아마 모든 사람에게. 여기서 Candid는 공식 R / S = k * (N ^ h)를 제공했습니다. 이제 이러한 문자가 어떻게 계산되는지 명확히 해야 하므로 예를 들어 더 잘 알 수 있습니다. 경로는 시리즈 0, 1, 2 ..., 29,30,29 ... 2,1,0입니다.
모든 것이 계산되어 표시됩니다. 그리고 아포넷은 틀린 말을 하는 사람입니다. 같은 행에서 공식을 제공하면 그것이 얼마나 정확한지 보여줄 것입니다.
Z.Y. 그렇지 않으면 여기에서 전체 키보드를 지울 것이지만 진실에 도달하지 않을 것입니다. 어떤 이유로 든 나에게 보입니다 ...
즉, 전체 시리즈는 N개의 샘플의 동일한 간격으로 나뉩니다. 각 간격에 대해 증분 및 범위가 계산됩니다. 이 데이터를 기반으로 증분의 표준 편차와 평균 범위가 결정됩니다. 그리고 공식이 충족되도록 Hurst 지수가 선택됩니다. :-)))
Hurst가 옳았고 평균 범위가 이 방정식을 실제로 만족했다면 h에 대한 솔루션을 갖게 될 것입니다. 이 솔루션은 두 점으로 결정됩니다.
R1/S1 = k * (N1^h) 및 R2/S2 = k * (N2^h)
시리즈는 N1과 N2의 간격으로 두 가지 방법으로 나눌 수 있습니다. 따라서 R1 및 R2 범위와 RMS S1 및 S2 범위를 얻습니다. 계수 k는 일정합니다. 따라서 우리는 2 방정식 시스템을 얻습니다. 계수 k를 제거하면 Hurst 지수를 계산하는 표현식을 얻습니다.
h = [ 로그(R1/S1) - 로그(R2/S2)]/[로그(N1) - 로그(N2)]
기하학적으로 두 점 [Log(R1/S1),Log(N1)]과 [Log(R2/S2),Log(N2)]를 지나는 직선의 기울기입니다. 로그 좌표에서 N에 대한 R/S의 의존성을 나타내는 곡선이 그려졌습니다. 그녀의 일정이 표시됩니다. 기울기 각도가 변하는 것을 알 수 있습니다. 이로부터 Hurst 공식의 계수 k는 상수 값이 아니고 N에 의존하며 Hurst 공식은 큰 N에 대해서만 점근적으로 참이라는 것을 알 수 있습니다. 연구 대상이 SB였기 때문에 일련의 인용문과 달리 데이터 양에 문제가 없습니다.
몇 가지 기본 사항만 기억하는 것이 좋습니다. N1에 대한 k가 k1이고 N2에 대한 k2인 경우 이를 N에 대한 k의 종속성 이라고 합니다. 이에 대한 동의어는 다음과 같은 명령문입니다. k는 N의 함수입니다. 공식적으로 이것은 k = k(N) . 즉, Vita 라는 문구를 좀 더 엄격한 언어로 번역했을 뿐입니다.
나는 단순히 SB 이외의 급수에 대한 허스트 지수를 계산하는 문제에 대한 구절을 이해하지 못했습니다. 잠시 엉뚱한 생각이 떠올랐습니다. 저자는 모든 시리즈에 대해 허스트 지수가 1/2이어야 한다고 생각하지만 나는 즉시 그것을 몰아냈습니다.
높음 - 낮음 = k * (N^3) 계열의 경우 허스트 지수는 3입니다.
예를 들어 Vita 0, 1, 8, 27, 64, 125, ..., 1000*1000*1000, 명확성을 위해 N=2 및 N=3(0부터 번호 지정)인 점을 취하겠습니다.
따라서 h=(ln(8)-ln(27))/(ln(2)-ln(3)) = 3*(ln(2)-ln(3))/(ln(2)-ln(3) )) = 3.
h = 3은 공식이 헛소리이고 저자가 무지하다는 것을 의미합니다.
평균 마일리지로 대체하면 거부가 발생합니다. 그녀에 대해 잊어 버려.
