언급된 주제에 대한 대중의 미지근한 관심에도 불구하고 나는 Peters의 책에 대한 후속 조치를 계속합니다. 나는 거기에서 제안된 방법을 염두에 두었고 마침내 거기에서 여전히 계산되고 있는 것을 이해할 수 있었습니다. 따라서 기본 계산 공식은 다음과 같습니다.
가장 먼저 할 일은 가격 시리즈를 로그 수익률로 변환하는 것입니다. 두 번째 공식의 본질은 다음과 같습니다. 대수 수익률의 평균은 계열의 수학적 기대치입니다. 계열의 평균이 각 값에서 계산되면 이러한 값의 합은 항상 0입니다. 이것은 추세를 제거하는 가장 쉬운 방법이지만 결과에 큰 영향을 미칩니다. 다음으로 이 계열의 최소값과 최대값을 구합니다. 그래픽으로 이러한 계산은 그래프에 표시될 수 있습니다.
세 번째 공식은 모두가 이해하는 것처럼 단순 표준 편차의 계산입니다.
H 는 각각 로그 주기에 대한 범위의 단순 비율입니다.
또한 Peters가 분석한 전체 시리즈는 독립적인 하위 기간으로 나뉩니다. 각 하위 기간은 위의 방법에 따라 계산됩니다. 그 결과 RS의 평균값이 어느 정도 존재하며 브라운 운동과 질적으로는 달라야 합니다. 입자의 산란은 기간의 로그에 정비례하기 때문에 허스트 지수, 즉 기간에 대한 범위의 비율은 일정하고 0.5 와 같아야 합니다. 사실, 공식은 완벽하지 않으며 결과를 0.3 만큼 과대평가하는 경향이 있습니다. 의도적으로 임의의 시리즈에서 Hurst는 0.50이 아니라 0.53을 표시합니다. 그리고 이것은 작은 샘플로 인해 전혀 발생하지 않습니다. 더 많은 데이터를 사용할수록 지표가 0.53 영역에 더 정확하게 도달합니다.
그래서 제안한 방법론에 따라 500,000개의 독립적인 값을 분석하여 실제 RTS 시장과 비교했습니다. 그런 다음 의도적으로 임의의 계열에 결정 요소를 도입했습니다. 이전 두 값이 음수이면 1/2 표준 편차(추세 계열)가 현재 값에 추가되고 1/2 표준 편차가 추가됩니다. 현재 값 편차(반대 추세 시리즈). 결과 차트는 다음과 같습니다.
보시다시피 RTS 시장은 질적으로 랜덤 워크와 구별이 안 되는 반면, 분명히 추세 및 반 추세 시리즈는 예상되는 특성을 보여줍니다.
이제 이 표시기가 역학에서 어떻게 보이는지 봅시다.
보시다시피 지표에는 두 가지 주요 문제가 있습니다. 급격한 반전에서는 MO가 중요하지 않은 반면 스윙은 반대로 높아 지표를 부당하게 과대 평가하게 됩니다. 반대로, 명확한 상승세에서는 MO가 전체 움직임의 대부분을 구성하고 MO 주변의 변동이 작아서 Hurst가 다시 불합리하게 낮을 것입니다.
따라서 우리는 제안하는 방법이 시장 가격의 움직임을 적절하게 설명할 수 없고 추세 및 반추세 구성 요소를 효과적으로 식별할 수 없다는 예비 결론을 내릴 수 있습니다.
그래서 제안한 방법론에 따라 500,000개의 독립적인 값을 분석하여 실제 RTS 시장과 비교했습니다. 그런 다음 의도적으로 임의의 계열에 결정 요소를 도입했습니다. 이전 두 값이 음수이면 1/2 표준 편차(추세 계열)가 현재 값에 추가되고 1/2 표준 편차가 추가됩니다. 현재 값 편차(반대 추세 시리즈). 결과 차트는 다음과 같습니다.
그리고 "반트렌드" 시리즈를 얻는 방법을 이해하지 못합니다.
정의 자체가 이상합니다.
아파트 같나요? 그리고 왜 3개의 긍정적인 것이 아니라 2개의 부정적인 것만이 사용되었습니까?
