Alex ハーストのインデックスについて何も読んでいないのなら、なぜこの話題を打ち消すようなことを言うのでしょうか。:о)波動理論に関しては、あなたは勘違いしている、私はほとんどそれについて読んだことがある。しかも、この指標は波動理論を非常によく補完するもので、おそらく近々、私の研究成果を発表することになると思います。私はハーストの指数を使った方法のエッセンスを述べていたので（指数自体はまだ方法ではない）、すべてを書き直す気はない（数ページかかってしまった）。特に私はこのパラメーターを少し違った方法で計算して使っているので、Valadislavに応募していただいても結構です。:о)))
また、この部分は、現在開発中の戦略の基礎または補完となる可能性があります。このような研究をされた方や、ご意見をお持ちの方がいらっしゃいましたら、ぜひ教えてください。
PS：セルゲイ（ニュートロン）に大いに期待する。確かに、彼は2、3個の面白い基準を持っていますね。
みんなにメリークリスマスそして、すべての努力において上昇トレンド!!!!:о))))
(笑) いや、すべてが文化的な方向に進んだという意味ではなく、人狼は出てきませんでしたが......)
ただ、私の研究が枝葉の方向と少しずれてしまったので...。そこで、Fiboをもっと詳しく見てみようと思い、いくつかの統計をとってみました。...生なんですけどね。やったかどうかわからないが、探して他の人のコードに目を通すのが面倒くさい、これを書いているインジケータはひどい有様だが、プログラムは何がどこでどうなっているかを理解している。
例えば、統計的に信頼できるトレンド検出の 基準という意味です。すなわち、それを検出するためにテクニカル分析に代わる方法を議論することを提案します。そして、その問題提起は、まさに重要かつ興味深いものです。しかし、ここでは、まずトレンドを見つけ、次に寿命を予測するというように、順を追って進めるべきでしょう。追記：ところで、90ページから確か93ページまで、私のハーストを「提示」したのは、確か30ページでした。 しかし、実は、最初に言及したのは4ページ目の日付です。:о)構造」の期間については、ハーストによって決定されることを実質的に学んだ（まあ、私にはそう思えるし、少なくとも実験では今のところ確認できている）。なぜ「合理的」なトレンドが必要だったかというと、簡単に言うと、90〜92ppのどこかです。
この点で、このトピックについて議論することを提案します。さらに、この部分は、私たちが開発する戦略の基礎または良い補完になることができます。ご意見、ご感想、またそのような研究をされている方がいらっしゃいましたら、ぜひ教えてください。
PS：セルゲイ（ニュートロン）に大いに期待する。確かに、彼は2、3個の面白い基準を持っていますね。
みんなにメリークリスマスそして、すべての努力において上昇トレンド!!!!:o))
グラスンの善意で参加します。私たち素人では、この話題を主婦の台所の話にしてしまう可能性があることを承知で、時系列の 専門家に、蓄積された科学的知識を為替市場に応用する試みに参加することをお勧めします。
グラスンの善意で参加します。私たち素人では、このテーマを主婦の台所の話にしてしまう可能性があることを自覚し、動的時系列の分野の専門家に、蓄積された科学的知識をFXの為替市場に適用する試みに参加してもらうようお願いする次第です。
助けを求めているように聞こえますが... :o)))ジョークです。ダイナミックローのプロの力を借りればいいのですが、それはあくまで、どこで手に入れるかということです。とにかく応援ありがとうございました。:о)
ところでセルゲイ、アメリカでは主婦が証券取引所かどこかの大企業を「ひっくり返した」と言う（正確には覚えていない、比較的昔のことだ）。
今は、簡単な料理（フロスティングとしましょう）を、可換和の基準に基づいて「料理」しようとしているのです。インターネットの奥底のどこか。基準の本質は単純で、合計を算出することです
V(i)=SUM{f(y(i) - median(y))}とする。
どこ
f(i)=1 if (y(i) - median(y))>=0
f(i)=-1 if (y(i) - median(y))<0)
統計量は、与えられた信頼確率αに対して、ゼロを通る遷移Rの数である。R1(α)<R<R2(α)を満たす場合、その系列はランダムとみなされます。ここで、ちょっとした例をご紹介します。
オリジナルシリーズ
パラメータ V(i)
この場合、このサンプル数での遷移数は、R1境界付近にありますが、形式的にはこのサンプルがランダムとみなされるにはあと1回の遷移が足りません。まだ実験中ですが...。
どなたか研究内容を教えてください。
グラサン、「トレンド検出」の意味をもう少し具体的に教えてください。既存のトレンドは、例えば単純なMAの交差によって検出することができます。その安定性と寿命の見積もりはまた別問題だが...（つまり、価格が何ポイント変化したら転ぶか）。これは本当に疑問なのですが...。
