SanSanych Fomenko さん、ハーストのインデックスについて情報をありがとうございます。この指標は興味深いもので、Aleksander_K2 法ともしっかりつながっていることがわかりました。説明のために、添付の論文「Kirillov D.S., Korob O.V., Mitin N.A., Orlov Yu.N., Pleshakov R.V. Distributions of Hurst index of nonstationary marked time series // Preprints of IPM named after M.V. Keldysh」から写真を引用します。2013. № 11.16 с.URL：http://library.keldysh.ru/preprint.asp?id=2013-11"。
年齢が重要なのは、対面でのやりとりのときだけで、それ以外は年齢は関係ない、本質だけだ。
あなたがここで素朴に並べようとしているものはすべて、すでに開発され、使われ、実践の一般化が進んでいるものなのです。そして、そのすべてが極めてよく練られています。
1.確率密度に対する あなたの会計処理 - 今日、それはRealized GARCHと呼ばれるチップです。
2.分布の種類 - t分布 - を考察してください。数ある歪んだ分布の中で、t分布が最も適しているという証拠があります。
3.ロングメモリーのモデル化には、あなたの興味が必要なのです。そして、ハースト指数が0.5から少なくとも10％異なる場合、それを気にすることに意味があるという証拠がある：0.45未満-横ばい、0.55以上-トレンドモデル。
ウィンドウのサイズに問題がありますが、それらと純粋に技術的な難しさ：あなたの12000観測 - 動的に維持するために純粋に技術的に困難。
持って、読んで...。物理も年齢も関係なく
SanSanych Fomenko さん、ハーストのインデックスについて情報をありがとうございます。この指標は興味深いもので、Aleksander_K2 法ともしっかりつながっていることがわかりました。説明のために、添付の論文「Kirillov D.S., Korob O.V., Mitin N.A., Orlov Yu.N., Pleshakov R.V. Distributions of Hurst index of nonstationary marked time series // Preprints of IPM named after M.V. Keldysh」から写真を引用します。2013. № 11.16 с.URL：http://library.keldysh.ru/preprint.asp?id=2013-11"。
ここでアレクサンダーのいつものヒストグラムロゴ「Olympics-80」を思い出さないのはいかがなものだろうか。この記事の内容は、アレグザンダーが自分の作品のステージ、あるいは要点として強調していることに近いと思われるのです。以下、抜粋してご紹介します。
イベントのフラックスについては、明確な日周性を持っている。 加重平均分強度w(m)である。
を式(18)で定義すると、図に示すようになる。3.このプロファイルは、実際には、集計単位（1分）中のフローパラメータ（m,1）である。
今回の例では、1日の刻み数が38k～93kと変化しており、1日の平均値は約70kです。前回から
の分析によると、ティック系列が準定常的な振る舞いをする典型的な時間間隔は、約1.5日であることがわかります。
そのため、1日もかからずに非定常指標を使ったトレーディングシステムを構築することができます。
このような場合、サンプルには異質なデータが含まれることになり、誤った統計的推測を引き起こす可能性が高くなります。
...
回帰関係式(7)の係数としてのハースト指数の決定度については、一般にあまり高くはないようです
は、長さNが小さいウィンドウの場合であり、長さNが大きくなるにつれて大きくなる。1万ティックのウィンドウの場合、平均判定は0.35ですが、10万ティックのウィンドウの場合、それは
が0,85になる。判定値の分布は単峰性ではあるが正規分布ではなく、よりガンマ分布に近い形をしている。
私としては、記事の中にあるハースト指数を度量衡として見ることで、大いに助けられた。
各時系列について、そのハースト指数は、正規化累積分散の対数
、サンプル長の対数への回帰係数 として計算することができます。このような回帰を求めることで、研究対象のプロセスがどの程度の精度でHurstプロセスに近似できるかがわかる。
従来のハースト指数Hの解釈では、値H=0.5以上では、累積範囲の拡大速度が
ランダムウォーク，すなわち，指数が計算されたサンプル期間中，系列が変化する傾向を維持する可能性がより高い。
の指標となり、H < 0.5であればトレンドは反転しやすくなります。そのため、ハーストの数字は金融市場の分析によく使われる
そのため、金融市場の分析では、トレンドの継続時間を推定したり、移動平均を計算する際のサンプル長を推定するために、ハースト指数がよく利用されます[3-4]。