언급된 주제에 대한 대중의 미지근한 관심에도 불구하고 나는 Peters의 책에 대한 후속 조치를 계속합니다. 나는 거기에서 제안된 방법을 염두에 두었고 마침내 거기에서 여전히 계산되고 있는 것을 이해할 수 있었습니다. 따라서 기본 계산 공식은 다음과 같습니다.
가장 먼저 할 일은 가격 시리즈를 로그 수익으로 변환하는 것입니다. 두 번째 공식의 본질은 다음과 같습니다. 대수 수익률의 평균은 계열의 수학적 기대치입니다. 계열의 평균이 각 값에서 계산되면 이러한 값의 합은 항상 0입니다. 이것은 추세를 제거하는 가장 쉬운 방법이지만 결과에 큰 영향을 미칩니다. 다음으로 이 계열의 최소값과 최대값을 구합니다. 그래픽으로 이러한 계산은 그래프에 표시될 수 있습니다.
세 번째 공식은 모두가 이해하는 것처럼 단순 표준 편차의 계산입니다.
H 는 각각 로그 주기에 대한 범위의 단순 비율입니다.
또한 Peters가 분석한 전체 시리즈는 독립적인 하위 기간으로 나뉩니다. 각 하위 기간은 위의 방법에 따라 계산됩니다. 그 결과 RS의 평균값이 어느 정도 존재하며 브라운 운동과 질적으로는 달라야 합니다. 입자의 산란은 기간의 로그에 정비례하기 때문에 허스트 지수, 즉 기간에 대한 범위의 비율은 일정하고 0.5 와 같아야 합니다. 사실, 공식은 완벽하지 않으며 결과를 0.3 만큼 과대평가하는 경향이 있습니다. 의도적으로 임의의 시리즈에서 Hurst는 0.50이 아니라 0.53을 표시합니다. 그리고 이것은 작은 샘플로 인해 전혀 발생하지 않습니다. 더 많은 데이터를 사용할수록 지표가 0.53 영역에 더 정확하게 도달합니다.
그래서 제안한 방법론에 따라 500,000개의 독립적인 값을 분석하여 실제 RTS 시장과 비교했습니다. 그런 다음 의도적으로 임의의 계열에 결정 요소를 도입했습니다. 이전 두 값이 음수이면 1/2 표준 편차(추세 계열)가 현재 값에 추가되고 1/2 표준 편차가 추가됩니다. 현재 값 편차(반대 추세 시리즈). 결과 그래픽은 다음과 같습니다.
보시다시피 RTS 시장은 질적으로 랜덤 워크와 구별이 안 되는 반면, 분명히 추세 및 반 추세 시리즈는 예상되는 특성을 보여줍니다.
이제 이 표시기가 역학에서 어떻게 보이는지 봅시다.
보시다시피 지표에는 두 가지 주요 문제가 있습니다. 급격한 반전에서는 MO가 중요하지 않은 반면 스윙은 높기 때문에 지표가 불합리하게 과대 평가됩니다. 반대로, 명확한 상승세에서는 MO가 전체 움직임의 대부분을 구성하고 MO 주변의 변동이 작아서 Hurst가 다시 불합리하게 낮을 것입니다.
따라서 우리는 제안하는 방법이 시장 가격의 움직임을 적절하게 설명할 수 없고 추세 및 반추세 구성 요소를 효과적으로 식별할 수 없다는 예비 결론을 내릴 수 있습니다.
알려진 이론의 실패를 증명하는 것은 큰 성공입니다. 참 지식에 이르는 길을 열어주는 것입니다. 축하합니다!
Close[i] / Close[i - 1]을 반환하는 초기 시리즈의 변환이 있을 때마다 어떻게 됩니까?
스크린샷과 디트렌딩에 대한 언급으로 판단하면 MO(특히 리턴 시리즈)에 대해 이야기하는 것은 옳지 않습니다. 이 경우 ML은 가격 시리즈 샘플의 선형 회귀 라고 부르는 것입니다. 뺄셈으로 인해 추세가 감소합니다. 그리고 실제로 화면에 녹색 선이 있습니다. 이것은 MO(수평이어야 함)가 아니라 lin입니다. 회귀.
