가격 변경 - 가격 값이 변경되는 간격 부호에 따라 양수 또는 음수, H 값으로 간격의 끝과 시작 부분에서 가격 값의 차이. 다음과 같이 계산됨 =(구간 종료 시 가격-구간 시작 시 가격 값)/N, by 이것은 1 또는 -1 값만 사용할 수 있습니다.
H의 작은 값에 대한 눈금 차트를 조사하면 다음과 같은 상황이 가능합니다. 틱당 가격은 2N, 3N 또는 그 이상으로 변경됩니다. 이 경우의 의미는 무엇입니까 가격 변동 ?
예, 여기에 부정확성이 있습니다. 델타 변조에서 현상을 "슬로프 과부하"라고 합니다. 부정적으로 여겨집니다. 원칙적으로 공식 자체는 정확합니다. 다음과 같이:
가격 변경 - 가격 값이 변경되는 간격 부호에 따라 값 H , 양수 또는 음수 간격의 끝과 시작 부분에서 가격 값의 차이. 다음과 같이 계산됨 =(구간 종료 시 가격-구간 시작 시 가격 값)/ N , by 이것은 정수 값만 양수로 사용할 수 있습니다. 뿐만 아니라 부정적인 것들.
함수의 범위에서 Open[i-1]에서 Open[i]까지의 섹션은 Open[i-2]에서 Open[i-1]으로의 섹션과 관련하여 반대 방향 가격 점프로 간주합니다. . 점프의 반대 방향에 대한 기준은 부등식의 충족입니다. (열기[k]-열기[k-1])*(열기[k+1]-열기[k])<0 . Open[i]에서 Open[i+1]까지의 섹션은 Open[i-1]에서 Open[i]까지에 대해 동방향입니다. 점프의 공동 방향성에 대한 기준은 부등식의 충족입니다. (열기[k]-열기[k-1])*(열기[k+1]-열기[k])>0 .
이제 Pastekhov가 그의 작품에서 쓴 내용에 주목해 보겠습니다.
Vt 와 Ut 는 본질적으로 모든 점프의 수에 H 를 곱한 것입니다.
Nt 와 Mt 는 단순히 모든 반대 방향 점프의 합입니다. 그런 다음 위의 게시물에서 인용한 진술: FAK=1-2/H , 맞아.
그란에게
Serezha, 가격의 움직임을 보고 말해 주세요. 이것은 추세 시장입니까 아니면 후퇴입니까?
바르게! - 명확하게 대답하는 것은 불가능합니다. 질문이 올바르게 입력되지 않았습니다. TF=1에서 - 이것은 뚜렷한 추세 시장입니다. 실제로, 이웃 점프 제품의 시계열 부분에 대한 합계는 항상 양수이고 가격 움직임의 방향으로 포지션을 열어야 합니다. 반대로 TF=50에서는 뚜렷한 플랫이 관찰됩니다! 실제로 이웃 점프 제품의 시계열(TF=50) 부분에 대한 합계는 항상 음수이며 이전 가격 움직임 방향에 대해 포지션을 열어야 합니다. 이제 합계가 "길이"가 되어야 하는 정도에 대해 한두 단어입니다. 나는 이미 결과의 통계적 의미에 대해 썼습니다. 결론은 하나뿐이며 합계의 항 수는 100 이상이어야합니다. 이 경우 얻은 결과의 변동은 10%를 초과하지 않습니다. 이것은 아마도 적용 목적에 충분한 정확도일 것입니다. 자, 주목! 이전 게시물의 그림을 참조하십시오. 트렌드로 눈으로 강조하는 것은 신뢰할 수 있는 선택을 위해 약 100분할이 있어야 합니다. 이 섹션을 100개의 간격으로 나누면 TF는 눈으로 추세를 "강조 표시"한 것보다 100배 적습니다. 그리고 백 배 작은 TF에 플랫이 없다는 것은 사실이 아닙니다! 코사인 예를 생각해 보십시오. 그러나 그것은 당신이 벌 수 있는 안정적인 아파트가 될 것입니다. 이 역설처럼 보이는 것을 생각해 보십시오. 이제 "추세"를 100 간격이 아니라 10 간격으로 나누겠습니다. 오! 과연 이웃 가격 상승의 제품들의 합은 플러스-트렌드! 네, 지금만 식별오류가 30% 수준입니다. 이것을 "확률적 추세"라고 합니다.
