記事"ハースト指数の計算"についてのディスカッション - ページ 3 12345 新しいコメント fxsaber 2017.02.13 09:11 #21 СанСаныч Фоменко:例えば、FGNパッケージの関数HurstK(z)は、 より正確な値を 与えるHurst係数のノンパラメトリック推定 値を生成します。 ハイライトされたフレーズの"Hurst coefficient"を" Pearson'sCorrelation Coefficient"に置き換えて、例えば" Pearson's Correlation Coefficient"とします。例えば、"Pearson's Correlation Coefficient "を "Pearson's Correlation Coefficient "に置き換えてみてください。 СанСаныч Фоменко 2017.02.13 12:03 #22 fxsaber: 例えば、強調表示されたフレーズの「ハースト係数」を「ピアソンの相関係数」に置き換えてみてください。そうすれば、もしかしたら強調表示された文のばかばかしさを感じるかもしれません。例えば、「ハースト係数」というフレーズを「ピアソンの相関係数」に置き換えてみてください、そうすればあなたは強調された文の滑稽さを感じるかもしれません。私の投稿はすべて、実はこの記事の著者に向けられたものなので、実証はしない。私は彼のプロフィールを見たが、私の印象では、この男は自分の推論と行動について一定のレベルを提供する傾向がある。ハーストの計算の例では、私は記事の著者に、記事のレベルは関連分野ですでに利用可能な結果を考慮に入れてのみ提供できることを伝えようとした。そして、このレベル、参照点、人が踊るストーブは、まさにRが与えるものなのだ。他のシステム、例えばPythonや他の有料システムを使うことも可能である。しかし、いずれにせよ、これがこの記事のトピックに関する最初の言葉であるかのように装うべきではない。私は他のすべてに興味がなかった。 fxsaber 2017.02.13 12:09 #23 СанСаныч Фоменко:私の投稿はすべて、実際には記事の筆者に向けられたものだからだ。上の私のコメントを読んでほしい。このフレーズにピアソンを入れると、なぜかバカバカしくなる。ハーストを入れるとそうはならない。それがどう関係するのか？ピアソンは計算のアルゴリズムが明確だかららしい。そして、ハーストも同じくらい安っぽい。ハースト-ドミトリー・ピスカレフ、ハースト-R、他にもたくさんある。面白いのは、明確な定義がない以上、比較基準が存在しないため、それらを比較することが不可能だということだ。だから、あるハーストの変種が他のものより正確だと言うのを聞くのはおかしなことなのだ。歴史的な誤りのために、人々は同じものをハーストと呼ぶのだ。 Vasiliy Sokolov 2017.02.13 13:38 #24 このトピックに関する情報がほとんどないという単純な理由だけでも、この記事は興味深い。しかし残念なことに、著者の研究のベクトルは間違って選択されている。特に、いわゆるR/S法が詳しく説明されているが、これはH推定に関してあまりに密度が濃く、粗雑であり、まともに話す気にもならない。簡単な実験ですが、生成されたホワイトノイズをランダムウォークI(1)に事前積分してHを計算してみてください。0.54-0.58程度の同じ数値が得られるでしょう。つまり、R/Sはランダム・ウォークに近い性質を持つ過程には適用できない。もちろん、Hが0.7を超えるようなナイル川の流出では、R/Sは何かを示すだろうが、実際の市場には当てはまらない。 СанСаныч Фоменко 2017.02.13 13:41 #25 fxsaber:上の私のコメントを読んでください。ピアソンを文章に入れると、なぜかバカバカしくなる。ハーストを入れると、そうはならない。それがどう関係するのか？どうやらピアソンは計算のための明確なアルゴリズムだかららしい。そしてハーストも同じくらい安っぽい。ハースト-ドミトリー・ピスカレフが あり、ハースト-Rがあり、他にもたくさんある。面白いのは、明確な定義がない以上、比較基準が存在しないため、それらを比較することが不可能だということだ。だから、あるハーストの変種が他のものより正確だと言うのを聞くのはおかしい。歴史的な誤りのために、人々が同じものをハーストと呼んでいるにすぎない。ハーストのことは、計算アルゴリズムも解釈も極めて曖昧であるという点については、私もまったく同感です。私が書いているのは全く別のことです。ある人がアルゴリズムを示すなら、そのアルゴリズムを正当化すべきです。正しくないアルゴリズムを実装したコードもまた正しくない。この記事のアルゴリズムを具体的に見ると、MNCによって推定された線形回帰を使用している。ISCによる線形回帰係数の推定は、2つの確率変数：変位「a」と傾斜角度「b」のassessmentであるため、記事のこの部分は現実とは全く関係がありません。なぜなら、標準のlm()関数は、"b "そのものの値のほかに、その分散とこの値の信頼水準を与えるからです。線形回帰を使うとき、信頼水準は90%よりずっと低いことがよくあります。