、統計的に信頼できるトレンド検出の基準という意味です。すなわち、その検出のために、テクニカル分析に代わる方法を議論することを提案します。そして、その問題提起もまた、非常に重要で興味深いものです。しかし、ここではおそらく一貫して、まずトレンドを見つけ、次に寿命を予測する必要があります。
。
この問題では、たとえ伸びしろがあっても、とても伸びしろがあっても、MAクロスに頼ることはできないと思います。市場の位相については何も書いていない。だから、MAクロスオーバーに基づくシステムはすべて失敗するのです。また、2MAは2パラメータです。これは恣意的な動作です。そして、恣意性があるところには、科学も客観性もあり得ないのである。残念ながら、代替となるTA方式はわかりません。まさかセルゲイさん、FAですか？:-))差し支えなければ、どういう意味か説明してください。私などは、「まずトレンドを見つけ、次に寿命を予測する」ということが、全く分からないと、どうしたらできるのか想像がつきません。5分以内の方向性のある価格変動は、トレンド?5日以内 ?ですから、一貫して行くためには、まず「
トレンドとは 何か」ということに合意する必要があります。その正式な定義という意味です。 正式な定義の問題は、原則の問題だと思います。また、それがなければトレンドを把握できないからというわけでもありません。一人ひとりやり方は違いますが、私たちはそれを行っています。そして、ほとんどの場合、みんな目分量で、何の基準もなくやっています。しかし、ここに集まったのは、誰もがエキスパート、つまりトレーディングプログラムを作ろうとしているからです。そして、プログラムは雄弁とジェスチャーを理解しない。もうひとつ。数理統計学、グラフィカル分析、ダイナミックシステム、人工知能などの分野の専門家が、動的時系列の分野の専門家よりもこの問題で価値が低いとは思えません。しかし、それをあてにしてはいけない。それは、「FXは自分だけが頼り」という原則でもある。優秀な人が来て、出来合いの専門家も、戦略も、理論さえも、持ってきてはくれません。しかし、このフォーラムで議論した結果、良いアイデアが生まれることもあります。そして、（それを理解し、評価した）誰もが、（自主的に）自分のプログラムにそれを導入しようとすることができる。
何も絞り出せというわけではない の ですが、このハーストの方法を使った場合、何か良い結果が出るのでしょうか？単なる好奇心？もしそうなら、素晴らしい!!!
相補的と言いますか :0)そうであれば、アドバイスしてください、いくつかの文献を。一般的な情報ですが...
ぜひともよろしくお願いします。:)))
MAクロスは、とても無理でも当てにならないと思います。市場の位相については全く書かれていない。そのため、............
Yuriさん、まずは無粋ですが、FAとは何でしょうか？MAについてのご意見に全く同感です。だからこそ、別の方法によるトレンドの発見という重要なテーマを取り上げようと思ったのです。別の方法というのは、これまで控えめに言って、少なくとも応用数理統計学のことを指していたのですが、おそらく、あなたが挙げた専門分野もアイデアの有効な基礎となるでしょう。数学的な統計学で言えば（私の理解では）、トレンドという概念は、系列の値間の関係の何らかの抽象的な強さに基づくものである。そして、すべての基準は、何らかの形でこの関係を明らかにしているらしい。このページの私の投稿（「grasn 06.01.07 23:20」）で、そのような基準の例を挙げたところです（その時、あなたは返信を書いていたのでしょうね :o)．この場合の基準はゼロクロスの数である。線の場合、ゼロクロスは全くないことになる。つまり、ゼロクロスの数は、データの接続性を間接的に推定するものである。トレンドの定義が非常に重要であることには同意しますが、
トレンドとは何かという ことが今のところわからないという単純な理由から、私はそれを与えることができません（直感的な定義という意味ではなく、それらから始めることは可能ですが）。もし、厳密な応用数学的定義（トレンドとは価格の方向性のこと、データ間の関係の存在、後続値が先行値より大きいこと、などではない）があれば、それを見つけることはもっと簡単で、この問題を議論する必要はないだろう。トレンドの寿命とトレンドそのものを切り離して考えるべきでないというのは、その通りかもしれません。この場合、そのような寿命を持つトレンドを探す必要があるため、作業は著しく困難になる。複雑なのです。先ほども書いたように（もう飽きたかな :o）、ハーストのデータといくつかの追加パラメータに基づいて「構造」の寿命を特定することは可能ですが、ハーストの指標はトレンドを見つけることができません。