역사는 실제로 반복되며 이것은 Hurst 지수에 의해 입증됩니다. 다만 TS에 대한 접근 방식을 다소 변경하는 기존 구조(이전에 썼음)를 반복/계속할 가능성을 평가합니다.
Hurst 지수는 시계열의 적분 특성 이며 관심 수량의 확산 속도(시간에 대한 편차의 양)를 나타냅니다. 결과적으로 많은 흥미로운 점은 단순히 고려되지 않습니다. 훨씬 더 유익한 것은 고정 시계열의 상관도를 구성하는 것입니다. 특별한 경우로 Hurst 지수의 추정치를 얻을 수 있지만 또한 시계열의보다 미묘하고 중요한 지표를 결정할 수있는 강력한 장치가 있습니다.
허스트 지수에 대한 흥미로운 해석 나는 아직 그런 이해를 본 적이 없습니다. 설명 "시간에 따른 편차의 크기"는 인정하지만 잘 이해하지 못했습니다. 그리고 계산을 위한 정말 많은 옵션이 있습니다. :에 대한)
막대 수 n(또는 기간 t)의 함수로서의 상품 s의 변동성은 최소 기간 s0에서 결정된 변동성에 관심 기간 t를 최소 t0으로 나눈 비율을 곱한 값으로 구합니다. 이것은 Hurst 지수의 거듭제곱입니다. s=s0*(t/t0)^M, 여기서 M은 허스트 지수입니다. 일반적으로 고정 정규 분포 확률 변수를 기반으로 하는 적분 시계열의 경우 허스트 지수는 1/2이며 가격 책정의 예측할 수 없는 특성을 나타냅니다. 이 경우 가격은 63%의 확률로 시간 tc 이후에 너비 s의 가격 회랑에 있게 됩니다. 사실, 나는 이것을 확산 속도라고 부르려고 노력했습니다. 아마도 급하게 :-) Hurst 지수가 1/2보다 크면 추세 시장에 대해 이야기 할 수 있고 작으면 가격 행동의 롤백 특성에 대해 이야기 할 수 있습니다. . 아마도 이것이 허스트 지수의 분석에서 이끌어낼 수 있는 전부일 것입니다. 약간, 정교한 연구원을 위해. 가격 책정 메커니즘에 대한 동일하고 훨씬 더 자세한 정보는 자기 상관 함수의 유사 샘플 분석에서 얻을 수 있습니다.
이제 지표를 계산하는 작업 버전(더 정확한)을 끝내고 있지만 웨이블릿 분석을 사용합니다. 그것이 어렵지 않다면, 상관도에서 허스트 지수를 얻는 방법을 알려주거나 링크를 제공하십시오.
헤이 그래스. 정상 시계열 의 스펙트럼 밀도 p(오메가)는 다음 관계식에 의해 자기상관 함수를 통해 결정됩니다. p(오메가)=SUM(r(k)*exp{i*오메가*k}), 여기서 합은 -무한대에서 +무한대까지입니다. r(-k) = r(k)이므로 스펙트럼 밀도는 다음과 같이 쓸 수 있습니다. p(오메가)=1+2*SUM(r(k)*cos{오메가*k}), 여기서 합은 1에서 + 무한대입니다. 따라서 함수 p(오메가) 는 2Pi 주기와 조화를 이룹니다. 스펙트럼이라고 하는 스펙트럼 밀도의 플롯은 오메가 = Pi에 대해 대칭입니다. 따라서 행동을 분석할 때 p(오메가)는 0<=오메가<=Pi/dt 또는 f 0에서 1/(2*dt)로 제한됩니다. 주파수 단위와 관련된 진폭의 제곱의 차원을 갖습니다. 적용된 시계열 분석에서 이 함수의 속성을 사용하는 것을 "시계열의 스펙트럼 분석"이라고 정의합니다. 예를 들어 [Jenkins, Watts(1971, 1972)] 및 [Lloyd, Lederman(1990)]에 이 접근 방식에 대한 완전한 설명이 나와 있습니다. 일반적으로 필터의 주파수 분석에서 샘플링 간격의 dt 값은 1로 간주되므로 간격(0...Pi)의 주파수 특성 설정을 주파수 또는 (0.. .1/2) f. FFT(고속 푸리에 변환)를 사용할 때 스펙트럼은 0 ~ 2Pi(0 ~ 1Hz)의 주파수 범위에서 양수 주파수의 단측 버전으로 계산되며, 여기서 주 범위 스펙트럼의 복소수 켤레 부분 (-Pi에서 0까지) Pi에서 2Pi까지의 간격을 차지합니다(이산 스펙트럼의 주기성 원리는 계산 속도를 높이는 데 사용됨). 의미 있는 분석을 위해서는 스펙트럼 밀도 값이 시계열 xt와 주기가 2Pi/오메가인 고조파 사이에 존재하는 관계의 강도를 특성화하는 것이 중요합니다. 이를 통해 스펙트럼을 분석된 시계열의 주기성을 캡처하는 수단으로 사용할 수 있습니다. 스펙트럼 피크 세트는 확장의 고조파 성분 세트를 결정합니다. 계열에 주파수 오메가의 숨겨진 고조파가 포함되어 있으면 주파수 오메가/2, 오메가/3 등의 주기적인 항도 포함됩니다. 이것은 저주파에서 스펙트럼에 의해 반복되는 소위 "에코"입니다.