たくさんの変数を持つ標準的な線形回帰の推定表の例ですCoefficients: (5 not defined because of singularities) Estimate Std. Error z value Pr(>|z|) (Intercept) -338.88337 152.55692 -2.221 0.026327 * rsi_eurusd 0.01237 0.01363 0.908 0.363934 macd_eurusd 13.94972 4.36041 3.199 0.001378 ** trix_eurusd -741.34816 148.31309 -4.999 0.00000057768 *** sig_eurusd 1118.41702 212.31435 5.268 0.00000013811 *** trix_eurusd_trend NA NA NA NA trix_gbpusd 407.84268 131.29586 3.106 0.001895 ** sig_gbpusd -918.57282 202.12341 -4.545 0.00000550361 *** trix_gbpusd_trend NA NA NA NA trix_eurgbp 264.59572 115.74195 2.286 0.022249 * sig_eurgbp -795.43634 159.17763 -4.997 0.00000058180 *** trix_eurgbp_trend NA NA NA NA trix_usdchf -76.32606 27.15637 -2.811 0.004945 ** sig_usdchf 14.28410 31.35889 0.456 0.648747 trix_usdjpy 5.42010 8.93393 0.607 0.544059 sig_usdjpy 65.28629 11.08181 5.891 0.00000000383 *** trix_usdjpy_trend NA NA NA NA trix_usdcad 32.76774 21.62655 1.515 0.129731 sig_usdcad -25.12268 25.27109 -0.994 0.320161 trix_usdcad_trend NA NA NA NA fit.eurusd -72.05260 149.20763 -0.483 0.629166 fit.gbpusd -304.38920 121.47457 -2.506 0.012218 * fit.eurgbp 253.58306 132.96820 1.907 0.056508 . fit.usdchf -387.54743 100.37962 -3.861 0.000113 *** fit.usdjpy 1.82458 0.41496 4.397 0.00001097684 *** fit.usdcad -133.88962 81.83316 -1.636 0.101813 fit.eurusd.2 25.03730 160.94619 0.156 0.876377 fit.gbpusd.2 423.37220 143.07774 2.959 0.003086 ** fit.eurgbp.2 -227.97261 192.34022 -1.185 0.235916 fit.usdchf.2 426.74965 101.14174 4.219 0.00002450374 *** fit.usdjpy.2 -2.15458 0.42133 -5.114 0.00000031587 *** fit.usdcad.2 321.48459 86.36230 3.723 0.000197 ***--- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1アスタリスクでマークされた値だけが，指定された信頼水準で信頼できる．残りは単なるフィクションで、数値はそこにあるが、現実にはそうではない！これはそういうことなのだ。正確さと、計算結果の一つ一つに注意深く注意を払うことである。 Discussion of article "Calculating Experts: earlyTopProrate Total leaders Vasiliy Sokolov 2017.02.13 13:42 #26 fxsaber:上の私のコメントを読んでください。ピアソンを文章に入れると、なぜかバカバカしくなる。ハーストを入れると、そうはならない。それがどう関係するのか？どうやらピアソンは計算のための明確なアルゴリズムだかららしい。そしてハーストも同じくらい安っぽい。ハースト-ドミトリー・ピスカレフが あり、ハースト-Rがあり、他にもたくさんある。面白いのは、明確な定義がない以上、比較基準が存在しないため、それらを比較することが不可能だということだ。だから、あるハーストの変種が他のものより正確だと言うのを聞くのはおかしなことなのだ。歴史的な誤りのために、人々は同じものを「ハースト」と呼んでいるのです。 ハーストは計算アルゴリズムではなく、プロセスの特性である。したがって、この特性はさまざまな方法で計算することができる。だから特別なことは何もない。重要なのは、最終的な計算が、一般に認められている 他の計算アルゴリズムと 一致することであり、そうでなければ、得られる値はハーストではなく、別のものになる。 