분포는 MO가 0이고 주어진 표준 편차가 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.
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.
....
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.
그 이유는 공식에 사용된 변동성과 각각이 상수로 수렴하지 않기 때문입니다. 여기서 경험의 빈도를 "독립적인 하위 기간"으로 나누어 속도가 상수로 수렴되도록 해야 합니다. 저것들. 불도저에서 가져 가지 마십시오.
그러나 여전히 시리즈 전체를 취하고 지속성을 확인하는 것은 무의미합니다. 시리즈가 때로는 트렌디하고 때로는 평평하기 때문에 병원의 평균은 SB와 약간 다릅니다. 추세가 언제, 언제 평평해졌는지, 그리고 그 이유를 알아야 합니다. 시장을 필터링하세요 :)
HideYourRichess : "금융 시리즈"에서 Hurst를 사용할 때 고려되지 않은 또 다른 중요한 사항이 있습니다. 사실은 나일강 홍수의 역학과 카드 한 벌을 사용한 Hurst의 실험 사이에 상당한 "유사성"이 있지만 "금융 시리즈"는 그렇지 않다는 것입니다.
답변을 더 자세히 확장할 수 있습니까? 매년 나일강의 홍수는 특정 범위에서 변합니다. 이것은 그의 반환 시리즈입니다. 유출은 항상 양의 값이 될 것이 분명하며, 이는 이 시리즈가 MO와 관련하여 추세를 줄여야 함을 의미합니다. 다음으로 누적된 시리즈를 살펴봅니다. 도달한 최고점과 최저점은 범위를 형성합니다. 매년 유출이 임의적이고 독립적인 값인 경우 결과 계열은 임의적이며 시간과 관련하여 종 모양의 궤적을 따라 이동합니다. 계열이 무작위가 아니고 지속 계열이 더 자주 종의 궤적의 조건부 한계를 벗어나면 반대로 추세라면 반대로 이 종 내부 깊숙이 있을 것입니다.
여기서 주요 문제는 다소 다르게 보입니다. 이 방법은 나일강 또는 태양 활동의 경우와 같이 수학적 기대치(기본값, 우리가 고려하는 것)가 다소 안정적일 때 잘 작동합니다. 그러나 이것은 시장에서 작동하지 않으며 매 순간마다 자신의 MO가 있습니다. 이 경우 우리는 시장 시리즈에서 MO를 뺄 권리가 없습니다. 왜냐하면 그것이 범위의 일부인지 아니면 공정의 고정 구성요소인지 모르기 때문입니다. 선형 회귀 와 같은 더 "고급" 기술도 작동하지 않습니다. 같은 방식으로 추세(회귀선)가 고정적이지 않고 따라서 결정론적 프로세스의 결과일 수 있기 때문입니다.
그 이유는 공식에 사용된 변동성과 각각이 상수로 수렴하지 않기 때문입니다. 여기서 경험의 빈도를 "독립적인 하위 기간"으로 나누어 속도가 상수로 수렴되도록 해야 합니다. 저것들. 불도저에서 가져 가지 마십시오.
변동성은 정규화의 척도일 뿐입니다. 기간의 범위를 r.s.d.로 나눕니다. 가능한 모든 시리즈에 대해 하나의 척도를 얻으려면. 또한, s.c.o. 마지막 기간 동안 최종 값입니다. 인접 기간과 일치하지 않지만 해당 기간 동안 단일 값이 되므로 이 기간의 획득 범위와 관련하여 완전히 적절한 정규화 값이 됩니다.
이것이 바로 내가 독립 하위 기간에 대한 계산을 특별히 만든 이유입니다. 저것들. 시리즈가 1000개의 값으로 구성되고 평균 주기가 100인 경우 100개의 값으로 구성된 10개의 연속 하위 기간을 취하고 각각에 대해 다른 RS를 계산한 다음 이 RS의 평균값을 표시합니다.
