Peters가 얻은 기간 N에 대한 R/S의 비율(대략적인 궤적은 검은색 선으로 표시됨);
실제 결과는 본질적으로 1.8 - 1.9 이후에 변곡하는 경향이 있지만 정규 분포 수량의 랜덤 워크 그래프에 의해 여전히 너무 잘 근사될 수 있음을 알 수 있습니다. 게다가, 랜덤 워크 그래프 자체는 눈에 보이는 굴곡 없이 거의 완벽하게 직선입니다(좋은 결과). Peters의 참조 계산과 비교하여 Hurst 값은 약 0.10만큼 과소 평가되었으며 최대값은 Peters의 경우 0.68 대 0.78입니다. 동시에 변곡(기억상실의 순간) 이후 직선의 기울기의 성질은 서로 더 유사하다.
현재로서는 Peter가 발표한 것과 결과가 너무 다르며, 이 지표로 non -random 시리즈를 안정적으로 식별하는 것을 논하기에는 아직 이르다.
추신: 복잡성은 또한 매우 작은 값으로 작업해야 한다는 사실에 있습니다. 몇 퍼센트의 사소한 편차는 매우 다른 경사각을 제공합니다. 왼쪽으로 반 걸음, 오른쪽으로 반 걸음 - 그리고 이미 시리즈는 무작위 걷기와 구별할 수 없습니다.
추신: 복잡성은 또한 매우 작은 값으로 작업해야 한다는 사실에 있습니다. 몇 퍼센트의 사소한 편차는 매우 다른 경사각을 제공합니다. 왼쪽으로 반 걸음, 오른쪽으로 반 걸음 - 그리고 이미 시리즈는 무작위 걷기와 구별할 수 없습니다.
여기서 여전히 오류와 일반적으로 Hurst 시장에 적용하는 정확성을 처리해야 합니다.
전체 유도는 SB에 대한 잘 알려진 아인슈타인 공식으로 시작됩니다. 이 공식은 처음부터 방황하는 입자의 평균 편차가 시간의 근에 정비례하여 증가한다고 말합니다. 입자가 시간 단위로 +1/-1 이동하면 R=SQRT(N)이며 여기서 N은 시간 또는 증분 수의 역할을 합니다. 그러나 실제로 우리는 두 개의 개별 증분 +1과 -1을 가진 프로세스를 거의 다루지 않으며 일반적인 경우 R=sko*SQRT(N)인 것으로 추론됩니다. 이는 분포가 sko=constant, 즉, 분포는 고정적입니다. 따라서 랜덤 워크의 경우 R/sko=N^0.5입니다. 또한 0.5는 변수로 대체되며 로그를 사용하여 계산됩니다. 평균 증분을 사용하지 않고 누적된 것을 사용하기 위해(평균 증분에 대해 훨씬 더 많은 통계가 필요하기 때문에) 경험적 보정 계수도 도입됩니다. 시장 데이터에 대한 허스트 지수의 값은 다음 과 같이 의심스럽습니다. 분포는 고정적이지 않고 변화하며 이전 값에 따라 달라집니다. 비정상 데이터에 이 지표를 사용하는 타당성에 대한 이론적 근거는 없습니다. 저것들. 신청할 수 있지만 결과를 믿으십시오 - FIG는 알고 있습니다 :)
전체 유도는 SB에 대한 잘 알려진 아인슈타인 공식으로 시작됩니다. 이 공식은 처음부터 방황하는 입자의 평균 편차가 시간의 근에 정비례하여 증가한다고 말합니다. 입자가 시간 단위로 +1/-1 이동하면 R=SQRT(N)이며 여기서 N은 시간 또는 증분 수의 역할을 합니다. 그러나 실제로 우리는 두 개의 개별 증분 +1과 -1을 가진 프로세스를 거의 다루지 않으며 일반적인 경우 R=sko*SQRT(N)인 것으로 추론됩니다. 이는 분포가 sko=constant, 즉, 분포는 고정적입니다. 따라서 랜덤 워크의 경우 R/sko=N^0.5입니다. 또한 0.5는 변수로 대체되며 로그를 사용하여 계산됩니다. 평균 증분을 사용하지 않고 누적된 것을 사용하기 위해(평균 증분에 대해 훨씬 더 많은 통계가 필요하기 때문에) 경험적 보정 계수도 도입됩니다. 시장 데이터에 대한 허스트 지수의 값은 다음과 같이 의심스럽습니다. 분포는 고정적이지 않고 변화하며 이전 값에 따라 달라집니다. 비정상 데이터에 이 지표를 사용하는 타당성에 대한 이론적 근거는 없습니다. 저것들. 신청할 수 있지만 결과를 믿으십시오 - FIG는 알고 있습니다 :)
