte de la conocida fórmula de Einstein para la SB, que dice que la desviación media de una partícula errante respecto al origen aumenta en proporción directa a la raíz del tiempo. Si por cada tacto de tiempo una partícula se mueve +1/-1, entonces R=SQRT(N), donde N actúa como tiempo, o número de incrementos. Pero, de hecho, raramente tratamos con procesos con dos incrementos discretos +1 y -1 y se deduce, que en el caso general R=sko*SQRT(N), que tiene sentido si la distribución tiene sko=constante, es decir, la distribución es estacionaria. Por tanto, R/sko=N^0,5 para el paseo aleatorio. A continuación, se sustituye la variable por 0,5 y se calcula mediante logaritmos. Para utilizar el incremento acumulado en lugar del incremento medio (porque se necesitan muchas más estadísticas para el incremento medio) también se introduce un factor de corrección empírico. El valor del índice de Hurst para los datos del mercado es muy cuestionable, porque la distribución no es estacionaria y cambia rápidamente y depende de sus valores anteriores. No existe ninguna base teórica para la validez de utilizar este indicador para datos no estacionarios. Es decir, se puede aplicar, pero los resultados son de confianza :)
Sigue habiendo un problema con el error y la corrección de la aplicación al mercado de Hearst en general.
Toda la conclusión parte de la conocida fórmula de Einstein para el SB, que dice que la desviación media de una partícula perdida respecto al origen aumenta en proporción directa a la raíz del tiempo. Si por cada tacto de tiempo una partícula se mueve +1/-1, entonces R=SQRT(N), donde N actúa como tiempo, o número de incrementos. Pero, de hecho, raramente tratamos con procesos con dos incrementos discretos +1 y -1 y se deduce, que en el caso general R=sko*SQRT(N), que tiene sentido si la distribución tiene sko=constante, es decir, la distribución es estacionaria. Por tanto, R/sko=N^0,5 para el paseo aleatorio. A continuación, se sustituye la variable por 0,5 y se calcula mediante logaritmos. Para utilizar el incremento acumulado en lugar del incremento medio (porque se necesitan muchas más estadísticas para el incremento medio) también se introduce un factor de corrección empírico. El valor del índice de Hurst para los datos del mercado es muy cuestionable, ya que la distribución no es estacionaria y cambia rápidamente y depende de sus valores anteriores. No existe ninguna base teórica para la validez de utilizar este indicador para datos no estacionarios. Es decir, se puede aplicar, pero los resultados son de confianza :)
La estadística de Hurst está diseñada de tal manera que ni el tipo de distribución, ni su no estacionariedad, pueden confundirla. Al menos eso es lo que dice el propio Peters. Por el contrario, se puede utilizar para determinar de forma fiable si la serie estudiada es estacionaria o no, si los incrementos de la misma son dependientes entre sí (el efecto memoria), para calcular la duración del ciclo del proceso estudiado (creo que no es necesario explicar por qué) y para determinar si la serie es tendencial o contratendencial. Una pega: es extremadamente difícil repetir los resultados de Peters, y hasta ahora no sé por qué es así. En cuanto al s.c.o. - está aquí sólo para la normalización del diferencial, para que se puedan comparar series de diferentes sistemas no comparables.
El archivo no se pega. Será mejor que lo leas.
OLGA STANISLAVOVNA GULYAEVA
GESTIÓN DEL RIESGO CAMBIARIO A PARTIR DE MÉTODOS FRACTALES DE ANÁLISIS DE PREDICCIÓN DE TIPOS DE CAMBIO
Búscalo en Google. Es más fácil. Tal vez alguien haga un indicador.
El archivo no se pega. Será mejor que lo leas.
OLGA STANISLAVOVNA GULYAEVA
GESTIÓN DEL RIESGO DE DIVISAS SOBRE LA BASE DE MÉTODOS FRACTALES DE ANÁLISIS DE PREDICCIÓN DE LOS TIPOS DE CAMBIO
Búscalo en Google. Es más fácil. Tal vez alguien haga un indicador.
Tal vez alguien... Y, en mi opinión, estás haciendo spam con la compra no sólo de una disertación, sino también de un resumen (completo caos) de un autor desconocido sobre un tema dudoso.
Durante algún tiempo tuve que distraerme con otras preocupaciones - mi hija tenía 18 años - no tenía tiempo para los fractales ;))).
Pero ese cambio -es la primera vez que lo noto- me llevó a una visión clara del problema fractal aún no resuelto.
Bueno, en cuanto entre en razón, vamos a solucionar este problema ;)
tara:
Вы спаммите покупку не только диссертации, но и автореферата (полный беспредел) никому не известного автора на сомнительную тему.
Deberías aprender a utilizar Internet. Luego léelo y saca conclusiones. Mientras tanto, está escarbando en los manuscritos de .....Newton.
Sigue habiendo un problema con el error y la corrección de la aplicación al mercado de Hearst en general.