Hurst는 추세가 억제된 가격 계열의 평균 범위에 대한 최대 범위의 비율이라는 공식을 통해 알 수 있습니다. 표본 크기의 로그로 나누는 것은 형식 조정(정규화)일 뿐입니다. 의미는 정확히 최대값과 평균값의 비율에 있습니다.
그러한 분석은 초기 시리즈를 구성하기 위한 조건에 크게 의존합니다. 저것들. 어떤 조건에서 i 번째 요소가 취해집니다. 당신은 고전을 가지고 있습니다 - 같은 기간 후에. 그러나 이 기간 동안 높은 가격과 낮은 가격을 모두 고려할 수 있는 다른 방법이 있습니다. 저것들. 정보 손실이 훨씬 적습니다.
"평평한"의 정의는 실제로 완전히 정확하지 않습니다. 이 경우, 우리는 antipersistent 시리즈를 의미합니다. 이 기술은 공식 2번으로 특별히 조정되었습니다. 보시다시피 공식은 그러한 교란을 "잡도록" 설계되었습니다. "두 개의 부정"은 임의의 선택입니다. 샘플링 기간(Peters에 따르면 소위 메모리 효과)보다 짧다면 효과는 임의의 숫자에서 관찰됩니다.
"평평한"의 정의는 실제로 완전히 정확하지 않습니다. 이 경우, 우리는 antipersistent 시리즈를 의미합니다. 이 기술은 공식 2번으로 특별히 조정되었습니다. 보시다시피 공식은 그러한 교란을 "잡도록" 설계되었습니다. "두 개의 부정"은 임의의 선택입니다. 샘플링 기간(Peters에 따르면 메모리 효과라고 함)보다 짧다면 효과는 임의의 숫자에서 관찰됩니다.
그래서 이 추가 기능은 균일하게 분포된 일반 또는 다른 "임의의 숫자"를 생성합니까? 아니면 모르십니까?
ваЗачем каждый раз идет преобразование исходного ряда к returns - Close[i] / Close[i - 1]?
원래 시리즈의 반환으로의 변환은 계산의 맨 처음에 한 번만 발생합니다. 그런 다음 공식 #2에서 볼 수 있듯이 수익은 일련의 증분으로 다시 수집됩니다.
스크린샷과 디트렌딩에 대한 언급으로 판단하면 MO(특히 리턴 시리즈)에 대해 이야기하는 것은 옳지 않습니다. 이 경우 ML은 가격 시리즈 샘플의 선형 회귀라고 부르는 것입니다. 뺄셈으로 인해 추세가 감소합니다. 그리고 실제로 화면에 녹색 선이 있습니다. 이것은 MO(수평이어야 함)가 아니라 lin입니다. 회귀.
혼동을 피하기 위해 MO의 정의를 살펴보겠습니다. 수학적 기대치는 확률 변수 의 일련의 수익률의 평균값입니다 . 일련의 수익이 누적된 시리즈로 수집되는 경우 이에 대한 수학적 기대는 이 시리즈의 증분 합계 또는 최종 값과 초기 값 간의 단순 차이입니다. 수익률에 대한 수학적 기대가 0과 같으면 이러한 누적 시리즈의 끝과 시작 지점 간의 차이도 항상 0과 같으므로 그래프에서 볼 수 있습니다. . 따라서 수익률 시리즈에서 평균을 빼는 것이 추세를 제거하는 가장 쉬운 방법입니다. 표준 편차와 같은 기본적인 통계 방법이 바로 그 역할을 합니다. 언급한 선형 회귀 는 다소 다르며 M.N.C를 통해 조회됩니다. 일반적으로 추세 구성 요소를 더 적절하게 제거할 수 있습니다. 그러나 그림은 정확히 MO를 보여주지만 누적된 시리즈의 맥락에서.
그러한 분석은 초기 시리즈를 구성하기 위한 조건에 크게 의존합니다. 저것들. 어떤 조건에서 i 번째 요소가 취해집니다. 당신은 고전을 가지고 있습니다 - 같은 기간 후에.
나는 완전히 동의합니다. 내 연구에 따르면 제안된 공식은 수익에 대해 작동하지 않지만 누적된 시리즈로 작동하지만 MO를 고려하지 않고 일부 정보(MO의 실제 가치)가 손실됩니다. , 비록 시각적 으로 차트 는 원래 가격 과 실질적 으로 다르지 않습니다 .