아발 :
그러나 여전히 시리즈 전체를 취하고 지속성을 확인하는 것은 무의미합니다. 시리즈가 때로는 트렌디하고 때로는 평평하기 때문에 병원의 평균은 SB와 약간 다릅니다. 추세가 언제, 언제 평평해졌는지, 그리고 그 이유를 알아야 합니다. 시장을 필터링하세요 :)
나도 그것에 대해 생각했다. 이를 위해 각 순간의 가치를 계산하는 Hurst 이동 표시기를 특별히 작성했습니다. 질적 규칙성을 확인할 수 없습니다. 그러나 많은 결점이 있습니다. 예를 들어 Hurst는 가격 반전에 대한 자신의 가치를 과대 평가하고 그 반대의 경우도 강한 추세에서 그의 추정치를 과소 평가할 것입니다.
변동성은 정규화의 척도일 뿐입니다. 기간의 범위를 r.s.d.로 나눕니다. 가능한 모든 시리즈에 대해 하나의 척도를 얻으려면. 또한, s.c.o. 마지막 기간 동안 최종 값입니다. 인접 기간과 일치하지 않지만 해당 기간 동안 단일 값이 되므로 이 기간의 획득 범위와 관련하여 완전히 적절한 정규화 값이 됩니다.
이것이 바로 내가 독립 하위 기간에 대한 계산을 특별히 만든 이유입니다. 저것들. 시리즈가 1000개의 값으로 구성되고 평균 주기가 100인 경우 100개의 값으로 구성된 10개의 연속 하위 기간을 취하고 각각에 대해 다른 RS를 계산한 다음 이 RS의 평균값을 표시합니다.
물론 특정 섹션에서 속도의 특정 값을 얻을 수 있지만 이것이 그 위의 소가 상수로 수렴한다는 것을 의미하지는 않습니다. 실제 금융 시리즈의 변동성은 변경 가능하며 별도의 숫자로 특징지어지지 않습니다. 따라서 "하위 기간"에는 높고 낮은 황소 조각이 포함될 수 있으며 공식은 잘못 계산됩니다. 예를 들어, 00:00부터 24:00까지 하루에 해당하는 하위 기간을 사용했습니다. 하루 중 서로 다른 시간의 변동성은 일정하게, 그리고 시간에 따라 다릅니다. 평균값은 전체 면적을 특성화하지 않으며 Hurst는 이를 기반으로 계산하고 기간을 고려하여 누가 무엇을 알고 있는지 보여줍니다. 전체 Hurst 공식은 하위 기간에 황소가 안정적으로 변경될 수 없지만 평균 값으로 특성화된다는 사실을 위해 설계되었습니다.
답변을 더 자세히 확장할 수 있습니까? 매년 나일강의 홍수는 특정 범위에서 변합니다. 이것이 그의 리턴 시리즈입니다. 유출은 항상 양의 값이 될 것이 분명하며, 이는 이 시리즈가 MO와 관련하여 추세를 줄여야 함을 의미합니다. 다음으로 누적된 시리즈를 살펴봅니다. 도달한 최고점과 최저점은 범위를 형성합니다. 매년 유출이 임의적이고 독립적인 값인 경우 결과 계열은 임의적이며 시간과 관련하여 종 모양의 궤적을 따라 이동합니다. 계열이 무작위가 아니고 지속 계열이 더 자주 종의 궤적의 조건부 한계를 벗어나면 반대로 추세라면 반대로 이 종 내부 깊숙이 있을 것입니다.
저점, 고점, 범위 등에 대해 - 모든 것이 명확합니다. 그것은 다른 것에 관한 것입니다.
Hirst는 그의 방법이 원칙적으로 실행 가능하다는 것을 보여주기 위해 카드 더미에서 테스트했습니다. 중요하지 않은 카드의 까다로운 레이아웃이 있었습니다. 가장 중요한 것은 그의 실험에서 기본 이벤트가 있다는 것이 명확하게 정의되었다는 것입니다.