Vasiliy Sokolov 2017.02.13 13:52 #27 СанСаныч Фоменко:Например, пакет FGN с функция HurstK(z), в которой производится непараметрическая оценка коэффициента Херста, которая дает гораздо более точную величину.fxsaber: ハイライトされたフレーズの「ハースト係数」を「ピアソン相関係数」に置き換えてみてください。例えば、"Pearson Correlation Coefficient "に置き換えてみてください、そうすればおそらく、あなたは強調された文の不合理さを感じるでしょう。 SanSanychの言う通りだ。R/S法は標準偏差 Sに基づいて いるにもかかわらず、なぜノンパラメトリックと呼ばれるのか理解できない。 Dmitry Fedoseev 2017.02.13 15:09 #28 СанСаныч Фоменко:計算アルゴリズムと解釈の両方において、ハーストのものが例外的に曖昧であるという点については、私もまったく同感である。私の言いたいことは全く違う。アルゴリズムを示すのであれば、そのアルゴリズムを正当化すべきである。間違ったアルゴリズムを実装したコードもまた間違っている。この記事で示されているアルゴリズムを具体的に見ると、MNCによって推定された線形回帰を使用している。ISCによる線形回帰係数の推定は、2つの確率変数：変位 "a "と傾斜角度 "b "のassessmentであるため、記事のこの部分は現実とは全く関係がありません。なぜなら、標準のlm()関数は、"b "そのものの値のほかに、その分散とこの値の信頼水準を与えるからです。線形回帰を使うとき、信頼水準は90%よりずっと低いことがよくあります。たくさんの変数を持つ標準的な線形回帰の推定表の例ですCoefficients: (5 not defined because of singularities) Estimate Std. Error z value Pr(>|z|) (Intercept) -338.88337 152.55692 -2.221 0.026327 * rsi_eurusd 0.01237 0.01363 0.908 0.363934 macd_eurusd 13.94972 4.36041 3.199 0.001378 ** trix_eurusd -741.34816 148.31309 -4.999 0.00000057768 *** sig_eurusd 1118.41702 212.31435 5.268 0.00000013811 *** trix_eurusd_trend NA NA NA NA trix_gbpusd 407.84268 131.29586 3.106 0.001895 ** sig_gbpusd -918.57282 202.12341 -4.545 0.00000550361 *** trix_gbpusd_trend NA NA NA NA trix_eurgbp 264.59572 115.74195 2.286 0.022249 * sig_eurgbp -795.43634 159.17763 -4.997 0.00000058180 *** trix_eurgbp_trend NA NA NA NA trix_usdchf -76.32606 27.15637 -2.811 0.004945 ** sig_usdchf 14.28410 31.35889 0.456 0.648747 trix_usdjpy 5.42010 8.93393 0.607 0.544059 sig_usdjpy 65.28629 11.08181 5.891 0.00000000383 *** trix_usdjpy_trend NA NA NA NA trix_usdcad 32.76774 21.62655 1.515 0.129731 sig_usdcad -25.12268 25.27109 -0.994 0.320161 trix_usdcad_trend NA NA NA NA fit.eurusd -72.05260 149.20763 -0.483 0.629166 fit.gbpusd -304.38920 121.47457 -2.506 0.012218 * fit.eurgbp 253.58306 132.96820 1.907 0.056508 . fit.usdchf -387.54743 100.37962 -3.861 0.000113 *** fit.usdjpy 1.82458 0.41496 4.397 0.00001097684 *** fit.usdcad -133.88962 81.83316 -1.636 0.101813 fit.eurusd.2 25.03730 160.94619 0.156 0.876377 fit.gbpusd.2 423.37220 143.07774 2.959 0.003086 ** fit.eurgbp.2 -227.97261 192.34022 -1.185 0.235916 fit.usdchf.2 426.74965 101.14174 4.219 0.00002450374 *** fit.usdjpy.2 -2.15458 0.42133 -5.114 0.00000031587 *** fit.usdcad.2 321.48459 86.36230 3.723 0.000197 ***--- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1アスタリスクでマークされた値だけが，指定された信頼水準で信頼できる．