Candid : 아무도 당신이 Yurixx 의 연구 결과를 확인하는 것을 신경 쓰지 않습니다. 즉, 그가 했던 첫 번째 원칙에서 계산을 반복하거나 분석적으로 결과를 얻었습니다. 사실, 앞서 이미 논의한 바와 같이, 이 "오직"에 대해서는 범위와 표준 편차를 연결하는 공식이 충분하지 않습니다.
Kolmogorov의 "확률 이론 소개" 교과서를 가져 가라. 거기에서 무작위 걷기의 평균 달리기 공식을 찾을 수 있습니다.
Wikipedia에서와 같이 표준 편차에 대해 이야기하고 있다고 생각합니다. 페이지 링크와 함께 여기에서 인용할 수 있습니까?
그래서 이것은 진술이다.
높음 - 낮음은 열기 - 닫기에 비례합니다.
아무것도 백업되지 않습니다. 하지만 그게 다가 아닙니다. 다음은 거짓 진술일 뿐입니다.
Open - Close는 Yurixx 의 계산에서 평균 마일리지이며,
그의 계산에는 평균 마일리지와 rms 마일리지 및 범위가 모두 있습니다. 루트가 있는 공식은 평균 제곱근에 대해서만 입증되었습니다. 즉, Open - Close에도 적용되지 않습니다.
이는 Kolmogorov 단계 수의 근에 비례합니다. 나는 교과서에서 Yurixx' 공식을 대체했습니다.
게시물에 Yurixx'a 를 대체한 공식을 표시합니다.
표 계산과 정확히 일치하는 결과를 얻었습니다.
표 또는 그래프는 어디에 있습니까? 일치가 발생하는 최소한 k 가 주도한 값입니다.
보시다시피, Hearst는 여기 어디에도 없으며 처음부터 존재하지도 않았습니다.
원래 인수에서 변수 h를 도입하고 이를 Hurst 지수 라고 합니다. 이것은 사실이 아니며 허스트 지수가 아닙니다.
Yurixx에게 0에서 1000까지의 N*N 계열에 대한 Hurst를 계산하도록 요청합니다.
답은 1/2이지만 Hurst 지수가 아닙니다. Hurst 지수는 범위를 사용하여 계산됩니다.
그건 그렇고, mean run, rms run 및 span 사이의 비례는 log-log 좌표에서 평행 곡선을 의미합니다. 즉, Yurixx 의 그래픽은제곱 평균 제곱근과 비례 범위 사이에 비례가 없음 을 아주 명확하게 보여줍니다. 물론 그의 계산이 맞다면 말이다. 그러나 평균 마일리지(즉, Open - Close 모듈)와 스팬 사이에 있을 수 있습니다.
Vita , 너무 많은 단어와 적은 세부 사항. 어떤 링크도 이해할 수 없고 자신의 결론도 없습니다. 또한 (High-Low), (Open-Close)와 같은 모든 종류의 용어를 지속적으로 사용하여 서로 혼동하고 완전히 임의적이고 정당하지 않은 연결을 설정합니다. 그리고 허스트 지수 에 관해서는 일반적으로 제 생각에는 그것이 무엇이며 어떻게 계산하는지에 대해 잘못 알고 있습니다.
토론하고 싶다면 정의 - 진술 - 증거 - 결과로 자세히 말하십시오. 또는 다른 저자의 특정 구절을 인용하십시오. 내가 여기에 쓴 것을 이해하는 것이 좋을 것입니다. 나는 당신이 이해하는지 의심스러운 것입니다.
내가 볼 수 있는 한, 스윙의 첫 번째 순간은 모든 곳에서 간격 [0;T]에서 T의 근에 비례합니다. 에 또한 T의 루트에 비례하는 평균 마일리지입니다. 이를 통해 High - Low = k * |Open - Close|라고 가정할 수 있습니다. |열기 - 닫기| 평균 주행거리입니다.
Vita , 너무 많은 단어와 적은 세부 사항. 이해할 수 있는 링크가 없고 자체 결론이 없습니다. 또한 (High-Low), (Open-Close)와 같은 모든 종류의 용어를 지속적으로 사용하여 서로 혼동하고 완전히 임의적이고 정당하지 않은 연결을 설정합니다. 그리고 일반적으로 허스트 지수에 대해 제 생각에는 그것이 무엇이며 어떻게 계산하는지에 대해 잘못 알고 있습니다.
