Index de Hearst - page 36

 
Je lis surtout des dissertations sur le sujet. Et le calcul est tiré de http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963
 
Rnita:
J'ai surtout lu des dissertations sur le sujet. Et le calcul est tiré de http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963

Un sujet très intéressant. J'espère pouvoir faire connaissance avec le résultat à l'avenir.

En tant que contribution au développement du sujet.

Les modèles à intégration fractionnelle FARIMA sont utilisés pour appliquer l'indice de Hearst. Pour ces modèles, il existe un code prêt à l'emploi pour l'estimation des paramètres. Excel n'est pas le bon paquet à discuter. Malheureusement, les algorithmes sont implémentés en R, un système de programmation très bâtard. Ils sont peut-être mis en œuvre ailleurs. Recherchez le FARIMA et la mémoire à long terme. Dans la pièce jointe, j'ai joint les instructions de R sur la façon d'utiliser les modèles FARIMA. Vous pouvez y trouver beaucoup de littérature pour un coût très faible. Recherche par séries chronologiques et R. Beaucoup de très bons livres.

Bonne chance. J'espère que vous posterez le résultat sur le forum, ou au moins en personne.

Dossiers :
fracdiff.zip  145 kb
 

Le zéro du fichier dans la colonne D ne fonctionne pas à cause d'erreurs dans les formules. Le premier est dans la cellule D87, et il y en a une douzaine d'autres dans le texte. Rebloquez cette colonne, le reste semble être correct (mais vérifiez aussi le calcul de la valeur efficace).

Pour le reste. Le coefficient de Hurst est généralement une caractéristique intégrale, c'est-à-dire qu'il caractérise la variable aléatoire pendant toute la période de mesure, plutôt qu'un point dans sa série de réalisation. Par conséquent, dans la pratique, nous ne pouvons pas dire "nous avons calculé H", le terme correct serait "nous avons estimé H". Ce n'est pas du snobisme, ce que je veux dire c'est que vous ne saurez jamais exactement quelle était la valeur de Hearst d'une quantité, car cette information n'est disponible que pour Dieu, mais vous pouvez seulement estimer sa valeur avec un certain degré de certitude, et plus vous avez d'observations, plus l'estimation sera précise. Ainsi, la réponse à votre question : diviser ou non la série en périodes dépend du fait que vous voulez estimer l'exposant H pour l'ensemble de la série ou pour certaines de ses parties (personne ne nous a dit qu'il était constant dans le temps, n'est-ce pas ?) Vous pouvez simplement prendre comme N le nombre d'observations dans votre échantillon.

 
Merci ! Je vais étudier et poster les résultats, mais le niveau risque d'être très bas, car le matériel est très difficile à comprendre dans le cerveau. J'accepte les critiques de manière adéquate ))))
 
Rnita:
J'ai surtout lu des dissertations sur le sujet. Et le calcul est http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963

Cet article d'Eric Nyman (2010), qui a lui-même été écrit à partir d'un livre d'Adgar Peters (1990), a repris cette méthode des travaux de Mandelbort (1960-70), qui a décrit pour la première fois une méthode inventée par un vieil homme, Harold Edwin Hirst, âgé de 70 ans, en 1951, pour un public de masse. Cela signifie que lorsqu'on vous demande de parler de la nouveauté du thème proposé dans le cadre d'un conseil sur les dissertations, vous devez imaginer que le vieil Edwin du XIXe siècle est un innovateur de la géométrie fractale :).

Mais sérieusement, la méthode a été développée, comme on l'a vu plus haut, pour un processus spécifique et hautement anormal - la marée noire du Nil. Dans l'image ci-dessous, la disproportion entre l'écart de déversement et la tendance générale ou l'espérance mathématique est évidente. Ainsi, pour un processus spécifique - la marée noire du Nil - cette méthode est bonne et fonctionne, mais pour les marchés financiers tels que Mandelbort a essayé de les présenter, elle n'est plus suffisante. En toute circonstance et sur n'importe quel marché, y compris le SB, votre calcul indiquera une valeur d'environ 0,54. Vous avez besoin d'autres méthodes, plus précises. Et dès que vous rédigez un mémoire, vous ne pouvez pas vous passer de la moyenne mobile autorégressive intégrée fractionnelle FARIMA, et elle n'est disponible que dans des progiciels statistiques spécialisés. H peut y être fixé arbitrairement. Mais cela ne résout pas le problème, car pour au moins adapter le marché au modèle, il faut calculer son H, et comment le faire si la méthode la plus simple et la plus courante ne fonctionne pas ? Il existe d'autres œuvres sur ce thème, des œuvres de Pastukhov et de Shiryaev. Regardez-les. Ils sont plus scientifiques et mieux adaptés à une dissertation, mais la question de savoir s'ils sont plus précis reste posée. Il y a aussi un fil de discussion sur le même sujet, regardez ici.

 
C-4: Lorsque, lors du conseil de thèse, on vous interrogera sur la nouveauté du thème proposé, vous devrez présenter le vieil Edwin du XIXe siècle comme un pionnier de la géométrie fractale :).

Eh bien, pas le dix-neuvième siècle, mais le vingtième.

Oh, des conneries ce Hearst vraiment. Exactement ce que dit Alsu, c'est quelque chose d'intégral.

 
Mathemat:

Eh bien, ce n'est pas XIX, c'est XX.

Hearst est vraiment nul. Exactement ce que dit Alsu, c'est quelque chose d'intégral.