残りは単なるフィクションで、数値はそこにあるが、現実にはそうではない！これはそういうことなのだ。正確さと、計算結果のひとつひとつに注意を払うことである。結論を出す前に、回帰がどのようなデータから計算されているのかを理解する必要がある。サン・サンチ、申し訳ないが、あなたの「専門家の判断」には本当にうんざりしている。あなたの側からは、一部のRの永遠の固執以外、まったく何も見えてこない。せめてMQLのコードをどこかに書いて、あなたが何かを理解していることを示せ。 Rashid Umarov 2017.02.13 16:19 #29 サン・サンチを擁護するために、私はこんな話や例を挙げることができる：ある年老いた教師が若い教師にこう言った-もし、ある生徒がいつもくだらない質問をしてあなたを困らせているように見えたら、考えてみなさい-もしかしたら、あなたのクラスであなたの話に熱心に耳を傾けている生徒は、この生徒だけかもしれないのです。 Maxim Dmitrievsky 2017.02.13 16:51 #30 Dmitriy Piskarev:マキシム、コメントありがとう！もちろん、ハースト係数の計算は、時系列の研究におけるある種の行列統計の応用について、少なくともわずかなアイデアを得るためのベースに過ぎません。また、市場ダイナミクスの予測に係数分析のみを使用するのは甘く、間違っていると思います。もちろん、集計された指標を基に、様々な指標や情報源を用いて戦略を構築することは必要です。次回は、フラクタル分析についての私の正しい理解をぜひお見せしたいと思います。 コメントありがとうございました。追伸：このような分析のためのMT5ツールのレビューを依頼されました。この機会に宣伝してみました。 スーパー、お待ちしております。） 12345 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
例えば、FGNパッケージの関数HurstK(z)は、 より正確な値を 与えるHurst係数のノンパラメトリック推定 値を生成します。
例えば、強調表示されたフレーズの「ハースト係数」を「ピアソンの相関係数」に置き換えてみてください。そうすれば、もしかしたら強調表示された文のばかばかしさを感じるかもしれません。例えば、「ハースト係数」というフレーズを「ピアソンの相関係数」に置き換えてみてください、そうすればあなたは強調された文の滑稽さを感じるかもしれません。
私の投稿はすべて、実はこの記事の著者に向けられたものなので、実証はしない。
私は彼のプロフィールを見たが、私の印象では、この男は自分の推論と行動について一定のレベルを提供する傾向がある。ハーストの計算の例では、私は記事の著者に、記事のレベルは関連分野ですでに利用可能な結果を考慮に入れてのみ提供できることを伝えようとした。そして、このレベル、参照点、人が踊るストーブは、まさにRが与えるものなのだ。他のシステム、例えばPythonや他の有料システムを使うことも可能である。しかし、いずれにせよ、これがこの記事のトピックに関する最初の言葉であるかのように装うべきではない。
私は他のすべてに興味がなかった。
私の投稿はすべて、実際には記事の筆者に向けられたものだからだ。
上の私のコメントを読んでほしい。このフレーズにピアソンを入れると、なぜかバカバカしくなる。ハーストを入れるとそうはならない。それがどう関係するのか？
ピアソンは計算のアルゴリズムが明確だかららしい。そして、ハーストも同じくらい安っぽい。
ハースト-ドミトリー・ピスカレフ、ハースト-R、他にもたくさんある。面白いのは、明確な定義がない以上、比較基準が存在しないため、それらを比較することが不可能だということだ。
だから、あるハーストの変種が他のものより正確だと言うのを聞くのはおかしなことなのだ。歴史的な誤りのために、人々は同じものをハーストと呼ぶのだ。
上の私のコメントを読んでください。ピアソンを文章に入れると、なぜかバカバカしくなる。ハーストを入れると、そうはならない。それがどう関係するのか？
どうやらピアソンは計算のための明確なアルゴリズムだかららしい。そしてハーストも同じくらい安っぽい。
ハースト-ドミトリー・ピスカレフが あり、ハースト-Rがあり、他にもたくさんある。面白いのは、明確な定義がない以上、比較基準が存在しないため、それらを比較することが不可能だということだ。
だから、あるハーストの変種が他のものより正確だと言うのを聞くのはおかしい。歴史的な誤りのために、人々が同じものをハーストと呼んでいるにすぎない。
ハーストのことは、計算アルゴリズムも解釈も極めて曖昧であるという点については、私もまったく同感です。
私が書いているのは全く別のことです。ある人がアルゴリズムを示すなら、そのアルゴリズムを正当化すべきです。正しくないアルゴリズムを実装したコードもまた正しくない。
