出来高、ボラティリティ、ハースト指数 - ページ 30

新しいコメント
 
Farnsworth:

見積もりでノイズを分離することはできない--これはおそらく、試していないからわからないのでしょう。そして、ARPSSは引用について助けてくれませんし、これらのプロットを見つけることはできません。私たち大富豪のような賢い人間がもっとこのあたりを歩いていれば......島と城だけでは物足りなくなるはずです。:о)ノイズを分離するということは、適切なモデルを見つけるということです。

プライヴァルは このスレッドにいると思います。例えばカルマンフィルターについての 文章も、これに言及している。私が理解する限り、理想はノイズが正常であることです。そうすれば、敵機の軌道だけでなく、コチラの予測も可能になるはずです(笑)。
 
Farnsworth:

私は科学者ではありません

あなた個人を取り上げたわけではないんです。しかし、あなたが答えてくれたので、自作自演の自称はうまくいきませんでした :)

質問については、それは同じプロセスの分析結果の解釈の誤り（このような性急な結論親切に faa1947 デモ - すべての第二観測を削除することにより、単位で期間が保持されていることが必要です）ではなく、ランダムシリーズの合計の 移動平均の周期性の事実である。

これでは、見積もり作業そのものも、その結果としての価格の推移も、私には理解できない。

また，商の幾何学的なさまが，一連のランダムプロセス（DCフィルターやタフフレームの粗離散化によって平滑化されている）の結果であるとするならば，これは，いくつかの一般的なモデルの均一分布（そして最終的にはガウス分布）とどのように整合するのでしょうか．

ところで、「非常に長い期間」での「トレンド-波動-ノイズ」モデルは、FXに関しては証明されません - ここでは定義上、トレンドはありえません。

金、原油、砂糖......そこにトレンドが必要です。インフレ率を推定するために...

;)


 
Mathemat:
プライヴァルは このスレッドにいると思います。例えばカルマンフィルターについての文章も、これに言及している。私が理解する限り、理想はノイズが正常であることです。そうすれば、敵機の軌道だけでなく、コチラの予測も可能になるはずです(笑)。

ARPSSモデルは、ARPSS (p, d, q)と表記され、dは差分である。結果系列が正常になるまで服用しなければならない。d = 2 で十分であることが主張されている。
 
Candid:

類似性を幾何学的な類似性だけで解釈しようとする人の多さには、本当に驚かされます。類似性を示す完璧な具体例が示されているにもかかわらず、私はハイ・ローと｜Close-Open｜の統計的比率を指しているのです。それが本当の意味での類似点です。ちなみに、ユーリさんのZZの例はもっといいかもしれませんが、個人的なアカウントのようなので、ここでは引用しません。


ファーンズワース 2010.09.18 22:08

は、自己相似性の良い定義を既に引用しています。

== 有限次元分布の等式

幾何学的な類似性を持つ例では、自己相似性係数としてのハーストのポイントが明確に理解できる。例えば、R/S分析を幾何学的に解釈すると、サイズ1の定規を取り、それでR/Sを測定し、サイズ2の定規を取り、測定を繰り返すことができる。などなど、関連性のあるものであればOKです。実際には、このようにして分布の等質性が評価され、その過程で自己相似性係数が算出される。

いずれにせよ、この ような定義の幾何学的な意味について、キャンディド さんの幾何学的な解釈、いわば絵で 示すことをぜひお願いしたいですね。

ハースト指数はマージナルな指標である。そして、区間内のカウント数が無限大に増加したときに、既知の正規化範囲の公式でhが示す限界、漸近線として定義される。

個人的には、上記の定義における自己相似性係数であるハーストは、無限の長さを持つ定規を用いてR/Sと同様の特性を1回で測定することに簡略化されていると見ています。明らかに、正規化されたスプレッドが無限でない系列は、この定義によれば、ハースト係数はゼロに等しくなる。あなたのご意見をお聞かせください。

 
faa1947:

ARPSSを使うなら、わからないでもないですが。ARPSSの前提は、「トレンド＋波＋ノイズ」です。

そういう書き方では全くなく、少し違う理解をしています。ARPSSは、基本的に共分散行列補正を行ったARモデルである。ARPSSを拡張するコンポーネントがあり、トレンドモデル（！）やブレークダウンモデル（！）、いろいろなものを入れることができます。何を言っているのですか？私が何も知らないとでも思っているのでしょうか。私は別のことについて書いているのです。これらのモデルを直接引用に適用しているわけではありません。意味がないんです。ランダムな構造を持つストキャスティック・システムを使おうということを書いていました。それはそれとして、あなたは何を論じているのですか？見積もりで適用できること？引用元：ARPSS?おめでとうございます。

あるいは資格、資格ファースト。

この場合、数学は通用しないのです。必要な条件のいずれも満たされていないのです。まあ、そうですね、資格。それに異論を唱える人はいないでしょう。

このテーマについて多くの憶測が飛び交いましたが、何もありませんでした。もしかしたら、その結果を教えていただけますか？

というのは、誰が議論したのでしょうか？共有すべき成果とは？ここ： https://forum.mql4.com/ru/34527/page27 MathCADでこれまでのところ、150日で25回の取引を行い、pipsでテスト した結果を与えた。また、オンラインシステムテストの分野では、いくつかの予測を行いました。

PS：ARPSSを引用に適用し、プロセスを正しく認識することができれば、あなたのスキルを発揮することができます。

 
Mathemat:
プライヴァルは このスレッドにいると思います。例えば、カルマンフィルタについての文章も含まれていた。私が理解する限り、理想はノイズが正常であることです。そうすれば、敵機の軌道だけでなく、コチラの予測も可能になるはずです(笑)。

カルマンフィルターは、残念ながら引用には使えませんね。応用はできるけど、意味がないってこと？:о)そうでなければ、とっくの昔にバーを左目に撃ち込んでいるはずだ:o)
 

いやいや、そんな単純な話じゃないんです。プリヴァリッチ 自身は、カルマンが誤差の分布に依存しないことを述べている。何を入れても、それがフィルターになって出てくるのです。

正直なところ、カルマンが何なのかわからない。ビジネスにおいて、フィルターに興味を持ったことはないんです。

 
Vita:

ファーンズワース 2010.09.18 22:08

自己相似性については、すでに良い定義がなされています。

幾何学的な類似性を持つ例は、自己相似性係数としてのハーストのポイントを説明するのに役立つ。例えば、R/S分析を幾何学的に解釈すると、サイズ1の定規を取り、その定規でR/Sを測定し、サイズ2の定規を取り、測定を繰り返すということができます。などなど、関連性のあるものであればOKです。実際、このようにして分布の等質性が評価され、その過程で自己相似性係数が算出される。


幾何学というと、定規の存在しか連想しませんか？:о)冗談みたいな話ですが。私の中では少し間違っているが、議論するつもりはない。ARPSSは1976年以来、もうたくさんだ。
 
faa1947:

ARPSSモデルは、ARPSS (p, d, q)と表記され、dは差分である。その結果、シリーズが正常になるまで服用する必要が あります。d = 2 で十分であることが述べられています。
楽しい時間をお過ごしください。:о)
 
Mathemat:

いやいや、そんな単純な話じゃないんです。プリヴァリッチ 自身は、カルマンが誤差の分布に依存しないことを述べている。何を入れても、それがフィルターになって出てくるのです。

正直なところ、カルマンが何なのかわからない。ビジネスにおいて、フィルターに興味を持ったことはないんです。

アレクセイ- カルマンに聞け、彼はもっとよく知っていると断言する。
1...232425262728293031323334353637
新しいコメント