このような貴重な能力を与えることは可能かもしれませんが、0.5と異なる値をトレンドと見なす場合（どのくらい異なるか、さらに指標の「ひずみ」）。まず、何らかの基準でトレンドを見つけて、その期間を予測する方が論理的で簡単なように思います。 PS：ところで、書いているうちに、トレンドの定義（用語...定義とは見つけるという意味）のアイデアが浮かんできました：系列を同じ長さのセグメントに分割し、これらのセグメント上のすべての値を合計し、それらの正規化を実行します。もし、次のような依存関係があれば、それはトレンドの存在を示しています。定義というより、トレンドの模索という感じですが。:о)訂正、正確にはMAのことではありません。正規化された和は、例えばスライディングウィンドウなしで、そのようなセグメントの真ん中に割り当てられます... :o)
Alex Niroba:
grasn 私は 何かを強制したいわけではありません。ただ、このハースト法を使うことで、何か良い結果が出るのでしょうか？単なる好奇心？もしそうなら、素晴らしい!!!相補的と言いますか :0)そうであれば、何か文献を提案してください。一般的な情報ですが...ぜひともよろしくお願いします。:))
すべての人のことを言えるわけではありませんが、私はいわゆる一番いい結果が出ています。ハーストの波動理論の追加については、何もアドバイスできません。ここまでは私自身の考えであり、私自身の研究でもあります。結果がうまくいけば、必ず書きます。書きますので、全くない場合は:о)
V(i)=SUM{f(y(i) - median(y))}
ここで
f(i)=1 if (y(i) - median(y))>=0
f(i)=-1 if (y(i) - median(y))<0
統計は与えられた信頼確率αに対してゼロから移行Rの個数である。R1(α)<R<R2(α)を満たす場合、その系列はランダムとみなされます。ここで、ちょっとした例をご紹介します。
この場合、このサンプル数の遷移数はR1の境界付近にありますが、厳密にはこのサンプルをランダムと宣言するには、あと1つの遷移が不足しています。まだ実験中ですが...。
どなたか研究内容を教えてください。
Grasn さんが挙げた「累積和基準」の式は、実は残差系列の自己相関係数の式としては不正確なのです。実際、後者が時系列の選択された部分（TFで定義される）のジャンプの総数に対する同方向の価格ジャンプの数の比率として定義できる場合、次のようになる。
r[i]=SUM{(Open[i+1+k]-Open[i+k])*(Open[i+k]-Open[i-1+k])}/SUM{|Open[i+1+k]-Open[i+k]*(Open[i+k]-Open[i-1+k]|}, ここで合計はウィンドウk=0で行われます....100（例）。ほぼ同じ結果を得ることができます。しかし、自己相関係数は誰でも知っているが、「累積和基準」は一部の主婦の間でしか知られていない :-)FACの性質は数学の教科書に記載されており、「可換和の基準」の性質は研究されていないが、もちろん、後者に還元される。だから、車輪の再発明はやめて、何世紀にもわたって検証されてきた数学的装置を使うように、私はみんなに呼びかける。市場だけでなく、研究においても、OPTIMALな行動を実現させましょう羊の話に戻ります。時系列については、学会で発表された資料や、VAKで承認されたこの分野の興味深い論文の断片が散見されます。残念ながら、論文の著者の参考文献を残していないので、引用する場合は、カットなしで行うことにします。長期的な関係のモデルを構築する際には、分析した時系列における確率的（非決定論的）なトレンドの有無を考慮する必要があります。つまり、決定論的トレンドに対して定常的な（あるいは単に定常的な）系列-TS（トレンド定常）系列-に属するのか、あるいは確率的トレンドを持ち（場合によっては決定論的トレンドとともに）、系列の一回の微分によってのみ定常的（あるいは決定論的トレンドに対して定常的）系列になる系列-DS（差定）系列に属するのかを決定しなければならないのである。 この2つの系列の基本的な違いは、TS系列の場合、系列から決定論的な要素を控除すると系列が定常化するのに対し、DS系列の場合、決定論的な要素を控除すると、確率的トレンドの存在により系列が非定常化することである。 トレンド同定手順は、系列に
決定論的な トレンドがある場合にのみ可能であることに注意してください。これは重要なポイントです。したがって、我々の課題は、分析された時系列が属するクラスを定義することであり、その後にトレンド識別 方法を議論することである。私はすでにこの分野で予備的な研究を行いましたが、結果は否定的です。外国為替市場の時系列には、非決定的（確率的）なトレンドのみが含まれています。自然界には、それらを時間的に検出する方法はないのです。でも、もしかしたら私が間違っていたのかもしれません :-) 取り組んでみましょうか。