그러나 이 기간 동안 높은 가격과 낮은 가격을 모두 고려할 수 있는 다른 방법이 있습니다. 저것들. 정보 손실이 훨씬 적습니다.
동의합니다. 방법이 매우 거칠고 옳지 않은 것 같습니다. 포인트 세트에서 2개만 가져오고 MO는 모두 버립니다. 결과적으로, 고정되지 않은 매트가 있는 원본 시리즈에서 돌이킬 수 없는 정보 손실과 잘못된 작업이 발생합니다. 대기 중. 탈출구는 보편적인 프랙탈 통치자로서 지그재그의 범위에서 볼 수 있습니다. 예를 들어, 지그재그의 랩까지 이동한 거리의 비율일 수 있습니다.
그래서 이 추가 기능은 균일하게 분포된 일반 또는 다른 "임의의 숫자"를 생성합니까? 아니면 모르십니까?
끈기와 "트렌드"가 같은 것을 이해합니까?
분포는 MO가 0이고 주어진 표준 편차 가 있는 정규 분포입니다. 이러한 맥락에서 끈기와 유행은 하나이며 동일합니다. 내가 "추세 계열"이라고 말할 때 그것은 증분 부호가 이전 수익률 부호와 일치할 확률이 50%보다 높고 반추세임을 의미합니다. 반대로 부호가 일치할 확률은 50% 미만입니다 . 이것은 내 정의가 아니라 정확히 책에서 의미하는 바입니다.
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.)
기다리겠습니다 :)
언급된 주제에 대한 대중의 미지근한 관심에도 불구하고 나는 Peters의 책에 대한 후속 조치를 계속합니다. 나는 거기에서 제안된 방법을 염두에 두었고 마침내 거기에서 여전히 계산되고 있는 것을 이해할 수 있었습니다. 따라서 기본 계산 공식은 다음과 같습니다.
가장 먼저 할 일은 가격 시리즈를 로그 수익률로 변환하는 것입니다. 두 번째 공식의 본질은 다음과 같습니다. 대수 수익률의 평균은 계열의 수학적 기대치입니다. 계열의 평균이 각 값에서 계산되면 이러한 값의 합은 항상 0입니다. 이것은 추세를 제거하는 가장 쉬운 방법이지만 결과에 큰 영향을 미칩니다. 다음으로 이 계열의 최소값과 최대값을 구합니다. 그래픽으로 이러한 계산은 그래프에 표시될 수 있습니다.
세 번째 공식은 모두가 이해하는 것처럼 단순 표준 편차의 계산입니다.
H 는 각각 로그 주기에 대한 범위의 단순 비율입니다.
또한 Peters가 분석한 전체 시리즈는 독립적인 하위 기간으로 나뉩니다. 각 하위 기간은 위의 방법에 따라 계산됩니다. 그 결과 RS의 평균값이 어느 정도 존재하며 브라운 운동과 질적으로는 달라야 합니다. 입자의 산란은 기간의 로그에 정비례하기 때문에 허스트 지수, 즉 기간에 대한 범위의 비율은 일정하고 0.5 와 같아야 합니다. 사실, 공식은 완벽하지 않으며 결과를 0.3 만큼 과대평가하는 경향이 있습니다. 의도적으로 임의의 시리즈에서 Hurst는 0.50이 아니라 0.53을 표시합니다. 그리고 이것은 작은 샘플로 인해 전혀 발생하지 않습니다. 더 많은 데이터를 사용할수록 지표가 0.53 영역에 더 정확하게 도달합니다.
그래서 제안한 방법론에 따라 500,000개의 독립적인 값을 분석하여 실제 RTS 시장과 비교했습니다. 그런 다음 의도적으로 임의의 계열에 결정 요소를 도입했습니다. 이전 두 값이 음수이면 1/2 표준 편차(추세 계열)가 현재 값에 추가되고 1/2 표준 편차가 추가됩니다. 현재 값 편차(반대 추세 시리즈). 결과 차트는 다음과 같습니다.
보시다시피 RTS 시장은 질적으로 랜덤 워크와 구별이 안 되는 반면, 분명히 추세 및 반 추세 시리즈는 예상되는 특성을 보여줍니다.