어쨌든 다른 방법으로는 설명할 수 없습니다.
그건 그렇고, FAK는 결정론적 경향의 영역을 거의 보여주지 않습니다. 그리고 대부분 전혀 존재하지 않는 곳입니다. FAK+가 결정론적 급수라면 FAK-라면 어느 급수입니까?
FAC가 양수이면 결정적 추세, FAC가 음수이면 결정적 플랫 또는 다시 말해 가격 행동의 롤백 특성이 있습니다.
Neutron 19.01.07 08:34 ... 그리고 위의 글에서 제가 인용한 문장은 다음과 같습니다. FAK=1-2/H , 맞아...
나는 내가 옳았다는 것을 조금 의심하기도 했다. 하지만 빨리 마음을 바꿨다. 나는 당신이 똑같이 할 것을 제안합니다.
좋아, 지옥에, N-Hurst를 사용하면 모두 동일하게 계산 알고리즘이 모든 사람을 위한 것은 아닙니다. 자, FAQ를 살펴보겠습니다. 나는 이것이 기능이라는 것을 이해합니다. 자기 상관 . 공식은 여기 또는 교과서에서 찾을 수 있습니다. 튜토리얼을 보고 Statistica에서 FAC 구현을 살펴보았습니다. 나는 세 개의 데이터 시리즈를 구성했는데 첫 번째 시리즈는 1, -1,1, -1 등입니다. 두 번째 행: 2, -2,2, -2 등; 세 번째 2, -1,2, -1 등 그들에 대한 H-변동성, 각각 1, 2 및 1.5. Statistica에서 계산한 FAC 값 lag = 1, 세 시리즈 모두 -0.995, 일반적으로 자연스럽고, 자기 상관에 대한 이해를 기반으로 합니다. 지연 = 2의 경우 0.993 등...
나는 당신의 관심을 끌고, 세 행은 완전히 다릅니다. H-변동성과 FAC에 따른 동일(동일한 지연에 대해).
귀하의 FAK가 일반적으로 허용되는 것과 같지 않거나 귀하의 FAK가 다음 중 하나입니다. 추론에 오류가 있었다.
귀하의 FAK가 일반적으로 허용되는 것과 같지 않거나 귀하의 FAK가 다음 중 하나입니다. 추론에 오류가 있었다.
North Wind , 나는 FAK에서 일련의 첫 번째 차이점에 대해 행동하고 당신은 원래 시리즈에 대해 행동합니다. 따라서 차이. 물론 두 개의 계열 X 와 Y 가 정의된 경우 상관 계수는 다음 공식으로 계산됩니다. r=SUM(X*Y)/SUM(X^2) . 이제 자기상관 계수의 정의로 진행하면 다음을 얻습니다. r=SUM(X[i]*X[i-1])/SUM(X[i]^2) , 그것에서 첫 번째 차이점으로 전달하면 다음을 얻습니다. r=SUM{(X[i]-X[i-1])*(X[i+1]-X[i])}/SUM(X[i]-X[i-1])^2) , 또는 첫 번째 근사치로: r=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]))}/N , 여기서 N은 합산 창입니다.
Neutron 19.01.07 18:21 ... North Wind , 나는 FAK에서 일련의 첫 번째 차이점에 대해 행동하고 당신은 원래 시리즈에 대해 행동합니다. 따라서 차이. 물론 두 개의 계열 X 와 Y 가 정의되면 상관 계수는 다음 공식으로 계산됩니다. ...
나는 "1, -1,1, -1,1, -1 ..."을 준 예에주의를 기울입니다. 첫 번째 차이의 형태로 "-2,2,-2,2 ..." 시리즈로 변환됩니다. 이 시리즈의 FAC (지연=1) 크기가 동일하고 이론적 개념과 완전히 일치합니다. 그러한 계열에 대해 이전 값과의 상관 관계를 주장 접근 방식 1. 동시에 이러한 고려된 계열에 대한 H-변동성은 다릅니다 . 즉, 공식이 정확하지 않은 것으로 나타났습니다.