この記事のアルゴリズムを具体的に見ると、MNCによって推定された線形回帰を使用している。ISCによる線形回帰係数の推定は、2つの確率変数：変位「a」と傾斜角度「b」のassessmentであるため、記事のこの部分は現実とは全く関係がありません。なぜなら、標準のlm()関数は、"b "そのものの値のほかに、その分散とこの値の信頼水準を与えるからです。線形回帰を使うとき、信頼水準は90%よりずっと低いことがよくあります。
たくさんの変数を持つ標準的な線形回帰の推定表の例です
Estimate Std. Error z value Pr(>|z|)
(Intercept) -338.88337 152.55692 -2.221 0.026327 *
rsi_eurusd 0.01237 0.01363 0.908 0.363934
macd_eurusd 13.94972 4.36041 3.199 0.001378 **
trix_eurusd -741.34816 148.31309 -4.999 0.00000057768 ***
sig_eurusd 1118.41702 212.31435 5.268 0.00000013811 ***
trix_eurusd_trend NA NA NA NA
trix_gbpusd 407.84268 131.29586 3.106 0.001895 **
sig_gbpusd -918.57282 202.12341 -4.545 0.00000550361 ***
trix_gbpusd_trend NA NA NA NA
trix_eurgbp 264.59572 115.74195 2.286 0.022249 *
sig_eurgbp -795.43634 159.17763 -4.997 0.00000058180 ***
trix_eurgbp_trend NA NA NA NA
trix_usdchf -76.32606 27.15637 -2.811 0.004945 **
sig_usdchf 14.28410 31.35889 0.456 0.648747
trix_usdjpy 5.42010 8.93393 0.607 0.544059
sig_usdjpy 65.28629 11.08181 5.891 0.00000000383 ***
trix_usdjpy_trend NA NA NA NA
trix_usdcad 32.76774 21.62655 1.515 0.129731
sig_usdcad -25.12268 25.27109 -0.994 0.320161
trix_usdcad_trend NA NA NA NA
fit.eurusd -72.05260 149.20763 -0.483 0.629166
fit.gbpusd -304.38920 121.47457 -2.506 0.012218 *
fit.eurgbp 253.58306 132.96820 1.907 0.056508 .
fit.usdchf -387.54743 100.37962 -3.861 0.000113 ***
fit.usdjpy 1.82458 0.41496 4.397 0.00001097684 ***
fit.usdcad -133.88962 81.83316 -1.636 0.101813
fit.eurusd.2 25.03730 160.94619 0.156 0.876377
fit.gbpusd.2 423.37220 143.07774 2.959 0.003086 **
fit.eurgbp.2 -227.97261 192.34022 -1.185 0.235916
fit.usdchf.2 426.74965 101.14174 4.219 0.00002450374 ***
fit.usdjpy.2 -2.15458 0.42133 -5.114 0.00000031587 ***
fit.usdcad.2 321.48459 86.36230 3.723 0.000197 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
アスタリスクでマークされた値だけが，指定された信頼水準で信頼できる．残りは単なるフィクションで、数値はそこにあるが、現実にはそうではない！
これはそういうことなのだ。正確さと、計算結果の一つ一つに注意深く注意を払うことである。
上の私のコメントを読んでください。ピアソンを文章に入れると、なぜかバカバカしくなる。ハーストを入れると、そうはならない。それがどう関係するのか？
どうやらピアソンは計算のための明確なアルゴリズムだかららしい。そしてハーストも同じくらい安っぽい。
ハースト-ドミトリー・ピスカレフが あり、ハースト-Rがあり、他にもたくさんある。面白いのは、明確な定義がない以上、比較基準が存在しないため、それらを比較することが不可能だということだ。
だから、あるハーストの変種が他のものより正確だと言うのを聞くのはおかしなことなのだ。歴史的な誤りのために、人々は同じものを「ハースト」と呼んでいるのです。
СанСаныч Фоменко:
Например, пакет FGN с функция HurstK(z), в которой производится непараметрическая оценка коэффициента Херста, которая дает гораздо более точную величину.