1 old pip = 10 new pip으로 대체하는 것이 좋습니다. Q=10R.
두 경우에 대한 수식 결과를 비교합니다. 나는 결과가 다를 것이라고 확신합니다. 이것은 다른 자로 측정함으로써 동일한 시리즈에 대해 다른 프랙탈 치수를 얻는다는 것을 의미합니다. 물론 이렇게 하려면 H가 프랙탈 차원을 2로 보완하고 눈금자의 선택이 프랙탈 차원을 변경하지 않는다는 것을 알아야 합니다. 하지만 허스트처럼 쓰레기로 치부하기 전에 이것을 알아야 합니다.
Hurst는 R/S 분석을 수행했으므로 그의 지수는 자의 선택에 의존하지 않습니다. 토픽캐스터의 결과는 그가 문자 R과 S를 몇 번이나 썼는지에 달려 있습니다. 토픽캐스터의 결과는 프랙탈 차원을 2로 완성하지 않습니다. topiccaster의 결과는 가상의 행에 대해 1/2을 보여주고 다른 모든 행에 대해서는 Hurst와 아무 관련이 없는 숫자일 뿐입니다. 그렇지 않았다면 토픽캐스터는 오래전에 다양한 시리즈에 대한 결과를 게시하고 이론과 수렴하는 방법을 보여주었을 것입니다. 이것은 아니다, 왜냐하면 그의 공식은 완전히 틀렸다. 그리고 그는 보여줄 것이 없습니다.
아마 모든 사람에게. 여기서 Candid는 공식 R / S = k * (N ^ h)를 제공했습니다. 이제 이러한 문자가 어떻게 계산되는지 명확히 해야 하므로 예를 들어 더 잘 알 수 있습니다. 경로는 시리즈 0, 1, 2 ..., 29,30,29 ... 2,1,0입니다.
모든 것이 계산되어 표시됩니다. 그리고 아포넷은 틀린 말을 하는 사람입니다. 같은 행에서 수식을 제공하면 그것이 얼마나 정확한지 보여줄 것입니다.
Z.Y. 그렇지 않으면 여기에서 전체 키보드를 지울 것이지만 진실에 도달하지 않을 것입니다. 어떤 이유로 든 나에게 보입니다 ...
10페이지에는 R/S 분석을 수행하는 mql4 파일이 포함되어 있습니다. 건강을 확인하십시오.
나는 진드기를 계산했다. 자연스럽게 모델. 그는 간격의 크기와 필요한 통계 측면에서 모든 범위를 탐색할 수 있었습니다. 물론 컴퓨터의 기능에 제한이 있습니다. 그러나 나는이 천장에 도달했습니다.
가위는 간단합니다. 선택하는 간격 크기가 클수록 통계가 작아집니다. 결국 인용의 수는 유한합니다. 상대적인 의미에서, 간격이 증가함에 따라 평균이 실제 값에 더 가까워지려면 이러한 간격이 더 많이 필요하기 때문에 더 나쁩니다.
그러나 나는 이미 이것에 대해 5 페이지에 썼습니다.
이론적으로 일부 데이터 범위에서 Hurst를 계산한 다음 이 범위를 충분히 많은 섹션으로 나누고 각각에 대해 Hurst를 계산하면 평균 값이 전체 범위에 대해 계산된 Hurst 계수에 수렴해야 합니다. 그렇다면 Hurst의 계산에 대한 유일한 제약은 N이 충분히 크다는 것입니다. 귀하의 연구에 따르면 이미 N=15에서 정확도가 상당히 높습니다. 따라서 이것은 이미 Hurst를 계산하는 것이 타당한 허용 가능한 틱 수일 것입니다. 그리고 N 틱 이상의 섹션에 대해 평균을 낼 필요는 없습니다. 보다 정확하게는 전체 범위에서 Hurst가 계산됩니다. 임하
추신: 고민 끝에 15개로는 부족하다고 판단했습니다. 필요한 것은 각각 최소 15틱(또는 K * 15틱 범위에서 Hurst를 한 번 계산)의 K 간격 시퀀스입니다. 허용 가능한 정확도를 위한 최소 간격이 몇 개인지 모르겠습니다. 범위 분포의 분산 - K가 증가함에 따라 어떻게 감소하는지에 따라 분명히 다릅니다. 그러나 SB에 대해서도 실험적으로 평가하는 것이 더 쉬울 것입니다.