두 개의 행 X 와 Y 는 여기에 사용되지 않았습니다. 확인용으로만 3개의 데이터 시리즈가 서로 독립적으로 계산되었습니다.
이렇게 하면 "3, -3,3, -3 ..." 및 "1, -1,1, -1 ..." 시리즈에 대한 FAC를 계산할 수 있습니다. 결과를 보여주면 H-휘발성을 계산합니다. 그런 다음 우리는 비교합니다.
이렇게 하면 "3, -3,3, -3 ..." 및 "1, -1,1, -1 ..." 시리즈에 대한 FAC를 계산할 수 있습니다. 결과를 보여주면 H-휘발성을 계산합니다. 그런 다음 우리는 비교합니다.
첫 번째 행의 경우: FAC=SUM{기호((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={기호((-3-3)*(3 -(-3))+기호((3+3)*(-3-3)+...+}/N= ={-1+(-1)+...+(-1)}/N=-1, H-변동성(H로 표시), Н =(모든 가격 움직임 의 절대값 합계)/(이동 반전 합계)=h*N/N= 1 *h, 여기서 h=3. FAK는 의미가 무차원입니다. H-변동성은 진폭의 차원을 가지므로 비교를 위해 h로 정규화합니다. 나는 FAC=1-2/H 라고 명시했고, 우리는 -1=1-2/1=-1 즉, 신원.
두 번째 행의 경우: FAC=-1, H=h*N/N=1*h, 여기서 h=1. 우리는 -1=1-2/1=-1 즉, 신원.
부호에 따라 양수 또는 음수, H 값으로
간격의 끝과 시작 부분에서 가격 값의 차이. 다음과 같이 계산됨
=(구간 종료 시 가격-구간 시작 시 가격 값)/N, by
이것은 1 또는 -1 값만 취할 수 있습니다.
H의 작은 값에 대한 틱 차트를 살펴보면 틱당 가격이 2H, 3H 또는 그 이상으로 변하는 상황이 가능합니다. 이 경우 가격 변동 의 의미는 무엇입니까?
부호에 따라 양수 또는 음수, H 값으로
간격의 끝과 시작 부분에서 가격 값의 차이. 다음과 같이 계산됨
=(구간 종료 시 가격-구간 시작 시 가격 값)/N, by
이것은 1 또는 -1 값만 사용할 수 있습니다.
H의 작은 값에 대한 눈금 차트를 조사하면 다음과 같은 상황이 가능합니다.
틱당 가격은 2N, 3N 또는 그 이상으로 변경됩니다. 이 경우의 의미는 무엇입니까
가격 변동 ?
예, 여기에 부정확성이 있습니다. 델타 변조에서 현상을 "슬로프 과부하"라고 합니다.
부정적으로 여겨집니다. 원칙적으로 공식 자체는 정확합니다. 다음과 같이:
가격 변경 - 가격 값이 변경되는 간격
부호에 따라 값 H , 양수 또는 음수
간격의 끝과 시작 부분에서 가격 값의 차이. 다음과 같이 계산됨
=(구간 종료 시 가격-구간 시작 시 가격 값)/ N , by
이것은 정수 값만 양수로 사용할 수 있습니다.
뿐만 아니라 부정적인 것들.
따라서 2H, 3H 등의 경우에는 2, 3 등이 됩니다.
solandr 의 힌트 덕분에 사이트에서 틱 아카이브를 다운로드했습니다.
소포를 다시 보낼 필요가 없습니다.
고맙습니다.
...이제 동방향 및
반대 방향의 가격 인상?
도면을 봅시다.
함수의 범위에서 Open[i-1]에서 Open[i]까지의 섹션은 Open[i-2]에서 Open[i-1]으로의 섹션과 관련하여 반대 방향 가격 점프로 간주합니다. . 점프의 반대 방향에 대한 기준은 부등식의 충족입니다.
(열기[k]-열기[k-1])*(열기[k+1]-열기[k])<0 .