fxsaber:
ハイライトされたフレーズの「ハースト係数」を「ピアソン相関係数」に置き換えてみてください。例えば、"Pearson Correlation Coefficient "に置き換えてみてください、そうすればおそらく、あなたは強調された文の不合理さを感じるでしょう。
計算アルゴリズムと解釈の両方において、ハーストのものが例外的に曖昧であるという点については、私もまったく同感である。
私の言いたいことは全く違う。アルゴリズムを示すのであれば、そのアルゴリズムを正当化すべきである。間違ったアルゴリズムを実装したコードもまた間違っている。
この記事で示されているアルゴリズムを具体的に見ると、MNCによって推定された線形回帰を使用している。ISCによる線形回帰係数の推定は、2つの確率変数：変位 "a "と傾斜角度 "b "のassessmentであるため、記事のこの部分は現実とは全く関係がありません。なぜなら、標準のlm()関数は、"b "そのものの値のほかに、その分散とこの値の信頼水準を与えるからです。線形回帰を使うとき、信頼水準は90%よりずっと低いことがよくあります。
たくさんの変数を持つ標準的な線形回帰の推定表の例です
Estimate Std. Error z value Pr(>|z|)
(Intercept) -338.88337 152.55692 -2.221 0.026327 *
rsi_eurusd 0.01237 0.01363 0.908 0.363934
macd_eurusd 13.94972 4.36041 3.199 0.001378 **
trix_eurusd -741.34816 148.31309 -4.999 0.00000057768 ***
sig_eurusd 1118.41702 212.31435 5.268 0.00000013811 ***
trix_eurusd_trend NA NA NA NA
trix_gbpusd 407.84268 131.29586 3.106 0.001895 **
sig_gbpusd -918.57282 202.12341 -4.545 0.00000550361 ***
trix_gbpusd_trend NA NA NA NA
trix_eurgbp 264.59572 115.74195 2.286 0.022249 *
sig_eurgbp -795.43634 159.17763 -4.997 0.00000058180 ***
trix_eurgbp_trend NA NA NA NA
trix_usdchf -76.32606 27.15637 -2.811 0.004945 **
sig_usdchf 14.28410 31.35889 0.456 0.648747
trix_usdjpy 5.42010 8.93393 0.607 0.544059
sig_usdjpy 65.28629 11.08181 5.891 0.00000000383 ***
trix_usdjpy_trend NA NA NA NA
trix_usdcad 32.76774 21.62655 1.515 0.129731
sig_usdcad -25.12268 25.27109 -0.994 0.320161
trix_usdcad_trend NA NA NA NA
fit.eurusd -72.05260 149.20763 -0.483 0.629166
fit.gbpusd -304.38920 121.47457 -2.506 0.012218 *
fit.eurgbp 253.58306 132.96820 1.907 0.056508 .
fit.usdchf -387.54743 100.37962 -3.861 0.000113 ***
fit.usdjpy 1.82458 0.41496 4.397 0.00001097684 ***
fit.usdcad -133.88962 81.83316 -1.636 0.101813
fit.eurusd.2 25.03730 160.94619 0.156 0.876377
fit.gbpusd.2 423.37220 143.07774 2.959 0.003086 **
fit.eurgbp.2 -227.97261 192.34022 -1.185 0.235916
fit.usdchf.2 426.74965 101.14174 4.219 0.00002450374 ***
fit.usdjpy.2 -2.15458 0.42133 -5.114 0.00000031587 ***
fit.usdcad.2 321.48459 86.36230 3.723 0.000197 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
アスタリスクでマークされた値だけが，指定された信頼水準で信頼できる．残りは単なるフィクションで、数値はそこにあるが、現実にはそうではない！
これはそういうことなのだ。正確さと、計算結果のひとつひとつに注意を払うことである。
結論を出す前に、回帰がどのようなデータから計算されているのかを理解する必要がある。
サン・サンチ、申し訳ないが、あなたの「専門家の判断」には本当にうんざりしている。あなたの側からは、一部のRの永遠の固執以外、まったく何も見えてこない。せめてMQLのコードをどこかに書いて、あなたが何かを理解していることを示せ。
マキシム、コメントありがとう！
もちろん、ハースト係数の計算は、時系列の研究におけるある種の行列統計の応用について、少なくともわずかなアイデアを得るためのベースに過ぎません。また、市場ダイナミクスの予測に係数分析のみを使用するのは甘く、間違っていると思います。もちろん、集計された指標を基に、様々な指標や情報源を用いて戦略を構築することは必要です。
次回は、フラクタル分析についての私の正しい理解をぜひお見せしたいと思います。
コメントありがとうございました。
追伸：このような分析のためのMT5ツールのレビューを依頼されました。この機会に宣伝してみました。