Yurixx , 관찰에 따르면 N이 증가함에 따라 평균 범위 대 평균 증분(R/M 용어)의 비율이 2로 수렴합니까? 아니면 데이터가 부족해서 그런 인상을 받은 것일까요?
인상이 맞습니다. 나는 이것에 대해 Nikolai에게 개인적인 서신에서 썼습니다. 허스트 지수가 0.5로 수렴하는 것처럼 SB에 대한 이 비율은 2로 수렴됩니다.
인상이 맞습니다. 나는 이것에 대해 Nikolai에게 개인적인 서신에서 썼습니다. 허스트 지수가 0.5로 수렴하는 것처럼 SB에 대한 이 비율은 2로 수렴됩니다.
글쎄, Hurst는 그렇게 나쁘지 않습니다))), 상당히 큰 범위의 기본 증분 (우리의 경우 눈금)으로 계산하면.
아마 모든 사람에게. 여기서 Candid는 공식 R / S = k * (N ^ h)를 제공했습니다. 이제 이러한 문자가 어떻게 계산되는지 명확히 해야 하므로 예를 들어 더 잘 알 수 있습니다. 경로는 시리즈 0, 1, 2 ..., 29,30,29 ... 2,1,0입니다.
모든 것이 계산되어 표시됩니다. 그리고 아포넷은 틀린 말을 하는 사람입니다. 같은 행에서 공식을 제공하면 그것이 얼마나 정확한지 보여줄 것입니다.
Z.Y. 그렇지 않으면 여기에서 전체 키보드를 지울 것이지만 진실에 도달하지 않을 것입니다. 어떤 이유로 든 나에게 보입니다 ...
R - 평균 범위. 범위는 간격에서 계열의 최대값과 최소값의 차이와 같습니다.
N은 간격의 판독값 수입니다.
S - 시리즈의 RMS 증분.
k는 상수 인자입니다.
h는 허스트 지수 입니다.
즉, 전체 시리즈는 N개의 샘플의 동일한 간격으로 나뉩니다. 각 간격에 대해 증분 및 범위가 계산됩니다. 이 데이터를 기반으로 증분의 표준 편차와 평균 범위가 결정됩니다. 그리고 공식이 충족되도록 Hurst 지수가 선택됩니다. :-)))
Hurst가 옳았고 평균 범위가 이 방정식을 실제로 만족했다면 h에 대한 솔루션을 갖게 될 것입니다. 이 솔루션은 두 점으로 결정됩니다.
R1/S1 = k * (N1^h) 및 R2/S2 = k * (N2^h)
시리즈는 N1과 N2의 간격으로 두 가지 방법으로 나눌 수 있습니다. 따라서 R1 및 R2 범위와 RMS S1 및 S2 범위를 얻습니다. 계수 k는 일정합니다. 따라서 우리는 2 방정식 시스템을 얻습니다. 계수 k를 제거하면 Hurst 지수를 계산하는 표현식을 얻습니다.
h = [ 로그(R1/S1) - 로그(R2/S2)]/[로그(N1) - 로그(N2)]
기하학적으로 두 점 [Log(R1/S1),Log(N1)]과 [Log(R2/S2),Log(N2)]를 지나는 직선의 기울기입니다. 로그 좌표에서 N에 대한 R/S의 의존성을 나타내는 곡선이 그려졌습니다. 그녀의 일정이 표시됩니다. 기울기 각도가 변하는 것을 알 수 있습니다. 이로부터 Hurst 공식의 계수 k는 상수 값이 아니고 N에 의존하며 Hurst 공식은 큰 N에 대해서만 점근적으로 참이라는 것을 알 수 있습니다. 연구 대상이 SB였기 때문에 일련의 인용문과 달리 데이터 양에 문제가 없습니다.