내가 기억하는 한 나일강에서 그는 동일한 기본 이벤트를 정의했습니다. 즉, 1년 동안 수위 상승에 대한 최대 표시입니다(또는 그곳에서 비용을 지출했습니다. 기억이 나지 않습니다). 다른 중간 값은 고려되지 않았습니다. 프로세스의 "물리"가 항상 일정하다는 것은 분명합니다. 나일강 유역에 모인 물의 양과 그 수로를 통해 유출된 물의 양. 원칙적으로 배럴이라면 아무것도 없을 것이지만 나일강 유역은 물의 수집 / 방출에 일종의 관성 (수년 규모)이 있으므로 "기억"을 형성합니다. 매년 같은 일이 발생한다는 사실을 이해하는 것이 중요합니다. 특정 계절에 대기에서 거대한 웅덩이에 물을 모으고 천천히 토양을 통해 나일강으로 스며들어 바다를 향해 흐릅니다.
이제 Nile에 대한 Hurst 계수를 계산하면 이러한 기본 동종 이벤트의 시리즈를 시리즈로 나누어 수학적 조작을 수행합니다.
기본 이벤트가 매월 첫 번째 날의 레벨 측정이라고 상상해 보십시오. 우리는 방금 그것을 받아들였고 이제 기본 이벤트가 자연에서 일어나는 방식이 아니라 우리가 좋아하는 방식이 될 것이라고 발표했습니다. 음, 우리는 이 달들, 우기 시즌과 가뭄 달을 가져와서 시리즈로 나눕니다. 등. 제 생각에는 결과가 잘 예측되었습니다.
여기 이 모든 것에 대한 제 의견이 있습니다.
금융 시리즈에 정확히 동일한 문제가 있습니다. 프로세스를 특징짓는 기본 이벤트가 정의되어 있지 않습니다. 더 정확하게는 조건부 막대 절단은 제 생각에는 이벤트가 아닙니다. Vasya가 마지막 순간에 매수하고 가격을 몇 점만큼 옮겼고 John이 다음 순간에 매도한 것이 나에게 무슨 차이가 있습니까? 그것은 나일강으로 스며드는 물방울과 같습니다. 전체적으로 어떤 일이 벌어지고 있는지 흥미롭습니다.
추신. 그건 그렇고, 축적 / 분배, Wyckoff 등을 찾는 아이디어. - 이는 시장의 초등 이벤트가 전혀 막대가 아니라는 이해에서 비롯된 것입니다.
ZYY. 이것이 전부인 이유를 이해하지 못하는 사람들을 위해 - 통계 작업은 대부분 기본 이벤트에서만 수행할 수 있습니다. 그렇지 않으면 결과는 넌센스가 될 것입니다.
C-4 :
여기서 주요 문제는 다소 다르게 보입니다. 이 방법은 나일강 또는 태양 활동의 경우와 같이 수학적 기대치(기본값, 우리가 고려하는 것)가 다소 안정적일 때 잘 작동합니다. 그러나 이것은 시장에서 작동하지 않으며 매 순간마다 자신의 MO가 있습니다. 이 경우 우리는 시장 시리즈에서 MO를 뺄 권리가 없습니다. 왜냐하면 그것이 범위의 일부인지 아니면 공정의 고정 구성요소인지 모르기 때문입니다. 선형 회귀와 같은 더 "고급" 기술도 작동하지 않습니다. 같은 방식으로 추세(회귀선)가 고정적이지 않고 따라서 결정론적 프로세스의 결과일 수 있기 때문입니다.
어쩌면 네. 원칙적으로 카드 덱과 나일강은 본질적으로 고정된 프로세스입니다. 그러나 금융 상품은 그렇지 않습니다. 더 정확하게는 고정되어 있지만 전체 시리즈의 틀 내에서가 아니라 특정 단계에서입니다. 음, 이 정상성은 MO의 불변성과 분산을 통해 결정되는 것이 아니라 어떻게든 다르게 결정된다는 것이 분명합니다.
alexeymosc : 그리고 나는 또한 이 통계의 예측 속성이 의심스럽다고 덧붙였습니다(나 자신도 Excel에서 Hurst를 고려했기 때문에). 예, 우리는 시장이 이런 식이었다는 것을 알고 있지만 다음 100-1000 바에서는 어떻게 될까요? 누가 알겠습니까? 어떻게 생각하나요?
