Indice Hearst - pagina 36

 
Leggo soprattutto dissertazioni sull'argomento. E il calcolo è tratto da http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963
 
Rnita:
Ho letto soprattutto dissertazioni sull'argomento. E il calcolo è tratto da http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963

Un argomento molto interessante. Spero di conoscere il risultato in futuro.

Come contributo allo sviluppo dell'argomento.

I modelli a integrazione frazionata FARIMA sono utilizzati per applicare l'indice Hearst. Per questi modelli c'è un codice pronto per la stima dei parametri. Excel non è il pacchetto giusto da discutere. Purtroppo, gli algoritmi sono implementati in R, un sistema di programmazione molto bastardo. Forse sono implementati da qualche altra parte. Cerca FARIMA e la memoria a lungo termine. Nell'allegato ho allegato le istruzioni di R su come usare i modelli FARIMA. Qui si può trovare molta letteratura a un costo molto basso. Ricerca per serie temporale e R. Un sacco di libri molto buoni.

Buona fortuna. Spero che posterai il risultato sul forum, o almeno di persona.

File:
fracdiff.zip  145 kb
 

Lo zero nel file nella colonna D non funziona a causa di errori nelle formule. Il primo è nella cella D87, e ce ne sono un'altra dozzina nel testo. Sblocca questa colonna, il resto sembra essere corretto (anche se controlla anche il calcolo RMS).

Sul resto. Il coefficiente di Hurst è generalmente una caratteristica integrale, cioè caratterizza la variabile casuale durante tutto il periodo di misurazione, piuttosto che un punto nella sua serie di realizzazione. Quindi, in pratica, non possiamo dire "abbiamo calcolato H", il modo corretto sarebbe "abbiamo stimato H". Questo non è snobbismo, quello che voglio dire è che non si saprà mai esattamente quale fosse il valore Hearst di una quantità, poiché questa informazione è disponibile solo a Dio, ma si può solo stimare il suo valore con un certo grado di certezza, e più osservazioni si hanno, più la stima sarà precisa. Quindi, la risposta alla tua domanda: spezzare o meno la serie in periodi dipende dal fatto che tu voglia stimare l'esponente H per tutta la serie o per alcune delle sue parti (nessuno ci ha detto che è costante nel tempo, giusto?). Potete semplicemente prendere come N il numero di osservazioni nel vostro campione.

 
Grazie! Studierò e posterò i risultati, ma il livello sarà probabilmente molto basso, poiché il materiale è molto difficile da comprendere nel cervello. Accetto le critiche in modo adeguato ))))
 
Rnita:
Ho letto soprattutto dissertazioni sull'argomento. E il calcolo è http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963

Questo articolo di Eric Nyman (2010), che a sua volta è stato scritto a partire da un libro di Adgar Peters (1990), che ha preso questo metodo dalle opere di Mandelbort (1960-70), che per primo ha descritto un metodo inventato da un vecchio Harold Edwin Hirst, 70 anni, nel lontano 1951, per il pubblico di massa. Tutto ciò significa che quando vi si chiede della novità del tema proposto al consiglio di tesi, dovreste immaginare che il vecchio Edwin del XIX secolo sia un innovatore della geometria frattale:)

Ma seriamente, il metodo è stato sviluppato, come visto sopra, per un processo specifico e altamente anormale - la fuoriuscita del Nilo. Nell'immagine qui sotto, la sproporzione dello spread di fuoriuscita rispetto alla tendenza generale o all'aspettativa matematica è evidente. E così per un processo specifico - la fuoriuscita del Nilo - questo metodo è buono e funziona, ma per i mercati finanziari come Mandelbort ha cercato di presentarlo, non è più sufficiente. In qualsiasi circostanza e in qualsiasi mercato, incluso SB, il vostro calcolo mostrerà un valore di circa 0,54. Avete bisogno di altri metodi più accurati. E appena si scrive una tesi, non si può fare a meno della media mobile autoregressiva frazionata integrata FARIMA, ed è disponibile solo in pacchetti statistici specializzati. H può essere impostato arbitrariamente lì. Ma questo non risolve il problema, perché per poter almeno adattare il mercato al modello, bisogna calcolare la sua H, e come si può fare se il metodo più semplice e comune non funziona? Ci sono altre opere su questo tema, opere di Pastukhov e Shiryaev. Guardateli. Sono più scientifiche e più adatte a una dissertazione, ma se siano più accurate è una domanda. C'è anche un thread correlato sullo stesso argomento, guarda qui.

 
C-4: Quando al consiglio di tesi ti verrà chiesto della novità del tema proposto, dovrai presentare il vecchio Edwin del XIX secolo come un pioniere della geometria frattale:)

Beh, non del diciannovesimo secolo, ma del ventesimo.