이제 이 표시기가 역학에서 어떻게 보이는지 봅시다.
보시다시피 지표에는 두 가지 주요 문제가 있습니다. 급격한 반전에서는 MO가 중요하지 않은 반면 스윙은 반대로 높아 지표를 부당하게 과대 평가하게 됩니다. 반대로, 명확한 상승세에서는 MO가 전체 움직임의 대부분을 구성하고 MO 주변의 변동이 작아서 Hurst가 다시 불합리하게 낮을 것입니다.
따라서 우리는 제안하는 방법이 시장 가격의 움직임을 적절하게 설명할 수 없고 추세 및 반추세 구성 요소를 효과적으로 식별할 수 없다는 예비 결론을 내릴 수 있습니다.
언급 된 주제에 대한 대중의 시원한 관심에도 불구하고 ...
그리고 "고의적으로 무작위 데이터"의 분포는 무엇입니까?
생성 방식을 발표할 수 있습니까?
그래서 제안한 방법론에 따라 500,000개의 독립적인 값을 분석하여 실제 RTS 시장과 비교했습니다. 그런 다음 의도적으로 임의의 계열에 결정 요소를 도입했습니다. 이전 두 값이 음수이면 1/2 표준 편차(추세 계열)가 현재 값에 추가되고 1/2 표준 편차가 추가됩니다. 현재 값 편차(반대 추세 시리즈). 결과 차트는 다음과 같습니다.
그리고 "반트렌드" 시리즈를 얻는 방법을 이해하지 못합니다.
정의 자체가 이상합니다.
아파트 같나요? 그리고 왜 3개의 긍정적인 것이 아니라 2개의 부정적인 것만이 사용되었습니까?
;)
언급된 주제에 대한 대중의 미지근한 관심에도 불구하고 나는 Peters의 책에 대한 후속 조치를 계속합니다. 나는 거기에서 제안된 방법을 염두에 두었고 마침내 거기에서 여전히 계산되고 있는 것을 이해할 수 있었습니다. 따라서 기본 계산 공식은 다음과 같습니다.
가장 먼저 할 일은 가격 시리즈를 로그 수익으로 변환하는 것입니다. 두 번째 공식의 본질은 다음과 같습니다. 대수 수익률의 평균은 계열의 수학적 기대치입니다. 계열의 평균이 각 값에서 계산되면 이러한 값의 합은 항상 0입니다. 이것은 추세를 제거하는 가장 쉬운 방법이지만 결과에 큰 영향을 미칩니다. 다음으로 이 계열의 최소값과 최대값을 구합니다. 그래픽으로 이러한 계산은 그래프에 표시될 수 있습니다.
세 번째 공식은 모두가 이해하는 것처럼 단순 표준 편차의 계산입니다.
H 는 각각 로그 주기에 대한 범위의 단순 비율입니다.
또한 Peters가 분석한 전체 시리즈는 독립적인 하위 기간으로 나뉩니다. 각 하위 기간은 위의 방법에 따라 계산됩니다. 그 결과 RS의 평균값이 어느 정도 존재하며 브라운 운동과 질적으로는 달라야 합니다. 입자의 산란은 기간의 로그에 정비례하기 때문에 허스트 지수, 즉 기간에 대한 범위의 비율은 일정하고 0.5 와 같아야 합니다. 사실, 공식은 완벽하지 않으며 결과를 0.3 만큼 과대평가하는 경향이 있습니다. 의도적으로 임의의 시리즈에서 Hurst는 0.50이 아니라 0.53을 표시합니다. 그리고 이것은 작은 샘플로 인해 전혀 발생하지 않습니다. 더 많은 데이터를 사용할수록 지표가 0.53 영역에 더 정확하게 도달합니다.
그래서 제안한 방법론에 따라 500,000개의 독립적인 값을 분석하여 실제 RTS 시장과 비교했습니다. 그런 다음 의도적으로 임의의 계열에 결정 요소를 도입했습니다. 이전 두 값이 음수이면 1/2 표준 편차(추세 계열)가 현재 값에 추가되고 1/2 표준 편차가 추가됩니다. 현재 값 편차(반대 추세 시리즈). 결과 그래픽은 다음과 같습니다.