Matroskin은 지능 부족으로 인해 문제가 있었고 우리 모두는 그의 과잉 교육으로 인해 문제가있었습니다.
천년의 역사를 지닌 나일강은 그냥 두고 지구로 내려갑시다.
우리는 맨 오른쪽 막대를 가지고 있으며 다음 막대에 대한 예측에 관심이 있습니다. 고려한다면. M1, H1 또는 D1이 될 수 있으면 수평선 문제가 해결됩니다.
이제 다음 질문을 예측하기 위해 얼마나 많은 이전 막대가 필요한지 질문에 답해 보겠습니다. 관찰 수가 30개가 넘으면 t-통계량이 z-통계량으로 들어간다는 것을 읽은 적이 있습니다. 트리플을 사용하면 100이 됩니다. H1의 경우 일주일에 118개의 관찰이 있습니다. H1의 새로운 주에는 새로운 문제가 발생할 가능성이 높습니다. 모두.
한 발 앞서 예측합니다. 예를 들어, 마지막 3개 점을 따라 직선을 그리고 앞으로 확장합니다.
지금. 우리는 이 예측이 확률 변수로 표현된다는 것을 알고 있습니다. 이 예측의 계산에는 오류가 있습니다. 그리고 전체 개는이 오류에 묻혀 있습니다. mo와 vol이 적어도 거의 일정하다면 한 가지. 또는 그것은 위대하지 않고 스코프로 대체될 수 있습니다. 그러면 아무것도 아닙니다. 그러나 문제는 오류입니다.
혼동을 피하기 위해 MO의 정의를 살펴보겠습니다. 수학적 기대치는 확률 변수 의 일련의 수익률의 평균값입니다 .
샘플 MO = 샘플 평균. 그리고 표본을 추출한 계열의 유형은 MO의 정의에 적용되지 않습니다. 그러나 요점은 아닙니다.
다른 모든 것에 대해 - 우리는 서로를 이해했습니다.
분포는 MO가 0이고 주어진 표준 편차가 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.
언급된 주제에 대한 대중의 미지근한 관심에도 불구하고 나는 Peters의 책에 대한 후속 조치를 계속합니다.
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.
....
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.
그 이유는 공식에 사용된 변동성과 각각이 상수로 수렴하지 않기 때문입니다. 여기서 경험의 빈도를 "독립적인 하위 기간"으로 나누어 속도가 상수로 수렴되도록 해야 합니다. 저것들. 불도저에서 가져 가지 마십시오.
그러나 여전히 시리즈 전체를 취하고 지속성을 확인하는 것은 무의미합니다. 시리즈가 때로는 트렌디하고 때로는 평평하기 때문에 병원의 평균은 SB와 약간 다릅니다. 추세가 언제, 언제 평평해졌는지, 그리고 그 이유를 알아야 합니다. 시장을 필터링하세요 :)
"금융 시리즈"에서 Hurst를 사용할 때 고려되지 않은 또 다른 중요한 사항이 있습니다. 사실은 나일강 홍수의 역학과 카드 한 벌을 사용한 Hurst의 실험 사이에 상당한 "유사성"이 있지만 "금융 시리즈"는 그렇지 않다는 것입니다.
답변을 더 자세히 확장할 수 있습니까? 매년 나일강의 홍수는 특정 범위에서 변합니다. 이것은 그의 반환 시리즈입니다. 유출은 항상 양의 값이 될 것이 분명하며, 이는 이 시리즈가 MO와 관련하여 추세를 줄여야 함을 의미합니다. 다음으로 누적된 시리즈를 살펴봅니다. 도달한 최고점과 최저점은 범위를 형성합니다. 매년 유출이 임의적이고 독립적인 값인 경우 결과 계열은 임의적이며 시간과 관련하여 종 모양의 궤적을 따라 이동합니다. 계열이 무작위가 아니고 지속 계열이 더 자주 종의 궤적의 조건부 한계를 벗어나면 반대로 추세라면 반대로 이 종 내부 깊숙이 있을 것입니다.