Hurst 통계량은 분포 유형이나 비정상성 모두 혼동할 수 없도록 설계되었습니다. 어쨌든 이것은 Peters 자신이 주장하는 바입니다. 반대로, 연구 중인 시리즈가 고정되어 있는지 여부, 해당 시리즈의 증분이 서로 의존하는지 여부(기억 효과), 연구 중인 프로세스의 주기 길이를 계산하는 데 사용할 수 있습니다(이것이 필요한 이유 , 설명할 필요가 없다고 생각합니다), 시리즈가 추세인지 역추세인지 판단합니다. 한 가지 캐치 - Peters의 결과를 반복하는 것은 극히 어렵습니다. 지금까지 왜 이런 일이 일어나는지 모르겠습니다. sk에 관해서는 - 여기에서는 범위의 정규화만을 위한 것이므로 일련의 서로 다른 비호환성 시스템을 비교할 수 있습니다.
여기서 여전히 오류 및 일반적으로 Hurst 시장에 대한 응용 프로그램의 정확성을 처리해야 합니다.
전체 유도는 SB에 대한 잘 알려진 아인슈타인 공식으로 시작됩니다. 이 공식은 처음부터 방황하는 입자의 평균 편차가 시간의 근에 정비례하여 증가한다고 말합니다. 입자가 시간 단위로 +1/-1 이동하면 R=SQRT(N)이며 여기서 N은 시간 또는 증분 수의 역할을 합니다. 그러나 실제로 우리는 두 개의 개별 증분 +1과 -1을 가진 프로세스를 거의 다루지 않으며 일반적인 경우 R=sko*SQRT(N)인 것으로 추론됩니다. 이는 분포가 sko=constant, 즉, 분포는 고정적입니다. 따라서 랜덤 워크의 경우 R/sko=N^0.5입니다. 또한 0.5는 변수로 대체되고 로그를 사용하여 계산합니다. 평균 증분을 사용하지 않고 누적된 것을 사용하기 위해(평균 증분에 대해 훨씬 더 많은 통계가 필요하기 때문에) 경험적 보정 계수도 도입됩니다. 시장 데이터에 대한 허스트 지수의 값은 큰 물음표입니다. 분포는 고정적이지 않고 변화하며 이전 값에 따라 달라집니다. 비정상 데이터에 이 지표를 사용하는 타당성에 대한 이론적 근거는 없습니다. 저것들. 신청할 수 있지만 결과를 믿으십시오 - FIG는 알고 있습니다 :)
나는 당신이 말한 것에 대해 오랫동안 생각했습니다.이 모든 것은 진지하고 가치있는 말씀입니다. 그러나 이 모든 것을 확인하기 위해서는 먼저 검증된 계산 방법론이 필요하고, 두 번째로 이론적 진술과 계산을 실제로 증명하는 여러 실험을 수행해야 함을 인정해야 합니다. 또한 실험은 계산 방법을 디버그하고 이론적인 계산과 동기화하는 데 도움이 됩니다(가능한 경우). 그 후에야 이 방법이 실제 금융 시리즈를 분석하는 데 적합한지 여부를 안정적으로 판단할 수 있습니다. 솔직히 말해서, 나는 당신보다 덜 의심스럽습니다. 그러나 이 모든 질문에 답하는 유일한 방법은 이 주제를 해결하는 것입니다.
이를 기반으로 SB R=SQRT(N)에 대한 아인슈타인 공식과 같은 아주 기본적인 것부터 시작하겠습니다.