보시다시피 RTS 시장은 질적으로 랜덤 워크와 구별이 안 되는 반면, 분명히 추세 및 반 추세 시리즈는 예상되는 특성을 보여줍니다.
이제 이 표시기가 역학에서 어떻게 보이는지 봅시다.
보시다시피 지표에는 두 가지 주요 문제가 있습니다. 급격한 반전에서는 MO가 중요하지 않은 반면 스윙은 높기 때문에 지표가 불합리하게 과대 평가됩니다. 반대로, 명확한 상승세에서는 MO가 전체 움직임의 대부분을 구성하고 MO 주변의 변동이 작아서 Hurst가 다시 불합리하게 낮을 것입니다.
따라서 우리는 제안하는 방법이 시장 가격의 움직임을 적절하게 설명할 수 없고 추세 및 반추세 구성 요소를 효과적으로 식별할 수 없다는 예비 결론을 내릴 수 있습니다.
알려진 이론의 실패를 증명하는 것은 큰 성공입니다. 이것이 참 지식에 이르는 길을 닦는 것입니다. 축하합니다!
증거는 어디에 있습니까? 그리고 누구의 실패인가?
일어나서 운전하지 않았습니다 ...
Close[i] / Close[i - 1]을 반환하는 초기 시리즈의 변환이 있을 때마다 어떻게 됩니까?
스크린샷과 디트렌딩에 대한 언급으로 판단하면 MO(특히 리턴 시리즈)에 대해 이야기하는 것은 옳지 않습니다. 이 경우 ML은 가격 시리즈 샘플의 선형 회귀 라고 부르는 것입니다. 뺄셈으로 인해 추세가 감소합니다. 그리고 실제로 화면에 녹색 선이 있습니다. 이것은 MO(수평이어야 함)가 아니라 lin입니다. 회귀.
Hurst는 추세가 억제된 가격 계열의 평균 범위에 대한 최대 범위의 비율이라는 공식을 통해 알 수 있습니다. 표본 크기의 로그로 나누는 것은 형식 조정(정규화)일 뿐입니다. 의미는 정확히 최대값과 평균값의 비율에 있습니다.
그러한 분석은 초기 시리즈를 구성하기 위한 조건에 크게 의존합니다. 저것들. 어떤 조건에서 i 번째 요소가 취해집니다. 당신은 고전을 가지고 있습니다 - 같은 기간 후에. 그러나 이 기간 동안 높은 가격과 낮은 가격을 모두 고려할 수 있는 다른 방법이 있습니다. 저것들. 정보 손실이 훨씬 적습니다.
알려진 이론의 실패를 증명하는 것은 큰 성공입니다. 이것이 참 지식에 이르는 길을 닦는 것입니다. 축하합니다!
풍자야? 나는 아무 것도 논박하지 않고 제안 된 방법에 따라 지표를 계산했습니다. 출력은 SB와 구별 할 수없는 데이터로 판명되었습니다.
그리고 "반트렌드" 시리즈를 얻는 방법을 이해하지 못합니다.
정의 자체가 이상합니다.
아파트 같나요? 그리고 왜 세 개의 긍정적인 것이 아니라 두 개의 부정적인 것이 사용됩니까?
데이터는 Excel 추가 기능인 " Random Number Generation "을 사용하여 생성되었습니다.
"평평한"의 정의는 실제로 완전히 정확하지 않습니다. 이 경우, 우리는 antipersistent 시리즈를 의미합니다. 이 기술은 공식 2번으로 특별히 조정되었습니다. 보시다시피 공식은 그러한 교란을 "잡도록" 설계되었습니다. "두 개의 부정"은 임의의 선택입니다. 샘플링 기간(Peters에 따르면 소위 메모리 효과)보다 짧다면 효과는 임의의 숫자에서 관찰됩니다.
데이터는 Excel 추가 기능인 "난수 생성"을 사용하여 생성되었습니다.
"평평한"의 정의는 실제로 완전히 정확하지 않습니다. 이 경우, 우리는 antipersistent 시리즈를 의미합니다. 이 기술은 공식 2번으로 특별히 조정되었습니다. 보시다시피 공식은 그러한 교란을 "잡도록" 설계되었습니다. "두 개의 부정"은 임의의 선택입니다. 샘플링 기간(Peters에 따르면 메모리 효과라고 함)보다 짧다면 효과는 임의의 숫자에서 관찰됩니다.