글쎄, Hurst는 그렇게 나쁘지 않습니다))), 상당히 큰 범위의 기본 증분 (우리의 경우 눈금)으로 계산하면.
응 ... :-)
나는 진드기를 계산했다. 자연스럽게 모델. 그는 간격의 크기와 필요한 통계 측면에서 모든 범위를 탐색할 수 있었습니다. 물론 컴퓨터의 기능에 제한이 있습니다. 그러나 나는이 천장에 도달했습니다.
가위는 간단합니다. 선택하는 간격 크기가 클수록 통계가 작아집니다. 결국 인용의 수는 유한합니다. 상대적인 의미에서, 간격이 증가함에 따라 평균이 실제 값에 더 가까워지려면 이러한 간격이 더 많이 필요하기 때문에 더 나쁩니다.
그러나 이미 5페이지에서 이에 대해 썼습니다.
논쟁의 여지가 없습니다.
몇 가지 기본 사항만 기억하는 것이 좋습니다. N1에 대한 k가 k1이고 N2에 대한 k2인 경우 이를 N에 대한 k의 종속성 이라고 합니다. 이에 대한 동의어는 다음과 같은 명령문입니다. k는 N의 함수입니다. 공식적으로 이것은 k = k(N) . 즉, Vita 라는 문구를 좀 더 엄격한 언어로 번역했을 뿐입니다.
나는 단순히 SB 이외의 급수에 대한 허스트 지수를 계산하는 문제에 대한 구절을 이해하지 못했습니다. 잠시 엉뚱한 생각이 떠올랐습니다. 저자는 모든 시리즈에 대해 허스트 지수가 1/2이어야 한다고 생각하지만 나는 즉시 그것을 몰아냈습니다.
높음 - 낮음 = k * (N^3) 계열의 경우 허스트 지수는 3입니다.
예를 들어 Vita 0, 1, 8, 27, 64, 125, ..., 1000*1000*1000, 명확성을 위해 N=2 및 N=3(0부터 번호 지정)인 점을 취하겠습니다.
따라서 h=(ln(8)-ln(27))/(ln(2)-ln(3)) = 3*(ln(2)-ln(3))/(ln(2)-ln(3) )) = 3.
h = 3은 공식이 헛소리이고 저자가 무지하다는 것을 의미합니다.
평균 마일리지로 대체하면 거부가 발생합니다. 그녀에 대해 잊어 버려.
1 old pip = 10 new pip으로 대체하는 것이 좋습니다. Q=10R.
두 경우에 대한 수식 결과를 비교합니다. 나는 결과가 다를 것이라고 확신합니다. 이것은 다른 자로 측정함으로써 동일한 시리즈에 대해 다른 프랙탈 치수를 얻는다는 것을 의미합니다. 물론 이렇게 하려면 H가 프랙탈 차원을 2로 보완하고 눈금자의 선택이 프랙탈 차원을 변경하지 않는다는 것을 알아야 합니다. 하지만 허스트처럼 쓰레기로 치부하기 전에 이것을 알아야 합니다.
Hurst는 R/S 분석을 수행했으므로 그의 지수는 자의 선택에 의존하지 않습니다. 토픽캐스터의 결과는 그가 문자 R과 S를 몇 번이나 썼는지에 달려 있습니다. 토픽캐스터의 결과는 프랙탈 차원을 2로 완성하지 않습니다. topiccaster의 결과는 가상의 행에 대해 1/2을 보여주고 다른 모든 행에 대해서는 Hurst와 아무 관련이 없는 숫자일 뿐입니다. 그렇지 않았다면 토픽캐스터는 오래전에 다양한 시리즈에 대한 결과를 게시하고 이론과 수렴하는 방법을 보여주었을 것입니다. 이것은 아니다, 왜냐하면 그의 공식은 완전히 틀렸다. 그리고 그는 보여줄 것이 없습니다.
참석한 모든 사람에게 질문합니다. Vita가 첨부한 파일을 본 사람이 있습니까? 나는 아무것도 보이지 않지만 어쩌면 내가 놓친 것이 있습니까?