1.0 AR 효과 및 변동성 클러스터링 없이 순수 정규 분포 SB +1/-1을 생성합니다.
1.2. R=SQRT(N)에 대한 가설을 테스트하겠습니다. 편차가 있는 경우 문제가 PRNG 생성 알고리즘에 있을 가능성이 큽니다. random.org의 숫자로 시도해 볼 수 있습니다. 가장 중요한 것은 이 가장 낮은 단계에서 이론과 100% 일치하는 매우 안정적인 SB가 있어야 한다는 것입니다.
1.3. 생성된 SB를 서둘러 확인하십시오. 이것은 특별하고 매우 중요한 순간입니다. 여기서 그는 더 복잡한 대형에 들어갈 수 있도록 SB 가닐을 통과해야 합니다.
1.4. 실제 상품의 변동성을 기반으로 한 Pareto-Levy 분포를 사용한 SB 생성. 이론적으로 Hurst는 정규 분포에서 이전과 동일하게 표시되어야 합니다. 이것이 사실이 아니라면 왜 이런 일이 일어나고 있는지 그리고 추가 연구가 의미가 있는지 살펴볼 필요가 있을 것입니다.
1.5. SB에 AR 효과 추가. 단기 선형 종속성 이 지표 판독값을 왜곡(이론적으로 왜곡)할 수 있는 방법, 이러한 효과를 적절하게 설명하는 방법 등을 주의 깊게 연구할 필요가 있습니다.
1.6. 동시에, 나는 순환성의 주제를 개발하고 y=Cos(x)와 같은 인공적인 기본 요소와 더 복잡한 Weierstrass 함수를 실험하고 싶습니다. 이론적으로 V-통계량은 이러한 프로세스의 주기 길이를 올바르게 결정해야 합니다.
2.1 첫 번째 단계를 통과하면 프랙탈 방식을 실제 금융 시리즈에 적용할 수 있습니다. 이 단계에서 우리는 이미 그가 제공한 방법의 정확성을 절대적으로 확신할 것입니다. 즉, 얻은 결과를 올바르게 해석할 수 있습니다.
추신: RSI 또는 MA와 같은 대부분의 TA 지표는 SB에 대한 첫 번째 테스트조차 통과하지 못할 것입니다. 예를 들어 RSI는 과매수 및 과매도 영역을 표시하고 SMA는 방향을 변경합니다.
PPS RSI가 SB의 과매수 및 과매도 영역에 있는 시간이 실제 금융 시리즈의 시간과 거의 같을지 여부가 궁금합니다.
그럼에도 불구하고 이 전체 주제에서 프랙탈 통계가 겨(SB)를 곡물(실제 시장)에서 분리하는 신뢰할 수 있는 방법으로 자리 잡고 있다는 사실에 매료되었습니다. 눈으로 보면 SB의 차트와 시장의 차트는 구분할 수 없으며 그 수치가 모두 표시됩니다. 분석 및 모든 TA 지표는 SB와 실제 시장 모두에서 작동합니다. 따라서 어떤 시퀀스(예: 그림)가 선험적으로 나타날 수 없는 곳에 나타난다면 그것은 원칙적으로 무엇인가를 의미할 수 있다는 것을 의미합니까? 나는 아니라고 생각한다.
세 가지 측정값에 대한 흥미로운 요약 그래프를 얻었습니다.
실제 결과는 본질적으로 1.8 - 1.9 이후에 변곡하는 경향이 있지만 정규 분포 수량의 랜덤 워크 그래프에 의해 여전히 너무 잘 근사될 수 있음을 알 수 있습니다. 게다가, 랜덤 워크 그래프 자체는 눈에 보이는 굴곡 없이 거의 완벽하게 직선입니다(좋은 결과). Peters의 참조 계산과 비교하여 Hurst 값은 약 0.10만큼 과소 평가되었으며 최대값은 Peters의 경우 0.68 대 0.78입니다. 동시에 변곡(기억상실의 순간) 이후 직선의 기울기의 성질은 서로 더 유사하다.
현재로서는 Peter가 발표한 것과 결과가 너무 다르며, 이 지표로 non -random 시리즈를 안정적으로 식별하는 것을 논하기에는 아직 이르다.
추신: 복잡성은 또한 매우 작은 값으로 작업해야 한다는 사실에 있습니다. 몇 퍼센트의 사소한 편차는 매우 다른 경사각을 제공합니다. 왼쪽으로 반 걸음, 오른쪽으로 반 걸음 - 그리고 이미 시리즈는 무작위 걷기와 구별할 수 없습니다.