Toda la conclusión parte de la conocida fórmula de Einstein para la SB, que dice que la desviación media de una partícula perdida desde el origen aumenta en proporción directa a la raíz del tiempo. Si por cada tacto de tiempo una partícula se mueve +1/-1, entonces R=SQRT(N), donde N actúa como tiempo, o número de incrementos. Pero, de hecho, raramente tratamos con procesos con dos incrementos discretos +1 y -1 y se deduce, que en el caso general R=sko*SQRT(N), que tiene sentido si la distribución tiene sko=constante, es decir, la distribución es estacionaria. Por lo tanto, R/sko=N^0,5 para el paseo aleatorio. A continuación, se sustituye la variable por 0,5 y se calcula mediante logaritmos. Para utilizar el incremento acumulado en lugar del incremento medio (porque se necesitan muchas más estadísticas para el incremento medio) también se introduce un factor de corrección empírico. El valor del índice de Hurst para los datos del mercado es muy cuestionable, ya que la distribución no es estacionaria y cambia rápidamente y depende de sus valores anteriores. No existe ninguna base teórica para la validez de utilizar este indicador para datos no estacionarios. Es decir, se puede aplicar, pero los resultados son de confianza :)
He reflexionado durante mucho tiempo sobre lo que has dicho: todas son observaciones serias y valiosas. Pero debes estar de acuerdo, que para comprobar todo esto, en primer lugar, se requiere una metodología verificada de cálculos, en segundo lugar, se requiere algunos experimentos que realmente demuestren las afirmaciones y cálculos teóricos. Además, el experimento ayudará a ajustar los métodos de cálculo y a sincronizarlos con los cálculos teóricos (si es que esto es posible). Sólo entonces será posible juzgar de forma fiable si el método es adecuado para el análisis de series financieras reales. Debo admitir que tengo tantas dudas como usted. Pero la única manera de responder a todas estas preguntas es trabajar en el tema.
Teniendo esto en cuenta, empezaré por lo más básico, es decir, la fórmula de Einstein para SB R=SQRT(N):
1.0 Generaré una SB pura normalmente distribuida +1/-1 sin ningún efecto AR o agrupación de volatilidad.
1.2 Voy a probar la hipótesis de R=SQRT(N). Si hay algunas desviaciones, lo más probable es que se trate del algoritmo de generación del PRNG. Podemos probarlo con números de random.org. Lo principal es que en esta etapa, la más baja, tenemos que tener un SB superfiable que sea 100% consistente con la teoría.
1.3 Comprobación de la SB generada por Hearst. Este es un momento especial, muy importante. Aquí debería pasar el SB, por lo que podría ser permitido a las formaciones más complejas.
1.4 Generación de SB con distribuciones Paretto-Levy, basadas en la volatilidad de los instrumentos reales. Teóricamente, Hurst debería mostrar lo mismo que antes, en una distribución normal. Si no es así, debemos analizar por qué ocurre y si tiene sentido seguir investigando.
1.5 Añadir efectos AR a la SB. Debemos estudiar detenidamente cómo las dependencias lineales a corto plazo pueden distorsionar (en teoría distorsionar) las lecturas de los indicadores, y cómo contabilizar adecuadamente estos efectos, etc.
1.6 Paralelamente, me gustaría desarrollar el tema cíclico y experimentar con primitivas artificiales como y=Cos(x) y una función de Weierstrass más compleja. En teoría, la estadística V debería determinar correctamente la duración de los ciclos en estos procesos.
2.1 Si se supera la primera etapa, se puede permitir que el método fractal trabaje con series financieras reales. En esta fase ya estaremos absolutamente seguros de la corrección de los métodos que proporciona y, por tanto, será posible interpretar correctamente los resultados.
P.S. Hay que tener en cuenta que la mayoría de los indicadores TA, como el RSI o el MA, no pasan ni siquiera la primera prueba en el SB. El RSI, por ejemplo, mostrará zonas de sobrecompra y sobreventa, y la SMA cambiará su dirección.
P.P.S. Me pregunto si el tiempo durante el cual el RSI estará en la zona de sobrecompra y sobreventa para la SB será aproximadamente igual al tiempo para las series financieras reales o no.
Aun así, lo que me fascina de todo este tema es que la estadística fractal se posiciona como un método fiable para separar la paja (SB) de los granos (mercados reales). A simple vista, los gráficos de la SB y de los mercados son indistinguibles, todos aparecen en el análisis técnico, y todos los indicadores TA funcionan tanto en la SB como en los mercados reales. Entonces, si aparece un patrón donde no puede ocurrir a priori, ¿puede significar algo?
El archivo no se pega. Será mejor que lo leas.
OLGA STANISLAVOVNA GULYAEVA
GESTIÓN DEL RIESGO DE DIVISAS SOBRE LA BASE DE MÉTODOS FRACTALES DE ANÁLISIS DE PREDICCIÓN DE LOS TIPOS DE CAMBIO
Búscalo en Google. Es más fácil. Tal vez alguien haga un indicador.
Sí, lo he buscado. Hay un método ligeramente diferente. Pero hasta ahora me interesa más no la forma de contar (eso se sabe), sino la representatividad de los resultados y cómo conciliar la teoría con la práctica.