그래서 이 추가 기능은 균일하게 분포된 일반 또는 다른 "임의의 숫자"를 생성합니까? 아니면 모르십니까?
끈기와 "트렌드"가 같은 것을 이해합니까?
ваЗачем каждый раз идет преобразование исходного ряда к returns - Close[i] / Close[i - 1]?
원래 시리즈의 반환으로의 변환은 계산의 맨 처음에 한 번만 발생합니다. 그런 다음 공식 #2에서 볼 수 있듯이 수익은 일련의 증분으로 다시 수집됩니다.
스크린샷과 디트렌딩에 대한 언급으로 판단하면 MO(특히 리턴 시리즈)에 대해 이야기하는 것은 옳지 않습니다. 이 경우 ML은 가격 시리즈 샘플의 선형 회귀라고 부르는 것입니다. 뺄셈으로 인해 추세가 감소합니다. 그리고 실제로 화면에 녹색 선이 있습니다. 이것은 MO(수평이어야 함)가 아니라 lin입니다. 회귀.
혼동을 피하기 위해 MO의 정의를 살펴보겠습니다. 수학적 기대치는 확률 변수 의 일련의 수익률의 평균값입니다 . 일련의 수익이 누적된 시리즈로 수집되는 경우 이에 대한 수학적 기대는 이 시리즈의 증분 합계 또는 최종 값과 초기 값 간의 단순 차이입니다. 수익률에 대한 수학적 기대가 0과 같으면 이러한 누적 시리즈의 끝과 시작 지점 간의 차이도 항상 0과 같으므로 그래프에서 볼 수 있습니다. . 따라서 수익률 시리즈에서 평균을 빼는 것이 추세를 제거하는 가장 쉬운 방법입니다. 표준 편차와 같은 기본적인 통계 방법이 바로 그 역할을 합니다. 언급한 선형 회귀 는 다소 다르며 M.N.C를 통해 조회됩니다. 일반적으로 추세 구성 요소를 더 적절하게 제거할 수 있습니다. 그러나 그림은 정확히 MO를 보여주지만 누적된 시리즈의 맥락에서.
그러한 분석은 초기 시리즈를 구성하기 위한 조건에 크게 의존합니다. 저것들. 어떤 조건에서 i 번째 요소가 취해집니다. 당신은 고전을 가지고 있습니다 - 같은 기간 후에.
나는 완전히 동의합니다. 내 연구에 따르면 제안된 공식은 수익에 대해 작동하지 않지만 누적된 시리즈로 작동하지만 MO를 고려하지 않고 일부 정보(MO의 실제 가치)가 손실됩니다. , 비록 시각적 으로 차트 는 원래 가격 과 실질적 으로 다르지 않습니다 .
그러나 이 기간 동안 높은 가격과 낮은 가격을 모두 고려할 수 있는 다른 방법이 있습니다. 저것들. 정보 손실이 훨씬 적습니다.
동의합니다. 방법이 매우 거칠고 옳지 않은 것 같습니다. 포인트 세트에서 2개만 가져오고 MO는 모두 버립니다. 결과적으로, 고정되지 않은 매트가 있는 원본 시리즈에서 돌이킬 수 없는 정보 손실과 잘못된 작업이 발생합니다. 대기 중. 탈출구는 보편적인 프랙탈 통치자로서 지그재그의 범위에서 볼 수 있습니다. 예를 들어, 지그재그의 랩까지 이동한 거리의 비율일 수 있습니다.
그래서 이 추가 기능은 균일하게 분포된 일반 또는 다른 "임의의 숫자"를 생성합니까? 아니면 모르십니까?
끈기와 "트렌드"가 같은 것을 이해합니까?
분포는 MO가 0이고 주어진 표준 편차 가 있는 정규 분포입니다. 이러한 맥락에서 끈기와 유행은 하나이며 동일합니다. 내가 "추세 계열"이라고 말할 때 그것은 증분 부호가 이전 수익률 부호와 일치할 확률이 50%보다 높고 반추세임을 의미합니다. 반대로 부호가 일치할 확률은 50% 미만입니다 . 이것은 내 정의가 아니라 정확히 책에서 의미하는 바입니다.