여기서 주요 문제는 다소 다르게 보입니다. 이 방법은 나일강 또는 태양 활동의 경우와 같이 수학적 기대치(기본값, 우리가 고려하는 것)가 다소 안정적일 때 잘 작동합니다. 그러나 이것은 시장에서 작동하지 않으며 매 순간마다 자신의 MO가 있습니다. 이 경우 우리는 시장 시리즈에서 MO를 뺄 권리가 없습니다. 왜냐하면 그것이 범위의 일부인지 아니면 공정의 고정 구성요소인지 모르기 때문입니다. 선형 회귀 와 같은 더 "고급" 기술도 작동하지 않습니다. 같은 방식으로 추세(회귀선)가 고정적이지 않고 따라서 결정론적 프로세스의 결과일 수 있기 때문입니다.
그 이유는 공식에 사용된 변동성과 각각이 상수로 수렴하지 않기 때문입니다. 여기서 경험의 빈도를 "독립적인 하위 기간"으로 나누어 속도가 상수로 수렴되도록 해야 합니다. 저것들. 불도저에서 가져 가지 마십시오.
변동성은 정규화의 척도일 뿐입니다. 기간의 범위를 r.s.d.로 나눕니다. 가능한 모든 시리즈에 대해 하나의 척도를 얻으려면. 또한, s.c.o. 마지막 기간 동안 최종 값입니다. 인접 기간과 일치하지 않지만 해당 기간 동안 단일 값이 되므로 이 기간의 획득 범위와 관련하여 완전히 적절한 정규화 값이 됩니다.
이것이 바로 내가 독립 하위 기간에 대한 계산을 특별히 만든 이유입니다. 저것들. 시리즈가 1000개의 값으로 구성되고 평균 주기가 100인 경우 100개의 값으로 구성된 10개의 연속 하위 기간을 취하고 각각에 대해 다른 RS를 계산한 다음 이 RS의 평균값을 표시합니다.
그러나 여전히 시리즈 전체를 취하고 지속성을 확인하는 것은 무의미합니다. 시리즈가 때로는 트렌디하고 때로는 평평하기 때문에 병원의 평균은 SB와 약간 다릅니다. 추세가 언제, 언제 평평해졌는지, 그리고 그 이유를 알아야 합니다. 시장을 필터링하세요 :)
나도 그것에 대해 생각했다. 이를 위해 각 순간의 가치를 계산하는 Hurst 이동 표시기를 특별히 작성했습니다. 질적 규칙성을 확인할 수 없습니다. 그러나 많은 결점이 있습니다. 예를 들어 Hurst는 가격 반전에 대한 자신의 가치를 과대 평가하고 그 반대의 경우도 강한 추세에서 그의 추정치를 과소 평가할 것입니다.
변동성은 정규화의 척도일 뿐입니다. 기간의 범위를 r.s.d.로 나눕니다. 가능한 모든 시리즈에 대해 하나의 척도를 얻으려면. 또한, s.c.o. 마지막 기간 동안 최종 값입니다. 인접 기간과 일치하지 않지만 해당 기간 동안 단일 값이 되므로 이 기간의 획득 범위와 관련하여 완전히 적절한 정규화 값이 됩니다.
이것이 바로 내가 독립 하위 기간에 대한 계산을 특별히 만든 이유입니다. 저것들. 시리즈가 1000개의 값으로 구성되고 평균 주기가 100인 경우 100개의 값으로 구성된 10개의 연속 하위 기간을 취하고 각각에 대해 다른 RS를 계산한 다음 이 RS의 평균값을 표시합니다.