私の研究（例：https://www.mql5.com/ru/forum/221552/page73#comment_6203173）では、平方根の法則がよく適用されるが、その適用範囲をそれほど広く説明できていないので、ディレッタントな推測https://www.mql5.com/ru/forum/221552/page77#comment_6208896 は無視してもよい。さて、FXにおける指数0.5の役割を知ると、なぜ平方根の法則がよく成り立つのか、その正当性を示すことができます。思い出してほしいのですが、時間間隔の平方根にスイング特性が比例することです。
当社のリテールFXは、実際のインターバンク外国為替市場に何ら影響を与えるものではありません。このような結論に至った理由のうち、ひとつだけ挙げるとすれば、実際のFXには「クローズトレード」というものが存在しない、ということです。リテールFXは純粋に投機的なものであり、そこに通貨の供給はない。そのため、自国の必要性に応じて独自の法律を制定しています。間接的にhrenfx(getch)がこのことについて書いていて、（クライアントから）勝つためにどう見積もりをすればいいかを語っているのです。ご存知のように、すでに何万、何十万というEAが存在し、その一部はフラットで勝ち、他の一部はトレンドで勝っています。この両者を勝たせないために、リテールFXではトレンドとフラットの交互性が自動的に維持され、すなわちハースト指数が0.5程度変動する。これにより、平方根の法則が維持される。
ウラジミールが帰って きた!!!!このイベントはめちゃめちゃうれしいです新年のご挨拶を申し上げるとともに、「シェレピンズ」（添付ファイル参照）のご愛読をお勧めします。これらの記事の中で、昔のシェレピンは非マルコフ過程のマタパラッツを絶対的に明確に、理解しやすく説明しています。一方、若いシェレピンは、お父さんが書いていることを理解せず、分位関数の代わりに馬鹿なフィボナッチ数を並べて、それでおしまいです。
回帰関係式(7)の係数としてのハースト図の決定力は、一般にあまり高くないことが判明している
は、長さNが小さいウィンドウの場合であり、長さNが大きくなるにつれて大きくなる。1万ティックのウィンドウの場合、平均判定は0.35ですが、10万ティックのウィンドウの場合、それは
は0.85となる。
あなたの例からすると、ハーストは最初横並びで測定され、その後窓を広げ、その中にトレンドがあったようです。
それがどうした？
要は、どんな分析（TA、統計、その他）もでたらめで、コインのように、片面がオモテで、裏返すと空っぽということです。
分析が面白いのは、そこから予測を立てることができる場合、分析に予測力がある場合、特定されたパターンが未来に外挿できる場合だけです。
ハーストには予知能力があるのでしょうか？それはわからないが、時系列の分数微分（ハースト）を許容するARFIMAモデルをベースにしたモデルがうまくいかないことはわかる。ハーストに予測能力がないことを示す、このような状況証拠。
コインには、尾（分析）と頭（予測）の2つの面があるはずです。そうして初めて、価値が生まれるのです。
あなたの例からすると、ハーストは最初横並びで測定され、その後窓を広げ、その中にトレンドがあったようです。
それがどうした？
要は、どんな分析（TA、統計、その他）もでたらめで、コインのように、片面がオモテで、裏返すと空っぽということです。
分析が面白いのは、そこから予測を立てることができる場合、分析に予測力がある場合、特定されたパターンが未来に外挿できる場合だけです。
ハーストには予知能力があるのでしょうか？それはわからないが、時系列の分数微分（ハースト）を許容するARFIMAモデルをベースにしたモデルがうまくいかないことは知っている。ハーストに予測能力がないことを示す、このような状況証拠。
コインには、尾（分析）と頭（予測）の2つの面があるはずです。そうして初めて、価値が生まれるのです。
引用部分と私の言葉を正確に分けていませんでした、申し訳ありません。この例は私のものではなく、ある記事から引用したものです。
しかし、「そんなコインをどこで使うか」は、アレクサンダーが得た結果から知りたいところです。
引用部分と私の言葉を正確に分けていませんでした、申し訳ありません。例は私のものではなく、記事からのものです。
そして、この「そのコインの行方」ですが、アレキサンダーが得た結果から、見極めていきたいと思います。
別に分離してもしなくてもいいんですけどね......自分の考えを述べただけです。
なぜ、ここで得られた結果が何かの証明になると思うのですか？
そこが問題なんだ!
しかも、未来の証明はテスターにあるのでもなく、デモや本物にあるのでもなく、これらの結果はすべて「こうだったんだ」と言うものなのです。そして、この「あった」ことから、未来はまったく続かず、この未来は信仰と希望のみに基づいているのである。その根拠は？
もし、何らかの理由で、利用可能な（非常に広範な）知識を利用しないのであれば、お気に入りのアイデアに関する最初の質問は、そのアイデアに予測力があるかどうかということであろう。もしそうなら、なぜ？
なぜ、ここで得られた結果が何かの証明になると思うのですか？
そこが問題なんだ!
