Indice Hearst - pagina 37
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Perché andare così lontano?
Preferisco avere a che fare con tacchini ordinari...
Cerco sempre di trovare la larghezza ottimale della finestra nei miei TC. Varia tra 30-70 osservazioni (per H1).
Che tipo di finestra esattamente? Per esempio, una gaussiana sopprime molto significativamente gli effetti di contorno rispetto a una rettangolare regolare (sarà anche gaussiana nel dominio della frequenza, cioè darà -40 dB per ottava senza massimi laterali). La stessa reattività può essere ottenuta prendendo in considerazione più valori di segnale.
Perché andare così lontano?
Preferisco avere a che fare con tacchini ordinari...
Chi è?)
Soldato Dersu!
Riposo! Cosa sono queste buste, rosse e verdi?
Buste come buste.
Inserito.
Sabato, vacanza...
Uscire dall'argomento?
Se guardiamo a "H è più caratteristico dell'ambiente esterno", dovremmo prestare attenzione ai termini inglesi usati in relazione a Hirst. Ecco un copia-incolla dalla monografia della BP:
stabilire la geometria frattale come materia di studio.
Si prega di notare queste parole
Alcune serie temporali mostrano correlazioni marcate ad alti ritardi
И
mostra che la memoria lunga
Ho cercato di scoprire: cos'è la memoria lunga? Si scopre l'autocorrelazione su 40 osservazioni! Ma nelle citazioni una correlazione così lunga di un segno è estremamente rara. In ogni caso, dopo aver passato un'ora, non l'ho trovato.
Un gran numero di persone cerca di usare l'indice Hurst. Nemmeno una volta ho visto un risultato positivo. Forse dovremmo prima trovare dei cotiers. in quale memoria lunga?
Peters dà una definizione interessante di memoria lunga. Leggete. Ci sono molte informazioni interessanti nei suoi libri su questo argomento. Secondo lui tali processi non possono essere misurati da un banale ACF. ACF lavora su una scala di 5-6 ritardi e basta. Se H è espresso come una particella in movimento con diffusione pari alla radice quadrata della distanza, allora otteniamo un caso speciale di distribuzione normale StdDev = Sqrt(T) = T^(0,5). Ora, se la dispersione della particella è leggermente superiore o inferiore a 0,5 è possibile in uno e un solo caso: la particella deve ricordare il suo stato passato e quindi un tale processo possiede una memoria. Cioè H non è una caratteristica dell'azione esterna, ma dipende dallo stato precedente del processo. E se la traiettoria di fuga è conservata, significa che dipende dai valori precedenti e il periodo di memoria può essere calcolato. E succede spesso che su tutte le scale di calcolo l'angolo di pendenza non cambia, e allo stesso tempo, non è uguale a 0,5. In questo caso, si dice che il processo è un vero processo Hearst con memoria infinita. Tranne che ACF non mostrerà nulla del genere.
È possibile identificare questa memoria molto lunga in qualsiasi citazione. Ma ACF non è adatto qui.
Peters dà una definizione interessante di memoria lunga. Leggete. Ci sono molte cose interessanti nei suoi libri su questo argomento. Secondo lui tali processi non possono essere misurati da un banale ACF. ACF lavora su una scala di 5-6 ritardi e basta. Se H è espresso come una particella in movimento con diffusione pari alla radice quadrata della distanza, allora otteniamo un caso speciale di distribuzione normale StdDev = Sqrt(T) = T^(0,5). Ora, se la dispersione della particella è leggermente superiore o inferiore a 0,5 è possibile in uno e un solo caso: la particella deve ricordare il suo stato passato e quindi un tale processo possiede una memoria. Cioè H non è una caratteristica dell'azione esterna, ma dipende dallo stato precedente del processo. E se la traiettoria di fuga è conservata, significa che dipende dai valori precedenti e il periodo di memoria può essere calcolato. E succede spesso che su tutte le scale di calcolo l'angolo di pendenza non cambia, e allo stesso tempo, non è uguale a 0,5. In questo caso, si dice che il processo è un vero processo Hearst con memoria infinita. Tranne che ACF non mostrerà nulla del genere.
Sfortunatamente, non ho una mia opinione su questo argomento.
Ma posso farvi riferimento al libro
Cowpertwait e A.V. Metcalfe, Introductory Time Series with R, 159
Usa R, DOI 10.1007/978-0-387-88698-5 8,
© Springer Science+Business Media, LLC 2009
Il capitolo 8 descrive il processo di adattamento FARIMA. ACF è usato in questo processo.
In allegato il testo. Purtroppo, le formule e la parte teorica non si sono rivelate.
Ma il processo di adattamento FARIMA è specificamente descritto