추신: 복잡성은 또한 매우 작은 값으로 작업해야 한다는 사실에 있습니다. 몇 퍼센트의 사소한 편차는 매우 다른 경사각을 제공합니다. 왼쪽으로 반 걸음, 오른쪽으로 반 걸음 - 그리고 이미 시리즈는 무작위 걷기와 구별할 수 없습니다.
여기서 여전히 오류와 일반적으로 Hurst 시장에 적용하는 정확성을 처리해야 합니다.
전체 유도는 SB에 대한 잘 알려진 아인슈타인 공식으로 시작됩니다. 이 공식은 처음부터 방황하는 입자의 평균 편차가 시간의 근에 정비례하여 증가한다고 말합니다. 입자가 시간 단위로 +1/-1 이동하면 R=SQRT(N)이며 여기서 N은 시간 또는 증분 수의 역할을 합니다. 그러나 실제로 우리는 두 개의 개별 증분 +1과 -1을 가진 프로세스를 거의 다루지 않으며 일반적인 경우 R=sko*SQRT(N)인 것으로 추론됩니다. 이는 분포가 sko=constant, 즉, 분포는 고정적입니다. 따라서 랜덤 워크의 경우 R/sko=N^0.5입니다. 또한 0.5는 변수로 대체되며 로그를 사용하여 계산됩니다. 평균 증분을 사용하지 않고 누적된 것을 사용하기 위해(평균 증분에 대해 훨씬 더 많은 통계가 필요하기 때문에) 경험적 보정 계수도 도입됩니다. 시장 데이터에 대한 허스트 지수의 값은 다음 과 같이 의심스럽습니다. 분포는 고정적이지 않고 변화하며 이전 값에 따라 달라집니다. 비정상 데이터에 이 지표를 사용하는 타당성에 대한 이론적 근거는 없습니다. 저것들. 신청할 수 있지만 결과를 믿으십시오 - FIG는 알고 있습니다 :)
여기서 여전히 오류와 일반적으로 Hurst 시장에 적용하는 정확성을 처리해야 합니다.
전체 유도는 SB에 대한 잘 알려진 아인슈타인 공식으로 시작됩니다. 이 공식은 처음부터 방황하는 입자의 평균 편차가 시간의 근에 정비례하여 증가한다고 말합니다. 입자가 시간 단위로 +1/-1 이동하면 R=SQRT(N)이며 여기서 N은 시간 또는 증분 수의 역할을 합니다. 그러나 실제로 우리는 두 개의 개별 증분 +1과 -1을 가진 프로세스를 거의 다루지 않으며 일반적인 경우 R=sko*SQRT(N)인 것으로 추론됩니다. 이는 분포가 sko=constant, 즉, 분포는 고정적입니다. 따라서 랜덤 워크의 경우 R/sko=N^0.5입니다. 또한 0.5는 변수로 대체되며 로그를 사용하여 계산됩니다. 평균 증분을 사용하지 않고 누적된 것을 사용하기 위해(평균 증분에 대해 훨씬 더 많은 통계가 필요하기 때문에) 경험적 보정 계수도 도입됩니다. 시장 데이터에 대한 허스트 지수의 값은 다음과 같이 의심스럽습니다. 분포는 고정적이지 않고 변화하며 이전 값에 따라 달라집니다. 비정상 데이터에 이 지표를 사용하는 타당성에 대한 이론적 근거는 없습니다. 저것들. 신청할 수 있지만 결과를 믿으십시오 - FIG는 알고 있습니다 :)
Hurst 통계량은 분포 유형이나 비정상성 모두 혼동할 수 없도록 설계되었습니다. 어쨌든 이것은 Peters 자신이 주장하는 바입니다. 반대로, 연구 중인 시리즈가 고정되어 있는지 여부, 해당 시리즈의 증분이 서로 의존하는지 여부(기억 효과), 연구 중인 프로세스의 주기 길이를 계산하는 데 사용할 수 있습니다(이것이 필요한 이유 , 설명할 필요가 없다고 생각합니다), 시리즈가 추세인지 역추세인지 판단합니다. 한 가지 캐치 - Peters의 결과를 반복하는 것은 극히 어렵습니다. 지금까지 왜 이런 일이 일어나는지 모르겠습니다. sk에 관해서는 - 여기에서는 범위의 정규화만을 위한 것이므로 일련의 서로 다른 비호환성 시스템을 비교할 수 있습니다.