물론 특정 섹션에서 속도의 특정 값을 얻을 수 있지만 이것이 그 위의 소가 상수로 수렴한다는 것을 의미하지는 않습니다. 실제 금융 시리즈의 변동성은 변경 가능하며 별도의 숫자로 특징지어지지 않습니다. 따라서 "하위 기간"에는 높고 낮은 황소 조각이 포함될 수 있으며 공식은 잘못 계산됩니다. 예를 들어, 00:00부터 24:00까지 하루에 해당하는 하위 기간을 사용했습니다. 하루 중 서로 다른 시간의 변동성은 일정하게, 그리고 시간에 따라 다릅니다. 평균값은 전체 면적을 특성화하지 않으며 Hurst는 이를 기반으로 계산하고 기간을 고려하여 누가 무엇을 알고 있는지 보여줍니다. 전체 Hurst 공식은 하위 기간에 황소가 안정적으로 변경될 수 없지만 평균 값으로 특성화된다는 사실을 위해 설계되었습니다.
답변을 더 자세히 확장할 수 있습니까? 매년 나일강의 홍수는 특정 범위에서 변합니다. 이것이 그의 리턴 시리즈입니다. 유출은 항상 양의 값이 될 것이 분명하며, 이는 이 시리즈가 MO와 관련하여 추세를 줄여야 함을 의미합니다. 다음으로 누적된 시리즈를 살펴봅니다. 도달한 최고점과 최저점은 범위를 형성합니다. 매년 유출이 임의적이고 독립적인 값인 경우 결과 계열은 임의적이며 시간과 관련하여 종 모양의 궤적을 따라 이동합니다. 계열이 무작위가 아니고 지속 계열이 더 자주 종의 궤적의 조건부 한계를 벗어나면 반대로 추세라면 반대로 이 종 내부 깊숙이 있을 것입니다.
저점, 고점, 범위 등에 대해 - 모든 것이 명확합니다. 그것은 다른 것에 관한 것입니다.
Hirst는 그의 방법이 원칙적으로 실행 가능하다는 것을 보여주기 위해 카드 더미에서 테스트했습니다. 중요하지 않은 카드의 까다로운 레이아웃이 있었습니다. 가장 중요한 것은 그의 실험에서 기본 이벤트가 있다는 것이 명확하게 정의되었다는 것입니다.
내가 기억하는 한 나일강에서 그는 동일한 기본 이벤트를 정의했습니다. 즉, 1년 동안 수위 상승에 대한 최대 표시입니다(또는 그곳에서 비용을 지출했습니다. 기억이 나지 않습니다). 다른 중간 값은 고려되지 않았습니다. 프로세스의 "물리"가 항상 일정하다는 것은 분명합니다. 나일강 유역에 모인 물의 양과 그 수로를 통해 유출된 물의 양. 원칙적으로 배럴이라면 아무것도 없을 것이지만 나일강 유역은 물의 수집 / 방출에 일종의 관성 (수년 규모)이 있으므로 "기억"을 형성합니다. 매년 같은 일이 발생한다는 사실을 이해하는 것이 중요합니다. 특정 계절에 대기에서 거대한 웅덩이에 물을 모으고 천천히 토양을 통해 나일강으로 스며들어 바다를 향해 흐릅니다.
이제 Nile에 대한 Hurst 계수를 계산하면 이러한 기본 동종 이벤트의 시리즈를 시리즈로 나누어 수학적 조작을 수행합니다.
기본 이벤트가 매월 첫 번째 날의 레벨 측정이라고 상상해 보십시오. 우리는 방금 그것을 받아들였고 이제 기본 이벤트가 자연에서 일어나는 방식이 아니라 우리가 좋아하는 방식이 될 것이라고 발표했습니다. 음, 우리는 이 달들, 우기 시즌과 가뭄 달을 가져와서 시리즈로 나눕니다. 등. 제 생각에는 결과가 잘 예측되었습니다.
여기 이 모든 것에 대한 제 의견이 있습니다.