Open[i]에서 Open[i+1]까지의 섹션은 Open[i-1]에서 Open[i]까지에 대해 동방향입니다. 점프의 공동 방향성에 대한 기준은 부등식의 충족입니다.
(열기[k]-열기[k-1])*(열기[k+1]-열기[k])>0 .
이제 Pastekhov가 그의 작품에서 쓴 내용에 주목해 보겠습니다.
Vt 와 Ut 는 본질적으로 모든 점프의 수에 H 를 곱한 것입니다.
Nt 와 Mt 는 단순히 모든 반대 방향 점프의 합입니다.
그런 다음 위의 게시물에서 인용한 진술:
FAK=1-2/H , 맞아.
그란에게
Serezha, 가격의 움직임을 보고 말해 주세요. 이것은 추세 시장입니까 아니면 후퇴입니까?
바르게! - 명확하게 대답하는 것은 불가능합니다. 질문이 올바르게 입력되지 않았습니다. TF=1에서 - 이것은 뚜렷한 추세 시장입니다. 실제로, 이웃 점프 제품의 시계열 부분에 대한 합계는 항상 양수이고 가격 움직임의 방향으로 포지션을 열어야 합니다. 반대로 TF=50에서는 뚜렷한 플랫이 관찰됩니다! 실제로 이웃 점프 제품의 시계열(TF=50) 부분에 대한 합계는 항상 음수이며 이전 가격 움직임 방향에 대해 포지션을 열어야 합니다.
이제 합계가 "길이"가 되어야 하는 정도에 대해 한두 단어입니다. 나는 이미 결과의 통계적 의미에 대해 썼습니다. 결론은 하나뿐이며 합계의 항 수는 100 이상이어야합니다. 이 경우 얻은 결과의 변동은 10%를 초과하지 않습니다. 이것은 아마도 적용 목적에 충분한 정확도일 것입니다.
자, 주목! 이전 게시물의 그림을 참조하십시오. 트렌드로 눈으로 강조하는 것은 신뢰할 수 있는 선택을 위해 약 100분할이 있어야 합니다. 이 섹션을 100개의 간격으로 나누면 TF는 눈으로 추세를 "강조 표시"한 것보다 100배 적습니다. 그리고 백 배 작은 TF에 플랫이 없다는 것은 사실이 아닙니다! 코사인 예를 생각해 보십시오. 그러나 그것은 당신이 벌 수 있는 안정적인 아파트가 될 것입니다. 이 역설처럼 보이는 것을 생각해 보십시오.
이제 "추세"를 100 간격이 아니라 10 간격으로 나누겠습니다. 오! 과연 이웃 가격 상승의 제품들의 합은 플러스-트렌드! 네, 지금만 식별오류가 30% 수준입니다. 이것을 "확률적 추세"라고 합니다.
어쨌든 다른 방법으로는 설명할 수 없습니다.
FAC가 양수이면 결정적 추세, FAC가 음수이면 결정적 플랫 또는 다시 말해 가격 행동의 롤백 특성이 있습니다.
어쨌든 다른 방법으로는 설명할 수 없습니다.
Sergey, 환자 설명에 감사드립니다. 아마도 당신의 추론이 옳을 것입니다. 우리 중 한 사람이 이 문제를 해결하는 데 대한 관점을 바꾸는 데 시간이 걸릴 것이라고 생각합니다. 내 의견으로는 다음 사항만 언급하겠습니다.
나는 어떤 역설도 보지 못한다. 나는 시리즈를 간격으로 나누지 않습니다. 이 작전은 정당성이 없고 큰 실수를 낳는다고 생각합니다. 창을 사용하지 않고 전체 시리즈를 분석하고 있습니다.
나는 트렌드가 필요하지 않습니다. 나는 독서들 사이의 연결의 강도에 만족한다. 일반적으로 이것은 예측에 충분합니다(그는 이전에 예를 제시했습니다).