私は「そのコインの行方」を言ったのですが、なぜか証明の心配をし始めたのはあなたでしたね。どんなものでも。
本当に欲しい証拠なら、私も同意見です--本当に困ったものです。だから、私は証明のためのビジネスをしているわけではありません。ストーリーでの検証は十分です。当然、自分なりの十分な手段で。それ以外の証拠を探しているわけではありません。少なくとも、観測されたパターンに対して、理にかなった説明があればよいのです。
...そこが問題なんです!
さらに、未来の証明はテスターにもデモにも本物にもありません。そして、この「あった」ことから、未来はまったく続かず、この未来は信仰と希望のみに基づいているのである。その根拠は？
もし、何らかの理由で、利用可能な（非常に広範な）知識を利用しないのであれば、お気に入りのアイデアに関する最初の疑問は、そのアイデアに予測力があるかどうかということだ。もしそうなら、なぜ？
ここはSanSanychと全く同じ意見です。これは礎となる問題です。たとえ（計量）モデルが正しく選択され、すべてのテストとチェックをパスしたとしても、将来、市場がそれを壊さないという保証は ないのです。
例えば、国境を越えた資金移動の禁止、DCの破産などなど。これに対する保証はない。それともここの人たちは2015年に何十人ものVCが顧客のお金と一緒に消えたのを経験していないのでしょうか？
なぜ、複雑なシステムの中の一つの部品に、他の部品よりも高い信頼性を求める必要があるのでしょうか？
私は「そんなコインはどこに行けばいいのか」と言ったのですが、なぜか証明の心配をし始めたのはあなたでしたね。それが何であれ。
本当に正確な証明が必要なら、私も同意見です--本当に問題ですね。だから、証明はしないんです。ストーリーの確認はもう十分です。当然、自分なりの十分な手段で。それ以外の証拠を探しているわけではありません。少なくとも、観測されたパターンに対して、理にかなった説明があればよいのです。
ここがポイントで取引がない間は、私の尊敬するウラジミールがtの根源を掴んで退こうとしないので、私は指導を始めます。
シェレピンの記事を読むように言うと、フィボナッチ数についての挿入を除いて（明らかに理不尽な子供によって押し付けられた）、読まないのです。
第1部9ページをご覧ください。
擬似マルコフ過程の場合。
分散S^2=c*t*l、ここで。
l - ジャンプの平均値
t - 観察時間
s - 時間 t (刻み数) におけるジャンプ頻度．
ジャンプとは、価格の刻み幅を意味します。
持っています。
S^2 = (N/t)*t*mean(|Ask(t)-Ask(t-1)|)= N*mean(|Ask(t)-Ask(t-1)|)
S = sqrt(N*mean(|Ask(t)-Ask(t-1)|)), ここでNは観測時間t中の刻みの数である。
さて、ウラジミールさん、あなたのtのルートとの違いがわかりますか？
ちなみに、今、私のアルゴリズムの一つを説明しましたが、これはまだ開発中のものです。
例えば、国境を越えた資金移動の禁止、DCの破産などなど。これに対する保証はない。それともここの人たちは2015年に何十人ものVCが顧客のお金と一緒に消えたのを経験していないのでしょうか？
なぜ、複雑なシステムの構成要素の1つが、他のものよりも信頼性が高くなければならないのでしょうか？
島のDCは選ばなくていいんです。ブローカーバンクをベースとし、欧州のライセンスを持つものでなければならない。そして、このリスクは軽視されることもあります。
それ以外にもリスクはあります。
しかし、モデルそのものが不安定になるリスクは、私たちの手に委ねられているのです。ただ、このことを常に念頭に置き、この問題の解決に力を注ぐ必要があるのです。
このスレの作者は分布を持ち歩いていて、分布のパラメータを取引に使おうとしているのです。
また、どのような分布統計が安定しているのでしょうか？そして、t-distributionの話です。
尖度に関する記事に出会いました。
以下は、ウィンドウが移動しているときのkurtosisのグラフです。
傾斜の値や方向など、すべてが変わるのです。
配信用です。
他の分布統計についても、非常によく似たグラフが表示されます。
また、通常の線形回帰をとると、その係数の値はほぼ同じグラフになり、さらに信頼区間では、係数の値の幅の倍数になる。
ARMA、ARIMA、GARCHに類似関連した画像
これらは、苦しむのではなく、対処すべきなのです．