그라스, 변동성에 대해. 그 계산은 표준 편차의 추정치와 다르지 않습니다. s0=SQRT(|SUM{High[i+1+k]-low[i+k]}^2|/{k-1}), 여기서 합은 0에서 n까지의 모든 k에 대한 것입니다. 통계적 유의성을 위해 n은 100보다 커야 합니다. 이 공식에 따르면 s0은 최소 시간 프레임(보통 분)에 대해 발견됩니다. Hurst 지수가 기간에 따라 어떻게 달라지는지 알면 위의 게시물에 제공된 공식을 사용하여 모든 기간의 변동성 값을 찾을 수 있습니다. 반대의 경우도 마찬가지입니다. 위의 공식에 따라 기간에 대한 변동성의 종속성을 구축하고 통계 데이터를 처리하면 Hurst 지수를 표현하는 것이 어렵지 않을 것입니다.
........... 그라스, 변동성에 대해. 그 계산은 표준 편차의 추정치와 다르지 않습니다. s0=SQRT(|SUM{High[i+1+k]-low[i+k]}^2|/{k-1}), 여기서 합은 0에서 n까지의 모든 k에 대한 것입니다. 통계적 유의성을 위해 n은 100보다 커야 합니다. 이 공식에 따르면 s0은 최소 시간 프레임(보통 분)에 대해 발견됩니다. Hurst 지수가 기간에 따라 어떻게 달라지는지 알면 위의 게시물에 제공된 공식을 사용하여 모든 기간의 변동성 값을 찾을 수 있습니다. 반대의 경우도 마찬가지입니다. 통계 데이터를 처리한 후 위의 공식에 따라 기간에 대한 변동성의 종속성 을 구축 하면 Hurst 지수를 표현하는 것이 어렵지 않을 것입니다.
로쉬 , 운이 좋다. 나머지도 이해하지 못했다. :-)) 우리는 분명히 DSP를 진지하게 받아들여야 합니다.
중성자 , 위의 공식에서 s0=SQRT(|SUM{High[i+1+k]-low[i+k]}^2|/{k-1}) 이해할 수 없는 것이 있습니다. 아마도 문제는 텍스트 형식으로 수식을 작성하는 것이 모든 미묘함을 표시하지 않는다는 것입니다. 설명해 주시겠습니까? 1. 이미 양수 값인 경우 차이 제곱합의 계수가 필요한 이유 2. 합계가 k에 대해 수행되는 경우 분모의 {k-1}이 합계 기호를 따르는 이유 3. 높음과 낮음이 하나의 막대가 아니라 이웃을 나타내는 이유
그건 그렇고, grann , 변동성에 대한 논의를 기억하십니까? 보다시피 Neutron 은 저와 같은 점을 지적합니다. 변동성은 표준 편차 로 측정됩니다.
Hurst 지수는 시계열의 적분 특성 이며 관심 수량의 확산 속도(시간에 대한 편차의 양)를 나타냅니다. 결과적으로 많은 흥미로운 점은 단순히 고려되지 않습니다. 훨씬 더 유익한 것은 고정 시계열의 상관도를 구성하는 것입니다. 특별한 경우로 Hurst 지수의 추정치를 얻을 수 있지만 또한 시계열의보다 미묘하고 중요한 지표를 결정할 수있는 강력한 장치가 있습니다.
Hurst 지수는 시계열의 적분 특성이며 관심 수량의 확산 속도(시간에 대한 편차의 양)를 나타냅니다.
Hurst 지수에 대한 흥미로운 해석 , 나는 아직 그러한 이해를 보지 못했습니다. 설명 "시간에 따른 편차의 크기"는 인정하지만 잘 이해하지 못했습니다.