나는 눈으로 트렌드를 강조하지 않는다. 이것이 추세인지 아닌지 확실히 알아야 하는 경우 추가 기준을 사용합니다. 이 기준에 근거한 결론은 눈으로 확인됩니다. 맞습니다, 더 정확하게는.
sin() 함수의 통계 값은 2.127입니다. 그녀의 경우 "추세 없음" 기준은 (0:1.9) 내에 있으며 거의 즉시 이러한 한계 내에 속합니다. 이것은 내 접근 방식에서 "평평한"상태에 가까운 상태로 분류할 수 있습니다.
어떤 의미에서 파스투호프의 변형은 "거친" 시리즈와 완전히 다른 용도를 목표로 합니다. 자기상관을 포함한 어떤 방법으로든 추세를 결정하기 위해 이러한 변환을 사용하는 것에 찬성하는 설득력 있는 주장을 보지 못했습니다.
추세 감지 기술에는 입력 매개변수가 없어야 합니다. 두 가지가 있습니다. 첫 번째는 창의 크기이고 두 번째는 kagi, rengo ... 대형의 매개변수입니다. 원래 행만! 모든 것을 갖추고 있습니다!
... 그리고 위의 글에서 제가 인용한 문장은 다음과 같습니다.
FAK=1-2/H , 맞아...
나는 내가 옳았다는 것을 조금 의심하기도 했다. 하지만 빨리
마음을 바꿨다. 나는 당신이 똑같이 할 것을 제안합니다.
좋아, 지옥에, N-Hurst를 사용하면 모두 동일하게 계산 알고리즘이 모든 사람을 위한 것은 아닙니다.
자, FAQ를 살펴보겠습니다. 나는 이것이 기능이라는 것을 이해합니다.
자기 상관 . 공식은 여기 또는 교과서에서 찾을 수 있습니다.
튜토리얼을 보고 Statistica에서 FAC 구현을 살펴보았습니다.
나는 세 개의 데이터 시리즈를 구성했는데 첫 번째 시리즈는 1, -1,1, -1 등입니다.
두 번째 행: 2, -2,2, -2 등; 세 번째 2, -1,2, -1 등 그들에 대한 H-변동성,
각각 1, 2 및 1.5. Statistica에서 계산한 FAC 값
lag = 1, 세 시리즈 모두 -0.995, 일반적으로 자연스럽고,
자기 상관에 대한 이해를 기반으로 합니다. 지연 = 2의 경우 0.993 등...
나는 당신의 관심을 끌고, 세 행은 완전히 다릅니다.
H-변동성과 FAC에 따른 동일(동일한 지연에 대해).
귀하의 FAK가 일반적으로 허용되는 것과 같지 않거나 귀하의 FAK가 다음 중 하나입니다.
추론에 오류가 있었다.
귀하의 FAK가 일반적으로 허용되는 것과 같지 않거나 귀하의 FAK가 다음 중 하나입니다.
추론에 오류가 있었다.
North Wind , 나는 FAK에서 일련의 첫 번째 차이점에 대해 행동하고 당신은 원래 시리즈에 대해 행동합니다. 따라서 차이.
물론 두 개의 계열 X 와 Y 가 정의된 경우 상관 계수는 다음 공식으로 계산됩니다.
r=SUM(X*Y)/SUM(X^2) .
이제 자기상관 계수의 정의로 진행하면 다음을 얻습니다.
r=SUM(X[i]*X[i-1])/SUM(X[i]^2) ,
그것에서 첫 번째 차이점으로 전달하면 다음을 얻습니다.
r=SUM{(X[i]-X[i-1])*(X[i+1]-X[i])}/SUM(X[i]-X[i-1])^2) ,
또는 첫 번째 근사치로:
r=SUM{sign((X[i]-X[i-1])*(X[i+1]-X[i]))}/N , 여기서 N은 합산 창입니다.
이것이 정확히 주장된 것입니다.
... North Wind , 나는 FAK에서 일련의 첫 번째 차이점에 대해 행동하고 당신은 원래 시리즈에 대해 행동합니다. 따라서 차이.
물론 두 개의 계열 X 와 Y 가 정의되면 상관 계수는 다음 공식으로 계산됩니다. ...
나는 "1, -1,1, -1,1, -1 ..."을 준 예에주의를 기울입니다.