파일이 달라붙지 않습니다. 이것을 더 잘 읽으십시오.
굴랴에바 올가 스타니슬라보브나
프랙탈 방식에 의한 환율 예측 분석을 통한 환율 리스크 관리
구글링하세요. 그것은 더 쉽습니다. 아마도 누군가 칠면조를 만들 것입니다.
파일이 달라붙지 않습니다. 이것을 더 잘 읽으십시오.
굴랴에바 올가 스타니슬라보브나
프랙탈 방식에 의한 환율 예측 분석을 통한 환율 리스크 관리
구글링하세요. 그것은 더 쉽습니다. 아마도 누군가 칠면조를 만들 것입니다.
어쩌면 누군가가 그것을 할 것입니다 ... 그리고 제 생각에는 이것이 당신이 논문뿐만 아니라 모호한 주제에 대한 알 수없는 저자의 초록 (완전한 혼란) 구매를 스팸하는 방법입니다.
얼마 동안 나는 다른 문제로 주의를 산만하게 해야 했습니다. 제 딸은 18세가 되었습니다. 프랙탈을 사용할 시간이 없었습니다 ;)))
그러나 다른 한편으로 그러한 전환은 - 나는 이것을 열 번도 알아차렸지만 - 아직 해결되지 않은 프랙탈 문제에 대한 명확한 비전으로 이끌었습니다.
일반적으로 정신을 차리는 대로 이 작업을 완료합니다.)
tara :
Вы спаммите покупку не только диссертации, но и автореферата (полный беспредел) никому не известного автора на сомнительную тему.
친구여, 당신은 인터넷 사용법을 배웠을 것입니다. 그런 다음 그들은 그것을 읽고 결론을 내릴 것입니다. 그 동안 당신은 ..... 뉴턴의 원고를 뒤적입니다.
여기서 여전히 오류 및 일반적으로 Hurst 시장에 대한 응용 프로그램의 정확성을 처리해야 합니다.
전체 유도는 SB에 대한 잘 알려진 아인슈타인 공식으로 시작됩니다. 이 공식은 처음부터 방황하는 입자의 평균 편차가 시간의 근에 정비례하여 증가한다고 말합니다. 입자가 시간 단위로 +1/-1 이동하면 R=SQRT(N)이며 여기서 N은 시간 또는 증분 수의 역할을 합니다. 그러나 실제로 우리는 두 개의 개별 증분 +1과 -1을 가진 프로세스를 거의 다루지 않으며 일반적인 경우 R=sko*SQRT(N)인 것으로 추론됩니다. 이는 분포가 sko=constant, 즉, 분포는 고정적입니다. 따라서 랜덤 워크의 경우 R/sko=N^0.5입니다. 또한 0.5는 변수로 대체되고 로그를 사용하여 계산합니다. 평균 증분을 사용하지 않고 누적된 것을 사용하기 위해(평균 증분에 대해 훨씬 더 많은 통계가 필요하기 때문에) 경험적 보정 계수도 도입됩니다. 시장 데이터에 대한 허스트 지수의 값은 큰 물음표입니다. 분포는 고정적이지 않고 변화하며 이전 값에 따라 달라집니다. 비정상 데이터에 이 지표를 사용하는 타당성에 대한 이론적 근거는 없습니다. 저것들. 신청할 수 있지만 결과를 믿으십시오 - FIG는 알고 있습니다 :)
나는 당신이 말한 것에 대해 오랫동안 생각했습니다.이 모든 것은 진지하고 가치있는 말씀입니다. 그러나 이 모든 것을 확인하기 위해서는 먼저 검증된 계산 방법론이 필요하고, 두 번째로 이론적 진술과 계산을 실제로 증명하는 여러 실험을 수행해야 함을 인정해야 합니다. 또한 실험은 계산 방법을 디버그하고 이론적인 계산과 동기화하는 데 도움이 됩니다(가능한 경우). 그 후에야 이 방법이 실제 금융 시리즈를 분석하는 데 적합한지 여부를 안정적으로 판단할 수 있습니다. 솔직히 말해서, 나는 당신보다 덜 의심스럽습니다. 그러나 이 모든 질문에 답하는 유일한 방법은 이 주제를 해결하는 것입니다.