금융 시리즈에 정확히 동일한 문제가 있습니다. 프로세스를 특징짓는 기본 이벤트가 정의되어 있지 않습니다. 더 정확하게는 조건부 막대 절단은 제 생각에는 이벤트가 아닙니다. Vasya가 마지막 순간에 매수하고 가격을 몇 점만큼 옮겼고 John이 다음 순간에 매도한 것이 나에게 무슨 차이가 있습니까? 그것은 나일강으로 스며드는 물방울과 같습니다. 전체적으로 어떤 일이 벌어지고 있는지 흥미롭습니다.
추신. 그건 그렇고, 축적 / 분배, Wyckoff 등을 찾는 아이디어. - 이는 시장의 초등 이벤트가 전혀 막대가 아니라는 이해에서 비롯된 것입니다.
ZYY. 이것이 전부인 이유를 이해하지 못하는 사람들을 위해 - 통계 작업은 대부분 기본 이벤트에서만 수행할 수 있습니다. 그렇지 않으면 결과는 넌센스가 될 것입니다.
여기서 주요 문제는 다소 다르게 보입니다. 이 방법은 나일강 또는 태양 활동의 경우와 같이 수학적 기대치(기본값, 우리가 고려하는 것)가 다소 안정적일 때 잘 작동합니다. 그러나 이것은 시장에서 작동하지 않으며 매 순간마다 자신의 MO가 있습니다. 이 경우 우리는 시장 시리즈에서 MO를 뺄 권리가 없습니다. 왜냐하면 그것이 범위의 일부인지 아니면 공정의 고정 구성요소인지 모르기 때문입니다. 선형 회귀와 같은 더 "고급" 기술도 작동하지 않습니다. 같은 방식으로 추세(회귀선)가 고정적이지 않고 따라서 결정론적 프로세스의 결과일 수 있기 때문입니다.
그리고 나는 또한 이 통계의 예측 속성이 의심스럽다고 덧붙였습니다(나 자신도 Excel에서 Hurst를 고려했기 때문에). 예, 우리는 시장이 이런 식이었다는 것을 알고 있지만 다음 100-1000 바에서는 어떻게 될까요? 누가 알겠습니까? 어떻게 생각하나요?
Matroskin은 지능 부족으로 인해 문제가 있었고 우리 모두는 그의 과잉 교육으로 인해 문제가있었습니다.
천년의 역사를 지닌 나일강은 그냥 두고 지구로 내려갑시다.
우리는 맨 오른쪽 막대를 가지고 있으며 다음 막대에 대한 예측에 관심이 있습니다. 고려한다면. M1, H1 또는 D1이 될 수 있으면 수평선 문제가 해결됩니다.
이제 다음 질문을 예측하기 위해 얼마나 많은 이전 막대가 필요한지 질문에 답해 보겠습니다. 관찰 수가 30개가 넘으면 t-통계량이 z-통계량으로 들어간다는 것을 읽은 적이 있습니다. 트리플을 사용하면 100이 됩니다. H1의 경우 일주일에 118개의 관찰이 있습니다. H1의 새로운 주에는 새로운 문제가 발생할 가능성이 높습니다. 모두.
한 발 앞서 예측합니다. 예를 들어, 마지막 3개 점을 따라 직선을 그리고 앞으로 확장합니다.
지금. 우리는 이 예측이 확률 변수로 표현된다는 것을 알고 있습니다. 이 예측의 계산에는 오류가 있습니다. 그리고 전체 개는이 오류에 묻혀 있습니다. mo와 vol이 적어도 거의 일정하다면 한 가지. 또는 그것은 위대하지 않고 스코프로 대체될 수 있습니다. 그러면 아무것도 아닙니다. 그러나 문제는 오류입니다.
그리고 맙소사, 예측 오차는 이렇게 생겼습니다.
이제 문제가 발생합니다. 제한된 샘플에서 오류의 고정 특성을 얻는 것입니다.
그렇게 생각하십시오.