Oh, una stronzata questa Hearst davvero. Esattamente alsu dice che è qualcosa di integrale.

 
Mathemat:

Beh, non è il XIX, è il XX.

Hearst è davvero spazzatura. Esattamente alsu dice che è qualcosa di integrale.


È più così - H riguarda più l'ambiente esterno (la sua "viscosità", "elasticità", ecc.) che il sistema stesso. Se trasferito a uno specifico strumento di mercato, qui H è una caratteristica quantitativa del contesto esterno (fondamentale, come si diceva una volta): la mobilità delle idee, le azioni tipiche delle rispettive banche centrali, il "temperamento" degli operatori, ecc. (confrontare il comportamento di Euro e Yen, per esempio), mentre le coppie di valute stesse in termini di modello interno non differiscono (i principi e le regole di fare transazioni sono gli stessi per tutti gli strumenti).
 
alsu:

È più così - H è più una caratteristica dell'ambiente esterno (la sua "viscosità", "elasticità" ecc.) che del sistema stesso. Se trasferito a uno specifico strumento di mercato, qui H è una caratteristica quantitativa del contesto esterno (fondamentale, come si diceva una volta): la mobilità delle idee, le azioni tipiche delle rispettive banche centrali, il "temperamento" degli operatori, ecc. (confrontare il comportamento di Euro e Yen, per esempio), mentre le coppie di valute stesse in termini di modello interno non differiscono (i principi e le regole di fare transazioni sono gli stessi per tutti gli strumenti).

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:

Alcune serie temporali mostrano correlazioni marcate ad alti ritardi, e sono riferite
come processi a lunga memoria. La memoria lunga è una caratteristica di molti geofisici
serie temporale. I flussi nel fiume Nilo hanno correlazioni ad alti ritardi,
e Hurst (1951) hanno dimostrato che questo influenzava la capacità di progettazione ottimale
di una diga. Mudelsee (2007) mostra che la memoria lunga è una proprietà idrologica
che può portare alla siccità prolungata o al raggruppamento temporale di eventi estremi
inondazioni. Su una scala piuttosto diversa, Leland et al. (1993) ha trovato che Ethernet
Il traffico della rete locale (LAN) sembra essere un traffico statisticamente auto-simile e un
processo a memoria lunga. Hanno dimostrato che la natura della congestione prodotta da
il traffico autosimile differisce drasticamente da quello previsto dai modelli di traffico
usato in quel momento. Mandelbrot e collaboratori hanno studiato la relazione
tra l'autosimilarità e la memoria a lungo termine e ha giocato un ruolo di primo piano in

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 dovresti trovare prima i cotiers. in quale memoria lunga?

 
faa1947:

Un gran numero di persone cerca di usare l'indice Hearst. Non ho mai visto un risultato positivo. Forse dobbiamo trovare prima i quozienti. in quale memoria lunga?


La memoria lunga significa che H per un dato valore è significativamente diverso da 0,5, cosa che ovviamente non avviene nei quozienti. I tentativi di usarlo in questo settore falliscono principalmente perché H è molto difficile da stimare in modo affidabile su un piccolo campione, quindi non ci si può fidare dei risultati su 100 e persino 1000 candele. E a intervalli più grandi H è piuttosto vicino alla metà, cioè dà informazioni piuttosto piccole (utili) sul comportamento dei prezzi, almeno tali informazioni che permetterebbero di superare lo spread.
 
alsu:

La memoria lunga significa che H per un dato valore è significativamente diverso da 0,5, cosa che ovviamente non avviene nei quozienti. I tentativi di usarlo in questo settore falliscono principalmente perché H è molto difficile da stimare in modo affidabile su un piccolo campione, quindi non ci si può fidare dei risultati su 100 e persino 1000 candele. E a intervalli più grandi H è piuttosto vicino alla metà, cioè dà informazioni piuttosto piccole (utili) sul comportamento dei prezzi, almeno tali informazioni che permetterebbero di superare lo spread.

Per me, la larghezza della finestra è abbastanza importante.

Ad una larghezza di finestra di qualche centinaio di osservazioni, il teorema del limite comincia a funzionare, il che dà una temperatura media che comincia a muoversi verso il suo mo molto rapidamente. E cosa serve per prevedere, di fatto, la prossima barra?

Nei miei TC cerco sempre di trovare la larghezza ottimale della finestra. Varia tra 30-70 osservazioni (per H1). Dopo il 118 (una settimana su H1) il quadro cambia bruscamente. Ecco perché ho iniziato a pensare al termine "memoria lunga".

ZS. Nella letteratura sui modelli frazionariamente integrati, di solito si scrive memoria lunga, e nell'introduzione "Hurst, frattali, code spesse".