토론하고 싶다면 정의 - 진술 - 증거 - 결과로 자세히 말하십시오. 또는 다른 저자의 특정 구절을 인용하십시오. 내가 여기에 쓴 것을 이해하는 것이 좋을 것입니다. 나는 당신이 이해하는지 의심스러운 것입니다.
특히 Yurixx를 위해 SB 정리에 의해 정당화되는 표 2b의 결과로 안내하는 분석을 제공합니다.
내 첫 번째 게시물에 이어:
무작위 걷기에서 평균 달리기는 걸음 수의 제곱근에 비례합니다. 따라서 간단한 산술을 적용한 후 h = Log(High-Low)/Log(N) 또는 이와 유사한 것으로 축소된 Hurst 계산의 결과는 다음을 나타냅니다.
1) 높음 - 낮음 = k * sqrt(N);
2) h = log(k * sqrt(N)) / log(N);
3) h = 1/2 + log(k) / log(N);
4) k << N에 대해 h -> 1/2, 이는 표에서 완벽하게 확인됩니다.
보시다시피 저는 여기에 허스트가 없다는 것을 다시 한 번 강조합니다. SB에 대한 topiccaster 공식 과 평균 마일리지 정리가 있으며, 이는 우리를 표 2b의 결과로 직접 이끕니다. 이 테이블의 결과에는 원래 공식의 잘못된 특성으로 인해 Hurst 속성이 없습니다. 예를 들어 높음 - 낮음 > N인 경우 이 공식은 소화되지 않습니다. 같은 저자에 의해 인위적으로 구성된 시리즈에서만 1보다 적은 결과를 얻도록 조정되었습니다.
귀하의 결과에 대한 나의 평가는 귀하의 데이터와 더 엄격하고 정확하게 일치하며, 귀하의 Hirst 가사에 "조정해야 하지만 조정하는 방법을 모르겠습니다" 등과 같은 유보가 없습니다.
그리고 Hurst에 대한 자세한 내용(첨부 파일 참조). 이것이 내가 R / S 분석을 수행하는 방법이며, 다음을 포함한 모든 경우에 대해 Hurst를 계산할 수 있습니다. N * N 시리즈의 경우.
나는 SB에 대한 h> 1/2와 허스트 지수의 계산을 설명하는 분석을 제공했습니다. 그런데 이것은 망쳐지지 않도록 인위적으로 발명된 시리즈를 미끄러질 필요가 없습니다.
제가 쓴 글이 헷갈리실 수도 있습니다. 아니면 처리할 수 없습니다. 그럼 제 결론과 허스트 계산을 위한 첨부파일은 잊어주세요. 그런 시기에 내가 이단을 품었다고 상상해 보십시오. 당신은 그것을 이해할 필요가 없습니다.
공식이 허스트를 계산한다는 것을 스스로에게 보여주십시오.
당신은 당신의 공식에 따라 N * N 시리즈에 대한 허스트 계산을 줄 수 있습니까? 아니면 귀하의 공식 은 귀하의 시리즈 에 대해서만 귀하의 허스트 를 고려합니까? 귀하의 시리즈에 대한 단순화된 사례의 분석적 파생물을 제공할 수 있습니까?
다음과 같은 "특정"을 작성하는 대신 h> 1/2를 설명하는 표 2b의 결과에 대한 분석적 출력을 제공할 수도 있습니다.
이론적으로 고려 중인 SB의 경우 허스트 지수는 0.5와 같아야 합니다. 그러나 우리가 볼 수 있듯이 이것은 관찰되지 않습니다.
당신 이 이것을 보지 못하는 것이 나에게 분명합니다. Hurst를 계산하는 방법을 아는 모든 사람은 수치 계산과 이론의 일치를 관찰합니다. 그리고 SB의 경우 Hurst는 위에서뿐만 아니라 1/2로 경향이 있습니다.
비타 , 들어봐, 현실을 그렇게 대하면 안 돼. T의 루트가 함수 인수라는 것을 무시합니다. Hurst에게 " h = Log(High-Low)/Log(N)로 축소" 는 "그와 비슷한 것"입니다.
더 정확하게 말하면, 이것은 당신이 이 토론의 진실이 아니라 다른 것에 관심이 있는 경우에만 다룰 수 있습니다.
아마도 나는 더 이상 당신을 설득하려 하지 않을 것입니다.