C'est plutôt comme ça : H est davantage une caractéristique du milieu extérieur (sa "viscosité", son "élasticité", etc.) que du système lui-même. S'il est transféré à un instrument de marché spécifique, H est ici une caractéristique quantitative du contexte externe (fondamental, comme nous avions l'habitude de dire) : la mobilité des idées, les actions typiques des banques centrales respectives, le "tempérament" des traders, etc. (comparez le comportement de l'euro et du yen, par exemple), alors que les paires de devises elles-mêmes, en termes de modèle interne, ne diffèrent pas (les principes et les règles des transactions sont les mêmes pour tous les instruments).
 
alsu:

C'est plutôt comme ça : H est plus une caractéristique de l'environnement externe (sa "viscosité", son "élasticité", etc.) que du système lui-même. S'il est transféré à un instrument de marché spécifique, H est ici une caractéristique quantitative du contexte externe (fondamental, comme nous avions l'habitude de dire) : la mobilité des idées, les actions typiques des banques centrales respectives, le "tempérament" des traders, etc. (comparez le comportement de l'euro et du yen, par exemple), alors que les paires de devises elles-mêmes, en termes de modèle interne, ne diffèrent pas (les principes et les règles de réalisation des transactions sont les mêmes pour tous les instruments).

Si nous regardons " H est plus caractéristique de l'environnement externe ", nous devons faire attention aux termes anglais utilisés en rapport avec Hirst. Voici un copier-coller de la monographie de BP :

Certaines séries temporelles présentent des corrélations marquées à des retards élevés, et elles sont appelées
appelés processus à longue mémoire. La mémoire longue est une caractéristique de nombreux systèmes géophysiques.
des séries chronologiques. Les débits du Nil présentent des corrélations avec des décalages élevés,
et Hurst (1951) ont démontré que cela affectait la capacité de conception optimale.
d'un barrage. Mudelsee (2007) montre que la mémoire longue est une propriété hydrologique.
qui peuvent conduire à une sécheresse prolongée ou à un regroupement temporel de phénomènes extrêmes.
inondations. À une échelle assez différente, Leland et al. (1993) ont constaté qu'Ethernet
le trafic des réseaux locaux (LAN) semble être un phénomène statistiquement autosimilaire et un
processus à longue mémoire. Ils ont montré que la nature de la congestion produite par
Le trafic autosimilaire diffère radicalement de celui prédit par les modèles de trafic.
utilisé à l'époque. Mandelbrot et ses collègues ont étudié la relation entre
entre l'auto-similarité et la mémoire à long terme et a joué un rôle majeur dans

établir la géométrie fractale comme sujet d'étude.

Veuillez noter ces mots

Certaines séries chronologiques présentent des corrélations marquées à des retards élevés.

И

montre que les mémoires longues

J'ai cherché à savoir : qu'est-ce que la mémoire longue ? Il s'avère qu'il y a des autocorrélations sur 40 observations ! Mais entre guillemets, une corrélation aussi longue d'un même signe est extrêmement rare. Bref, après avoir passé une heure, je ne l'ai pas trouvé.

Un grand nombre de personnes essaient d'utiliser l'indice Hurst. Pas une seule fois je n'ai vu un résultat positif. Peut-être que vous devriez trouver des cotiers d'abord. dans quelle mémoire longue ?

 
faa1947:

Un grand nombre de personnes essaient d'utiliser l'index Hearst. Je n'ai jamais vu de résultat positif. Peut-être qu'on doit d'abord trouver les quotients. Dans quelle mémoire longue ?


La mémoire longue signifie que H pour une valeur donnée est significativement différent de 0,5, ce qui n'est bien sûr pas le cas dans les quotients. Les tentatives d'utilisation dans ce domaine échouent principalement parce que H est très difficile à estimer de manière fiable sur un petit échantillon, de sorte que les résultats sur 100 et même 1000 chandeliers ne peuvent être fiables. Et à des intervalles plus grands, H est plutôt proche de la moitié, c'est-à-dire qu'il donne plutôt peu d'informations (utiles) sur le comportement des prix, du moins des informations qui permettraient de dépasser le spread.
 
alsu:

La mémoire longue signifie que H pour une valeur donnée est significativement différent de 0,5, ce qui n'est bien sûr pas le cas dans les quotients. Les tentatives d'utilisation dans ce domaine échouent principalement parce que H est très difficile à estimer de manière fiable sur un petit échantillon, donc les résultats sur 100 et même 1000 chandeliers ne peuvent pas être fiables. Et à des intervalles plus grands, H est plutôt proche de la moitié, c'est-à-dire qu'il donne plutôt peu d'informations (utiles) sur le comportement des prix, du moins des informations qui permettraient de dépasser le spread.

Pour moi, la largeur de la fenêtre est très importante.

A une largeur de fenêtre de quelques centaines d'observations, le théorème limite commence à fonctionner, ce qui donne une température moyenne qui commence à se rapprocher très rapidement de son mo. Et que faut-il pour prédire, en fait, la prochaine barre ?

Dans mes CTs, j'essaie toujours de trouver la largeur optimale de la fenêtre. Il varie entre 30 et 70 observations (pour H1). Après 118 (une semaine sur H1), la situation change radicalement. C'est pourquoi j'ai commencé à réfléchir au terme "mémoire longue".

ZS. Dans la littérature sur les modèles à intégration fractionnée, on écrit généralement "mémoire longue", et dans l'introduction "Hurst, fractales, queues épaisses".

Raison: