계산을 C#으로 번역했습니다. 알고리즘은 Peters 방법을 완전히 모방하기 시작했습니다. 차트는 아래와 같습니다.
원래의
글쎄, 내가 무엇을 말할 수 있습니다. 얻은 결과는 책의 차트를 훨씬 더 연상시킵니다. 라인 자체도 실제처럼 보이기 시작했습니다. 구간 전체에 걸쳐 양의 기울기를 가지며(이론과 일치), 처음에는 더 부드러워지고 마지막에는 더 부서집니다(우연). 그러나 변하지 않는 기울기 계수는 우울합니다(사실 이것은 허스트 지수입니다).
이는 다음을 의미할 수 있습니다.
1. 연구 중인 프로세스는 무한한 메모리를 가지고 있습니다. 그러나 메모리는 유한한 값이어야 합니다. 우리는 SP 500의 실제 시장을 연구하고 있습니다.
2. 연구 중인 프로세스는 랜덤 워크와 구별할 수 없습니다(아마도 이것이 무엇인지). 그러면 Hurst 계수는 곡선의 전체 간격에서 0.5와 같아야 합니다. 이것이 사실이라면:
2.1. 프랙탈 통계는 SB를 실제 시장과 구별할 수 없고 수학적으로 메모리 효과를 증명할 수 없으므로 절대적으로 쓸모가 없습니다.
2.2. Peters는 사기꾼이며 우리의 머리에 가루를 뿌렸습니다!(가능성이 낮음).
2.3. Peters는 계산에서 실수를 했고, Eric Nyman과 함께 그의 책에서 이러한 계산을 반복했습니다.
3. 내가 실수를 했다:
3.1. 알고리즘에서.
3.2. 방법론에서.
세 번째 점을 확인하고 싶습니다. 독립된 결과를 기대합니다.
점 3에 찬성하여 다음과 같이 말합니다.
1. 커브가 너무 부드럽게 바뀝니다. 장기간에 걸쳐 RS에 대한 독립적인 측정의 수가 극히 적기 때문에(1 - 2) 특히 긴 평균 기간의 경우에는 그렇지 않은 것 같습니다.
2. 높이가 너무 높습니다. 차트의 끝에서 선은 거의 2에 도달하는 반면 Peters의 경우 1.3에 도달합니다. 변하지 않는 경사각을 감안해도 1.6도 안되고 2도! 뭔가 잘못되었습니다.
Z.Y. 직선 RS의 기울기에 대한 예비 추정치는 약 46%(1.6배에서 1.66 범위)의 값을 제공하며, 이는 추세 또는 반추세가 없음을 의미하며 SB의 필수 속성입니다.
결과를 분석한 결과, Peters가 누적 일정으로의 수익 복원에 대해 언급하지 않은 데는 이유가 있다는 사실에 오류가 여전히 있을 수 있음을 깨달았습니다. 유레카!!! 아무것도 수집하지 않지만 ln(Pi / Pi-1)과 같은 독립적인 증분으로 작동합니다. 내 시리즈는 수익의 합계였습니다. S += ln(Pi/Pi-1). 그런 다음 코드를 변경하고 이 작업을 건너뛰었습니다. 결과가 크게 향상되었습니다.
평균 그래프의 결과는 근본적으로 Peters의 계산과 수렴되기 시작했습니다. 사실, 세부 사항에 약간의 부정확성이 있으며 특히 최대 수준과 최소 수준의 차이가 여전히 있습니다. 또한 직선의 국부적인 굽힘도 다르지만 주요점은 정확하게 표시됩니다. 약 1.9를 초과하는 일정 시간이 지나면 경사각이 감소함을 알 수 있다.
흥미롭게도 누적 수익률 곡선(왼쪽에서 첫 번째)은 정확히 랜덤 워크를 따릅니다. 지금까지 나는 이 효과를 설명할 수 없었다. 사물의 논리에 따르면 반품을 하느냐 누적 시리즈를 하느냐에 따라 근본적으로 그림이 달라지는 것은 아니지만, 그렇지 않다는 것을 분명히 알 수 있다. 하지만 왜?
아주 흥미로운 그림이 나오기 시작하는 것 같습니다!
ps. 분명히 저와 Peters 사이에는 데이터 처리에 약간의 차이가 있으므로 그래픽은 여전히 큰 차이가 없습니다.
슬라이딩 기간 창을 사용 했습니까? Peters는 겹치지 않은 데이터에 의존합니다(마침표를 연결하는 그의 방법은 첫 번째 책의 부록 3에서 찾을 수 있음). 그러나 이론상 결과는 크게 다르지 않아야 합니다. 그래도 오류는 데이터 레이아웃 어딘가에 분명히 있지만 R/S 차트에는 이러한 급락 및 버스트가 있을 수 없습니다. N=6이라는 매우 짧은 평균 기간에도 0.28의 값을 제공할 때 어떻게 0.2 미만의 R/S 값을 얻었는지 명확하지 않습니다. 처음에는 많은 하위 기간의 평균을 내기 때문에 차트 가 매우 매끄러워야 합니다.
여기서 드디어 찾았습니다. 젠장, 파일이 맞지 않습니다. 개인을 참조하십시오.
도서를 받았습니다. 우선, 정의에 불일치가 있는지 확인하겠습니다. 일반적으로 처음부터 자세히 설명하겠습니다.)
관심을 가져 주셔서 감사합니다.
계산을 C#으로 번역했습니다. 알고리즘은 Peters 방법을 완전히 모방하기 시작했습니다. 차트는 아래와 같습니다.
원래의
글쎄, 내가 무엇을 말할 수 있습니다. 얻은 결과는 책의 차트를 훨씬 더 연상시킵니다. 라인 자체도 실제처럼 보이기 시작했습니다. 구간 전체에 걸쳐 양의 기울기를 가지며(이론과 일치), 처음에는 더 부드러워지고 마지막에는 더 부서집니다(우연). 그러나 변하지 않는 기울기 계수는 우울합니다(사실 이것은 허스트 지수입니다).
이는 다음을 의미할 수 있습니다.
1. 연구 중인 프로세스는 무한한 메모리를 가지고 있습니다. 그러나 메모리는 유한한 값이어야 합니다. 우리는 SP 500의 실제 시장을 연구하고 있습니다.
2. 연구 중인 프로세스는 랜덤 워크와 구별할 수 없습니다(아마도 이것이 무엇인지). 그러면 Hurst 계수는 곡선의 전체 간격에서 0.5와 같아야 합니다. 이것이 사실이라면:
3. 내가 실수를 했다:
세 번째 점을 확인하고 싶습니다. 독립된 결과를 기대합니다.
점 3에 찬성하여 다음과 같이 말합니다.
Z.Y. 직선 RS의 기울기에 대한 예비 추정치는 약 46%(1.6배에서 1.66 범위)의 값을 제공하며, 이는 추세 또는 반추세가 없음을 의미하며 SB의 필수 속성입니다.
결과를 분석한 결과, Peters가 누적 일정으로의 수익 복원에 대해 언급하지 않은 데는 이유가 있다는 사실에 오류가 여전히 있을 수 있음을 깨달았습니다. 유레카!!! 아무것도 수집하지 않지만 ln(Pi / Pi-1)과 같은 독립적인 증분으로 작동합니다. 내 시리즈는 수익의 합계였습니다. S += ln(Pi/Pi-1). 그런 다음 코드를 변경하고 이 작업을 건너뛰었습니다. 결과가 크게 향상되었습니다.
평균 그래프의 결과는 근본적으로 Peters의 계산과 수렴되기 시작했습니다. 사실, 세부 사항에 약간의 부정확성이 있으며 특히 최대 수준과 최소 수준의 차이가 여전히 있습니다. 또한 직선의 국부적인 굽힘도 다르지만 주요점은 정확하게 표시됩니다. 약 1.9를 초과하는 일정 시간이 지나면 경사각이 감소함을 알 수 있다.
흥미롭게도 누적 수익률 곡선(왼쪽에서 첫 번째)은 정확히 랜덤 워크를 따릅니다. 지금까지 나는 이 효과를 설명할 수 없었다. 사물의 논리에 따르면 반품을 하느냐 누적 시리즈를 하느냐에 따라 근본적으로 그림이 달라지는 것은 아니지만, 그렇지 않다는 것을 분명히 알 수 있다. 하지만 왜?
아주 흥미로운 그림이 나오기 시작하는 것 같습니다!
ps. 분명히 저와 Peters 사이에는 데이터 처리에 약간의 차이가 있으므로 그래픽은 여전히 큰 차이가 없습니다..
지금까지는 할 수 있었습니다. 하지만 여기에 마음에 들지 않는 것이 있습니다. 참고 acc. 포인트이지만 초과분을 잘라야 합니다. 원본 이미지의 데이터는 대략 log(k)=0.8 및 log(k)=2.4로 제한됩니다.
더 조사하겠습니다.