이를 기반으로 SB R=SQRT(N)에 대한 아인슈타인 공식과 같은 아주 기본적인 것부터 시작하겠습니다.
1.0 AR 효과 및 변동성 클러스터링 없이 순수 정규 분포 SB +1/-1을 생성합니다.
1.2. R=SQRT(N)에 대한 가설을 테스트하겠습니다. 편차가 있는 경우 문제가 PRNG 생성 알고리즘에 있을 가능성이 큽니다. random.org의 숫자로 시도해 볼 수 있습니다. 가장 중요한 것은 이 가장 낮은 단계에서 이론과 100% 일치하는 매우 안정적인 SB가 있어야 한다는 것입니다.
1.3. 생성된 SB를 서둘러 확인하십시오. 이것은 특별하고 매우 중요한 순간입니다. 여기서 그는 더 복잡한 대형에 들어갈 수 있도록 SB 가닐을 통과해야 합니다.
1.4. 실제 상품의 변동성을 기반으로 한 Pareto-Levy 분포를 사용한 SB 생성. 이론적으로 Hurst는 정규 분포에서 이전과 동일하게 표시되어야 합니다. 이것이 사실이 아니라면 왜 이런 일이 일어나고 있는지 그리고 추가 연구가 의미가 있는지 살펴볼 필요가 있을 것입니다.
1.5. SB에 AR 효과 추가. 단기 선형 종속성 이 지표 판독값을 왜곡(이론적으로 왜곡)할 수 있는 방법, 이러한 효과를 적절하게 설명하는 방법 등을 주의 깊게 연구할 필요가 있습니다.
1.6. 동시에, 나는 순환성의 주제를 개발하고 y=Cos(x)와 같은 인공적인 기본 요소와 더 복잡한 Weierstrass 함수를 실험하고 싶습니다. 이론적으로 V-통계량은 이러한 프로세스의 주기 길이를 올바르게 결정해야 합니다.
2.1 첫 번째 단계를 통과하면 프랙탈 방식을 실제 금융 시리즈에 적용할 수 있습니다. 이 단계에서 우리는 이미 그가 제공한 방법의 정확성을 절대적으로 확신할 것입니다. 즉, 얻은 결과를 올바르게 해석할 수 있습니다.
추신: RSI 또는 MA와 같은 대부분의 TA 지표는 SB에 대한 첫 번째 테스트조차 통과하지 못할 것입니다. 예를 들어 RSI는 과매수 및 과매도 영역을 표시하고 SMA는 방향을 변경합니다.
PPS RSI가 SB의 과매수 및 과매도 영역에 있는 시간이 실제 금융 시리즈의 시간과 거의 같을지 여부가 궁금합니다.
그럼에도 불구하고 이 전체 주제에서 프랙탈 통계가 겨(SB)를 곡물(실제 시장)에서 분리하는 신뢰할 수 있는 방법으로 자리 잡고 있다는 사실에 매료되었습니다. 눈으로 보면 SB의 차트와 시장의 차트는 구분할 수 없으며 그 수치가 모두 표시됩니다. 분석 및 모든 TA 지표는 SB와 실제 시장 모두에서 작동합니다. 따라서 어떤 시퀀스(예: 그림)가 선험적으로 나타날 수 없는 곳에 나타난다면 그것은 원칙적으로 무엇인가를 의미할 수 있다는 것을 의미합니까? 나는 아니라고 생각한다.
파일이 달라붙지 않습니다. 이것을 더 잘 읽으십시오.
굴랴에바 올가 스타니슬라보브나
프랙탈 방식에 의한 환율 예측 분석을 통한 환율 리스크 관리
구글링하세요. 그것은 더 쉽습니다. 아마도 누군가 칠면조를 만들 것입니다.
예, 훑어보았습니다. 조금 다른 방법이 있습니다. 그러나 지금은 계산 방법(이것은 알려져 있음)이 아니라 결과의 대표성과 이론과 실습의 수렴에 대한 질문에 더 관심이 있습니다.