첫째, 함수 인수 뿐만 아니라 이 함수의 승수입니다. 여기 표 2b에서 수행된 수치 실험의 경우 이 함수의 결과는 일정하지만 우리는 이미 진실을 찾기 위해 너무 깊이 파고 들었습니다. 예, 그리고 당신은 High - Low = k * sqrt(N) 이 사실이 아니라고 직접 말할 수 있습니까?
모든 것이 훨씬 쉽습니다. N*N*N에 대한 Hurst의 topiccaster 공식을 사용하여 계산합니다. 또는 1과 관련하여 결과를 평가하십시오. 진실은 무엇입니까?
공식 h = Log(High-Low)/Log(N) 에 대해 인위적으로 발명된 시리즈가 시장과 관련이 있을 수 있습니까? 여기에 진실이 있습니까?
토픽캐스터는 시리즈를 내놓았고 공식을 만들어 허스트(Hirst)로 발표했습니다. 이것이 사실이라면 그가 허스트임을 증명하게 하십시오. 더 이상 거기에 없고 멀리 있는 사람들을 발로 차기가 훨씬 쉽습니다.
아무도 당신이 Yurixx 의 연구 결과를 확인하는 것을 신경 쓰지 않습니다. 즉, 그가 했던 첫 번째 원칙에서 계산을 반복하거나 분석적으로 결과를 얻었습니다. 사실, 앞서 이미 논의한 바와 같이, 이 "오직"에 대해서는 범위와 표준 편차를 연결하는 공식이 충분하지 않습니다.
범위 분포 연구 https://www.mql5.com/go?link=http://www.mathnet.ru/php/getFT.phtml?jrnid=sm&paperid=3245&what=fullt&option_lang=rus 공식 2.14가 있는 것 같습니다 첫 번째와 두 번째 순간이지만 뭔가 맞지 않는 것 같습니다. :)
Z.Y. https://www.mql5.com/go?link=http://83.149.209.141/php/getFT.phtml?jrnid=sm&paperid=3415&what=fullt&option_lang=rus 계속
Kolmogorov의 "확률 이론 소개" 교과서를 가져 가라. 거기에서 무작위 걷기의 평균 달리기 공식을 찾을 수 있습니다.
Wikipedia에서와 같이 표준 편차에 대해 이야기하고 있다고 생각합니다. 페이지 링크와 함께 여기에서 인용할 수 있습니까?
그래서 이것은 진술이다.
Yurixx에게 0에서 1000까지의 N*N 계열에 대한 Hurst를 계산하도록 요청합니다.
그건 그렇고, mean run, rms run 및 span 사이의 비례는 log-log 좌표에서 평행 곡선을 의미합니다. 즉, Yurixx 의 그래픽은 제곱 평균 제곱근과 비례 범위 사이에 비례가 없음 을 아주 명확하게 보여줍니다. 물론 그의 계산이 맞다면 말이다. 그러나 평균 마일리지(즉, Open - Close 모듈)와 스팬 사이에 있을 수 있습니다.
Yurixx를 어떻게 계산 했는지 정확히 모르지만 결과는 다음과 같습니다.
Для небольших значений величины интервала N показатель существенно отличается от 0.5 и только с ростом N стремится к 0.5, повидимому асимптотически.
3년 전 주요 인용문에 대해 받은 것과 정확히 동일합니다. 그리고 확인도 하지 않겠습니다. 내 결과는 시스템 구축 원칙의 완전한 개정이었습니다. 유일한 차이점은 TA가 전혀 작동하지 않는다는 겸손한 결론에 도달했다는 것입니다.
Vita , 너무 많은 단어와 적은 세부 사항. 어떤 링크도 이해할 수 없고 자신의 결론도 없습니다. 또한 (High-Low), (Open-Close)와 같은 모든 종류의 용어를 지속적으로 사용하여 서로 혼동하고 완전히 임의적이고 정당하지 않은 연결을 설정합니다. 그리고 허스트 지수 에 관해서는 일반적으로 제 생각에는 그것이 무엇이며 어떻게 계산하는지에 대해 잘못 알고 있습니다.
토론하고 싶다면 정의 - 진술 - 증거 - 결과로 자세히 말하십시오. 또는 다른 저자의 특정 구절을 인용하십시오. 내가 여기에 쓴 것을 이해하는 것이 좋을 것입니다. 나는 당신이 이해하는지 의심스러운 것입니다.