첫 번째 차이의 형태로 "-2,2,-2,2 ..." 시리즈로 변환됩니다. 이 시리즈의 FAC (지연=1)
크기가 동일하고 이론적 개념과 완전히 일치합니다.
그러한 계열에 대해 이전 값과의 상관 관계를 주장
접근 방식 1. 동시에 이러한 고려된 계열에 대한 H-변동성은 다릅니다 .
즉, 공식이 정확하지 않은 것으로 나타났습니다.
두 개의 행 X 와 Y 는 여기에 사용되지 않았습니다. 확인용으로만
3개의 데이터 시리즈가 서로 독립적으로 계산되었습니다.
이렇게 하면 "3, -3,3, -3 ..." 및 "1, -1,1, -1 ..." 시리즈에 대한 FAC를 계산할 수 있습니다.
결과를 보여주면 H-휘발성을 계산합니다. 그런 다음 우리는 비교합니다.
이렇게 하면 "3, -3,3, -3 ..." 및 "1, -1,1, -1 ..." 시리즈에 대한 FAC를 계산할 수 있습니다.
결과를 보여주면 H-휘발성을 계산합니다. 그런 다음 우리는 비교합니다.
첫 번째 행의 경우:
FAC=SUM{기호((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={기호((-3-3)*(3 -(-3))+기호((3+3)*(-3-3)+...+}/N=
={-1+(-1)+...+(-1)}/N=-1,
H-변동성(H로 표시),
Н =(모든 가격 움직임 의 절대값 합계)/(이동 반전 합계)=h*N/N= 1 *h, 여기서 h=3.
FAK는 의미가 무차원입니다. H-변동성은 진폭의 차원을 가지므로 비교를 위해 h로 정규화합니다.
나는 FAC=1-2/H 라고 명시했고, 우리는 -1=1-2/1=-1 즉, 신원.
두 번째 행의 경우:
FAC=-1,
H=h*N/N=1*h, 여기서 h=1.
우리는 -1=1-2/1=-1 즉, 신원.
Q.E.D.
결과를 보여주면 H-휘발성을 계산합니다. 그런 다음 우리는 비교합니다.
첫 번째 행의 경우:
FAC=SUM{기호((X[i]-X[i-1])*(X[i+1]-X[i]))}/N={기호((-3-3)*(3 -(-3))+기호((3+3)*(-3-3)+...+}/N=
={-1+(-1)+...+(-1)}/N=-1,
그래, 난 동의. 생각만 다를 뿐 결과는 같습니다.
H-변동성(H로 표시),
Н =(모든 가격 움직임의 절대값 합계)/(이동 반전 합계)=h*N/N= 1 *h, 여기서 h=3.
FAK는 의미가 무차원입니다.
네, 저도 같은 생각입니다.
H-변동성은 진폭의 차원을 가지므로 비교를 위해 h로 정규화합니다.
그리고 여기 틀렸습니다. 모든 것은 이미 h에 설정되어 있습니다. 즉, 정규화가 필요하지 않습니다.
나는 FAC=1-2/H 라고 명시했고, 우리는 -1=1-2/1=-1 즉, 신원.
"정규화"로 인해 =1일 때 모든 케이스를 하나의 케이스로 줄입니다.
또한 H-변동성을 계산하기 위한 "직접" 공식 대신 다음과 같이 표시됩니다.
자신의 것을 사용하지만 오류가 있으므로 결과는 오류가 발생합니다.
두 번째 행의 경우:
FAC=-1,
H=h*N/N=1*h, 여기서 h=1.
우리는 -1=1-2/1=-1 즉, 신원.
Q.E.D.
그런 다음 FAC 및 H-휘발성을 계산해 보겠습니다.
다른 행(예: 3, -1,3, -1 등) 나는 FAC가 =-1, H-ox =2가 될 것이라고 확신합니다.
H-파티션은 h=1에서 수행됩니다. 차이점을 취할 필요가 없습니다. 시리즈는 가장 순수한 형태입니다.
그건 그렇고, 시리즈의 또 다른 흥미로운 예인 1,2,-3,1,2,-3입니다. 어떤 것이 효과가 있을 것 같나요?