10페이지
그러나 세 가지 간단한 질문은 어떻습니까?
아마 모든 사람에게. 여기서 Candid는 공식 R / S = k * (N ^ h)를 제공했습니다. 이제 이러한 문자가 어떻게 계산되는지 명확히 해야 하므로 예를 들어 더 잘 알 수 있습니다. 경로는 시리즈 0, 1, 2 ..., 29,30,29 ... 2,1,0입니다.
모든 것이 계산되어 표시됩니다. 그리고 아포넷은 틀린 말을 하는 사람입니다. 같은 행에서 수식을 제공하면 그것이 얼마나 정확한지 보여줄 것입니다.
Z.Y. 그렇지 않으면 여기에서 전체 키보드를 지울 것이지만 진실에 도달하지 않을 것입니다. 어떤 이유로 든 나에게 보입니다 ...
당신은 그것을 증명할 필요가 없습니다 . Hurst는 이 공식을 가정했습니다. 적어도 Peters는 그렇게 썼습니다. 따라서 이것은 허스트 지수의 실제 정의입니다. 그러나 여전히 이 형식이 아니라 이 형식으로:
R/S = k * (N^h)
녹음(High-Low)은 일반적으로 내 관점에서 보면 미쳤 습니다. High 및 Low 값은 어디에서나 순전히 로컬 값으로 사용됩니다. 그리고 Hurst 공식의 R은 평균 범위입니다.
놀라운 논리, 감사합니다 /: o) 서비스에 적용하겠습니다. 그렇지 않으면 다음 번에 대처할 수 없을 것입니다.
공식에 관해서는 절대적으로 정확하지만 역사적으로 나는 무엇이 먼저 왔는지 잘 기억하지 못합니다. 그러나 이것은 여전히 지표의 정의가 아닌 계산 방법 중 하나입니다. 공정하게 말하면 이 지표는 여러 번 재발견되었습니다. 그러나 더 이상 중요하지 않습니다.
응 ... :-)
나는 진드기를 계산했다. 자연스럽게 모델. 그는 간격의 크기와 필요한 통계 측면에서 모든 범위를 탐색할 수 있었습니다. 물론 컴퓨터의 기능에 제한이 있습니다. 그러나 나는이 천장에 도달했습니다.
가위는 간단합니다. 선택하는 간격 크기가 클수록 통계가 작아집니다. 결국 인용의 수는 유한합니다. 상대적인 의미에서, 간격이 증가함에 따라 평균이 실제 값에 더 가까워지려면 이러한 간격이 더 많이 필요하기 때문에 더 나쁩니다.
그러나 나는 이미 이것에 대해 5 페이지에 썼습니다.
이론적으로 일부 데이터 범위에서 Hurst를 계산한 다음 이 범위를 충분히 많은 섹션으로 나누고 각각에 대해 Hurst를 계산하면 평균 값이 전체 범위에 대해 계산된 Hurst 계수에 수렴해야 합니다. 그렇다면 Hurst의 계산에 대한 유일한 제약은 N이 충분히 크다는 것입니다. 귀하의 연구에 따르면 이미 N=15에서 정확도가 상당히 높습니다. 따라서 이것은 이미 Hurst를 계산하는 것이 타당한 허용 가능한 틱 수일 것입니다. 그리고 N 틱 이상의 섹션에 대해 평균을 낼 필요는 없습니다. 보다 정확하게는 전체 범위에서 Hurst가 계산됩니다. 임하
추신: 고민 끝에 15개로는 부족하다고 판단했습니다. 필요한 것은 각각 최소 15틱(또는 K * 15틱 범위에서 Hurst를 한 번 계산)의 K 간격 시퀀스입니다. 허용 가능한 정확도를 위한 최소 간격이 몇 개인지 모르겠습니다. 범위 분포의 분산 - K가 증가함에 따라 어떻게 감소하는지에 따라 분명히 다릅니다. 그러나 SB에 대해서도 실험적으로 평가하는 것이 더 쉬울 것입니다.