범위 분포 연구 https://www.mql5.com/go?link=http://www.mathnet.ru/php/getFT.phtml?jrnid=sm&paperid=3245&what=fullt&option_lang=rus 첫 번째와 두 번째 순간, 하지만 뭔가 맞지 않는 것 같습니다 :)
Z.Y. http://83.149.209.141/php/getFT.phtml?jrnid=sm&paperid=3415&what=fullt&option_lang=rus 계속
내가 볼 수 있는 한, 스윙의 첫 번째 순간은 모든 곳에서 간격 [0;T]에서 T의 근에 비례합니다. 에
또한 T의 루트에 비례하는 평균 마일리지입니다.
이를 통해 High - Low = k * |Open - Close|라고 가정할 수 있습니다.
|열기 - 닫기| 평균 주행거리입니다.
Vita , 너무 많은 단어와 적은 세부 사항. 이해할 수 있는 링크가 없고 자체 결론이 없습니다. 또한 (High-Low), (Open-Close)와 같은 모든 종류의 용어를 지속적으로 사용하여 서로 혼동하고 완전히 임의적이고 정당하지 않은 연결을 설정합니다. 그리고 일반적으로 허스트 지수에 대해 제 생각에는 그것이 무엇이며 어떻게 계산하는지에 대해 잘못 알고 있습니다.
토론하고 싶다면 정의 - 진술 - 증거 - 결과로 자세히 말하십시오. 또는 다른 저자의 특정 구절을 인용하십시오. 내가 여기에 쓴 것을 이해하는 것이 좋을 것입니다. 나는 당신이 이해하는지 의심스러운 것입니다.
특히 Yurixx 를 위해 SB 정리에 의해 정당화되는 표 2b의 결과로 안내하는 분석을 제공합니다.
내 첫 번째 게시물에 이어:
무작위 걷기에서 평균 달리기는 걸음 수의 제곱근에 비례합니다. 따라서 간단한 산술을 적용한 후 h = Log(High-Low)/Log(N) 또는 이와 유사한 것으로 축소된 Hurst 계산의 결과는 다음을 나타냅니다.
1) 높음 - 낮음 = k * sqrt(N);
2) h = log(k * sqrt(N)) / log(N);
3) h = 1/2 + log(k) / log(N);
4) k << N에 대해 h -> 1/2, 이는 표에서 완벽하게 확인됩니다.
보시다시피 저는 여기에 허스트가 없다는 것을 다시 한 번 강조합니다. SB에 대한 topiccaster 공식 과 평균 마일리지 정리가 있으며, 이는 우리를 표 2b의 결과로 직접 이끕니다. 이 테이블의 결과에는 원래 공식의 잘못된 특성으로 인해 Hurst 속성이 없습니다. 예를 들어 높음 - 낮음 > N인 경우 이 공식은 소화되지 않습니다. 같은 저자에 의해 인위적으로 구성된 시리즈에서만 1보다 적은 결과를 얻도록 조정되었습니다.
귀하의 결과에 대한 나의 평가는 귀하의 데이터와 더 엄격하고 정확하게 일치하며, 귀하의 Hirst 가사에 "조정해야 하지만 조정하는 방법을 모르겠습니다" 등과 같은 유보가 없습니다.
그리고 Hurst에 대한 자세한 내용(첨부 파일 참조). 이것이 내가 R / S 분석을 수행하는 방법이며, 다음을 포함한 모든 경우에 대해 Hurst를 계산할 수 있습니다. N * N 시리즈의 경우.
나는 SB에 대한 h> 1/2와 허스트 지수의 계산을 설명하는 분석을 제공했습니다. 그런데 이것은 망쳐지지 않도록 인위적으로 발명된 시리즈를 미끄러질 필요가 없습니다.
제가 쓴 글이 헷갈리실 수도 있습니다. 아니면 처리할 수 없습니다. 그럼 제 결론과 허스트 계산을 위한 첨부파일은 잊어주세요. 그런 시기에 내가 이단을 품었다고 상상해 보십시오. 당신은 그것을 이해할 필요가 없습니다.
공식이 허스트를 계산한다는 것을 스스로에게 보여주십시오.
당신은 당신의 공식에 따라 N * N 시리즈에 대한 허스트 계산을 줄 수 있습니까? 아니면 귀하의 공식 은 귀하의 시리즈 에 대해서만 귀하의 허스트 를 고려합니까? 귀하의 시리즈에 대한 단순화된 사례의 분석적 파생물을 제공할 수 있습니까?