훨씬 더 유익한 것은 고정 시계열의 상관도를 구성하는 것입니다. 특별한 경우로 허스트 지수의 추정치를 구하는 데 사용할 수 있습니다.
이제 지표 계산의 작업 버전(더 정확한)을 마무리하지만 웨이블릿 분석을 사용합니다. 그것이 어렵지 않다면, 상관도에서 허스트 지수를 얻는 방법을 알려주거나 링크를 제공하십시오.
그리고 계산을 위한 옵션이 정말 많습니다. :에 대한)
허스트 지수에 대한 흥미로운 해석 나는 아직 그런 이해를 본 적이 없습니다. 설명 "시간에 따른 편차의 크기"는 인정하지만 잘 이해하지 못했습니다.
그리고 계산을 위한 정말 많은 옵션이 있습니다. :에 대한)
막대 수 n(또는 기간 t)의 함수로서의 상품 s의 변동성은 최소 기간 s0에서 결정된 변동성에 관심 기간 t를 최소 t0으로 나눈 비율을 곱한 값으로 구합니다. 이것은 Hurst 지수의 거듭제곱입니다.
s=s0*(t/t0)^M, 여기서 M은 허스트 지수입니다. 일반적으로 고정 정규 분포 확률 변수를 기반으로 하는 적분 시계열의 경우 허스트 지수는 1/2이며 가격 책정의 예측할 수 없는 특성을 나타냅니다. 이 경우 가격은 63%의 확률로 시간 tc 이후에 너비 s의 가격 회랑에 있게 됩니다. 사실, 나는 이것을 확산 속도라고 부르려고 노력했습니다. 아마도 급하게 :-) Hurst 지수가 1/2보다 크면 추세 시장에 대해 이야기 할 수 있고 작으면 가격 행동의 롤백 특성에 대해 이야기 할 수 있습니다. . 아마도 이것이 허스트 지수의 분석에서 이끌어낼 수 있는 전부일 것입니다.
약간, 정교한 연구원을 위해. 가격 책정 메커니즘에 대한 동일하고 훨씬 더 자세한 정보는 자기 상관 함수의 유사 샘플 분석에서 얻을 수 있습니다.
기억이 안나네요. 링크를 걸어드릴테니 참고하세요.
변동성과 관련하여 s0는 어떻게 결정됩니까? 가능한 경우 링크를 제공하거나 자세한 내용을 제공하십시오. 나는 정말로 이해하지 못했다. 이 공식에서 기간이란 무엇을 의미합니까?
정상 시계열 의 스펙트럼 밀도 p(오메가)는 다음 관계식에 의해 자기상관 함수를 통해 결정됩니다.
p(오메가)=SUM(r(k)*exp{i*오메가*k}), 여기서 합은 -무한대에서 +무한대까지입니다.
r(-k) = r(k)이므로 스펙트럼 밀도는 다음과 같이 쓸 수 있습니다.
p(오메가)=1+2*SUM(r(k)*cos{오메가*k}), 여기서 합은 1에서 + 무한대입니다.
따라서 함수 p(오메가) 는 2Pi 주기와 조화를 이룹니다. 스펙트럼이라고 하는 스펙트럼 밀도의 플롯은 오메가 = Pi에 대해 대칭입니다. 따라서 행동을 분석할 때
p(오메가)는 0<=오메가<=Pi/dt 또는 f 0에서 1/(2*dt)로 제한됩니다. 주파수 단위와 관련된 진폭의 제곱의 차원을 갖습니다.
적용된 시계열 분석에서 이 함수의 속성을 사용하는 것을 "시계열의 스펙트럼 분석"이라고 정의합니다. 예를 들어 [Jenkins, Watts(1971, 1972)] 및 [Lloyd, Lederman(1990)]에 이 접근 방식에 대한 완전한 설명이 나와 있습니다.
일반적으로 필터의 주파수 분석에서 샘플링 간격의 dt 값은 1로 간주되므로 간격(0...Pi)의 주파수 특성 설정을 주파수 또는 (0.. .1/2) f. FFT(고속 푸리에 변환)를 사용할 때 스펙트럼은 0 ~ 2Pi(0 ~ 1Hz)의 주파수 범위에서 양수 주파수의 단측 버전으로 계산되며, 여기서 주 범위 스펙트럼의 복소수 켤레 부분 (-Pi에서 0까지) Pi에서 2Pi까지의 간격을 차지합니다(이산 스펙트럼의 주기성 원리는 계산 속도를 높이는 데 사용됨).