다음과 같은 "특정"을 작성하는 대신 h> 1/2를 설명하는 표 2b의 결과에 대한 분석적 출력을 제공할 수도 있습니다.
이론적으로 고려 중인 SB의 경우 허스트 지수는 0.5와 같아야 합니다. 그러나 우리가 볼 수 있듯이 이것은 관찰되지 않습니다.
당신 이 이것을 보지 못하는 것이 나에게 분명합니다. Hurst를 계산하는 방법을 아는 모든 사람은 수치 계산과 이론의 일치를 관찰합니다. 그리고 SB의 경우 Hurst는 위에서뿐만 아니라 1/2로 경향이 있습니다.
범위 분포 연구 https://www.mql5.com/go?link=http://www.mathnet.ru/php/getFT.phtml?jrnid=sm&paperid=3245&what=fullt&option_lang=rus 공식 2.14가 있는 것 같습니다 첫 번째와 두 번째 순간이지만 뭔가 맞지 않는 것 같습니다. :)
Z.Y. https://www.mql5.com/go?link=http://83.149.209.141/php/getFT.phtml?jrnid=sm&paperid=3415&what=fullt&option_lang=rus 계속
네, 하지만 분포의 경우 공식은 2.20이며, 이는 2.13 :)을 나타냅니다.
적어도 나는 사람들이 범위의 분배에 관여하고 여기 문제가 그렇게 간단하지 않다는 것을 확신했습니다. 그것은 확인입니다. 감사합니다.
유리님, 공식은 다음과 같습니다. :)
Yurixx , M 은 K 간격에 대한 평균 증분 계수입니다. N의 근에 비례하여 증가해야 합니까?
저것들. 예: M(16)=M(4)*sqrt(4)
"시작점으로부터의 평균 거리는 시간의 제곱근에 따라 증가합니다." (c) Einstein)))
비타 , 들어봐, 현실을 그렇게 대하면 안 돼. T의 루트가 함수 인수라는 것을 무시합니다. Hurst에게 " h = Log(High-Low)/Log(N)로 축소" 는 "그와 비슷한 것"입니다.
더 정확하게 말하면, 이것은 당신이 이 토론의 진실이 아니라 다른 것에 관심이 있는 경우에만 다룰 수 있습니다.
아마도 나는 더 이상 당신을 설득하려 하지 않을 것입니다.
비타 , 들어봐, 현실을 그렇게 대하면 안 돼. T의 루트가 함수 인수라는 것을 무시합니다. Hurst에게 " h = Log(High-Low)/Log(N)로 축소" 는 "그와 비슷한 것"입니다.
더 정확하게 말하면, 이것은 당신이 이 토론의 진실이 아니라 다른 것에 관심이 있는 경우에만 다룰 수 있습니다.
아마도 나는 더 이상 당신을 설득하려 하지 않을 것입니다.
첫째, 함수 인수 뿐만 아니라 이 함수의 승수입니다. 여기 표 2b에서 수행된 수치 실험의 경우 이 함수의 결과는 일정하지만 우리는 이미 진실을 찾기 위해 너무 깊이 파고 들었습니다. 예, 그리고 당신은 High - Low = k * sqrt(N) 이 사실이 아니라고 직접 말할 수 있습니까?
모든 것이 훨씬 쉽습니다. N*N*N에 대한 Hurst의 topiccaster 공식을 사용하여 계산합니다. 또는 1과 관련하여 결과를 평가하십시오. 진실은 무엇입니까?
공식 h = Log(High-Low)/Log(N) 에 대해 인위적으로 발명된 시리즈가 시장과 관련이 있을 수 있습니까? 여기에 진실이 있습니까?
토픽캐스터는 시리즈를 내놓았고 공식을 만들어 허스트(Hirst)로 발표했습니다. 이것이 사실이라면 그가 허스트임을 증명하게 하십시오. 더 이상 거기에 없고 멀리 있는 사람들을 발로 차기가 훨씬 쉽습니다.
...
토픽캐스터는 시리즈를 내놓았고 공식을 만들어 허스트(Hirst)로 발표했습니다. 이것이 사실이라면 그가 허스트임을 증명하게 하십시오. 더 이상 거기에 없고 멀리 있는 사람들을 발로 차기 훨씬 쉽습니다.