의미 있는 분석을 위해서는 스펙트럼 밀도 값이 시계열 xt와 주기가 2Pi/오메가인 고조파 사이에 존재하는 관계의 강도를 특성화하는 것이 중요합니다. 이를 통해 스펙트럼을 분석된 시계열의 주기성을 캡처하는 수단으로 사용할 수 있습니다. 스펙트럼 피크 세트는 확장의 고조파 성분 세트를 결정합니다. 계열에 주파수 오메가의 숨겨진 고조파가 포함되어 있으면 주파수 오메가/2, 오메가/3 등의 주기적인 항도 포함됩니다. 이것은 저주파에서 스펙트럼에 의해 반복되는 소위 "에코"입니다.
그라스, 변동성에 대해.
그 계산은 표준 편차의 추정치와 다르지 않습니다.
s0=SQRT(|SUM{High[i+1+k]-low[i+k]}^2|/{k-1}), 여기서 합은 0에서 n까지의 모든 k에 대한 것입니다. 통계적 유의성을 위해 n은 100보다 커야 합니다. 이 공식에 따르면 s0은 최소 시간 프레임(보통 분)에 대해 발견됩니다. Hurst 지수가 기간에 따라 어떻게 달라지는지 알면 위의 게시물에 제공된 공식을 사용하여 모든 기간의 변동성 값을 찾을 수 있습니다. 반대의 경우도 마찬가지입니다. 위의 공식에 따라 기간에 대한 변동성의 종속성을 구축하고 통계 데이터를 처리하면 Hurst 지수를 표현하는 것이 어렵지 않을 것입니다.
...........
그라스, 변동성에 대해.
그 계산은 표준 편차의 추정치와 다르지 않습니다.
s0=SQRT(|SUM{High[i+1+k]-low[i+k]}^2|/{k-1}), 여기서 합은 0에서 n까지의 모든 k에 대한 것입니다. 통계적 유의성을 위해 n은 100보다 커야 합니다. 이 공식에 따르면 s0은 최소 시간 프레임(보통 분)에 대해 발견됩니다. Hurst 지수가 기간에 따라 어떻게 달라지는지 알면 위의 게시물에 제공된 공식을 사용하여 모든 기간의 변동성 값을 찾을 수 있습니다. 반대의 경우도 마찬가지입니다. 통계 데이터를 처리한 후 위의 공식에 따라 기간에 대한 변동성의 종속성 을 구축 하면 Hurst 지수를 표현하는 것이 어렵지 않을 것입니다.
이것은 내가 이해하지 못한 부분이다.
우리는 분명히 DSP를 진지하게 받아들여야 합니다.
중성자 , 위의 공식에서 s0=SQRT(|SUM{High[i+1+k]-low[i+k]}^2|/{k-1})
이해할 수 없는 것이 있습니다. 아마도 문제는 텍스트 형식으로 수식을 작성하는 것이 모든 미묘함을 표시하지 않는다는 것입니다. 설명해 주시겠습니까?
1. 이미 양수 값인 경우 차이 제곱합의 계수가 필요한 이유
2. 합계가 k에 대해 수행되는 경우 분모의 {k-1}이 합계 기호를 따르는 이유
3. 높음과 낮음이 하나의 막대가 아니라 이웃을 나타내는 이유
그건 그렇고, grann , 변동성에 대한 논의를 기억하십니까? 보다시피 Neutron 은 저와 같은 점을 지적합니다. 변동성은 표준 편차 로 측정됩니다.
무엇을 이해하지 못하셨습니까? 공식은 어떻게 얻어지고, 서로를 어떻게 표현해야 합니까, 아니면 단순히 명확하지 않습니까?
농담!
우리는 분명히 DSP를 진지하게 받아들여야 합니다.
그건 그렇고, grann , 변동성에 대한 논의를 기억하십니까? 보다시피 Neutron 은 저와 같은 주장을 합니다. 변동성은 표준 편차로 측정됩니다.
변동성에 대한 그러한 정의를 만나지는 못했지만 나는 이것을 이해했습니다. 신뢰할 수 있는 채널을 선택하기 위한 명확한 기준으로 이 매개변수에 관심을 갖게 되었습니다. 무슨 일이 일어나는지 지켜봐야 할 것입니다. 또한, Hurst 지수 와 관련이 있습니다.
추신: DSP는 정말 흥미로운 분야이며 귀하가 이미 "디지털 피플"이라는 호리호리한 계급에 등록했음을 상기시켜 드리겠습니다.