표 2a의 세 번째 열은 K 값 - 지정된 정확도 acc = 0.001을 얻기 위해 생성되어야 하는 간격 수를 보여줍니다. 가능한 모든 궤적의 총 수가 2^ N 임을 고려하면 N =32부터 시작하여 숫자 K 는 이 총 수의 중요하지 않은 부분입니다. 그리고 N 의 성장과 함께 이 점유율은 급격히 감소합니다.
그러나 실용적인 관점에서 볼 때 이것은 기쁨이 거의 없습니다. 2009년의 진드기 흐름 밀도를 중심으로 한 구간 N = 16384는 대략 하루에 해당한다. 평균 범위 R 을 계산하려면고정 시장에서 0.001의 정확도로 2,452,000거래일(9430년)이 소요됩니다. 아무도 관심을 가질 것 같지 않습니다. 그러나 정확도가 현저히 낮아지면 적절한 통계 배열에 도달할 수 있습니다. 데이터.
표 2a의 여섯 번째 열( D )은 이전에 따라야 하므로 두 번째( N ) 및 9번째 열과 10번째( LOG ( D )= LOG ( N ))의 값과 매우 정확하게 일치합니다. 증분 분산에 대한 공식이 주어집니다. 그리고 R 값N = 4, 8 및 16에서 평균 범위의 정확한 이론적 값을 보여주는 이전 표의 해당 값과 일치합니다.즉, 선택한 정확도 수준과 해당 샘플 크기 K 는 결과 데이터의 신뢰성을 보장합니다.
주요 관심사는 Hurst 지수 의 값을 보여주는 마지막 열입니다. n 번째 줄의 결과는 n번째 와 이전 점의 두 점에서 계산되었습니다. 이론적으로 고려 중인 SB의 경우 허스트 지수는 0.5와 같아야 합니다. 그러나 우리가 볼 수 있듯이 이것은 관찰되지 않습니다. 간격 N 의 작은 값의 경우 지수는 0.5와 크게 다르며 N 이 증가할 때만분명히 점근적으로 0.5로 경향이 있습니다. 저는 이 점의 근본적인 특성을 강조하고 싶습니다. Hurst 지수를 계산하기 위해 시리즈를 나누는 다른 간격을 선택하면 완전히 다른 값을 얻습니다. 따라서 Hurst 지수로 SR의 특성을 평가하려고 할 때 실험 데이터를 비교할 순수 SB(이것이 원하는 보정)에 대한 표로 만든 곡선이 있거나 매우 큰 간격을 사용해야 합니다. 두 옵션 모두 실제 사용에는 거의 허용되지 않습니다.
LOG ( R ) 대 LOG ( N )를 나타내는 빨간색 선은 직선이 아닙니다. 이를 나타내기 위해 두 개의 직선 Line -1과 Line -2가 차트에 그려집니다. 첫 번째 - 빨간색 곡선의 첫 번째 점 쌍을 통해, 두 번째 - 마지막 쌍을 통해. Hurst 지수 는 X축에 대한 기울기 각도의 접선으로 정의되며 그래프에서 볼 수 있듯이 이 기울기 각도는 점에 따라 달라집니다.
선 LOG ( M )도 곡선이지만 곡선이고 LOG ( R )만큼 많지는 않습니다. 동일한 점근선이 0.5이므로 빨간색 곡선과 절대 교차하지 않습니다. 3개 중 LOG ( D )선만 직선이다.
원칙적으로 이 세 줄 중 하나를 사용하여 허스트 지수를 계산할 수 있습니다. 그러나 불행히도 선호하는 사람은 없습니다. 각 라인에는 장점이 있지만 단점도 있습니다. 불행히도 단점은 너무 커서 거래에서 실용적이지 않게 사용됩니다.
따라서 다음과 같은 결론이 얻어진다.
Hurst 지수는 시계열을 간격으로 분할하는 매개변수에 의존하기 때문에 시장의 "좋은" 특성이 아닙니다. 올바른 결과를 얻으려면 이 종속성이 있어야 하며 이를 일반 형식으로 가져오는 데 사용해야 합니다.
Hurst 지수는 통계량이 충분히 큰 고정 급수의 전역 특성으로 이해됩니다. 시장 과정은 정상성의 속성이 없으며 설명에 약간의 지연 시간과 함께 지역적 특성이 필요합니다. 이 용량에서 허스트 지수를 사용하는 것은 매우 문제가 있습니다.
표 2a의 세 번째 열은 K 값 - 지정된 정확도 acc = 0.001을 얻기 위해 생성되어야 하는 간격 수를 보여줍니다. 가능한 모든 궤적의 총 수가 2^ N 임을 고려하면 N =32부터 시작하여 숫자 K 는 이 총 수의 중요하지 않은 부분입니다. 그리고 N 의 성장과 함께 이 점유율은 급격히 감소합니다.
그러나 실용적인 관점에서 볼 때 이것은 기쁨이 거의 없습니다. 2009년의 진드기 흐름 밀도를 중심으로 한 구간 N = 16384는 대략 하루에 해당한다. 평균 범위 R 을 계산하려면 고정 시장에서 0.001의 정확도로 2,452,000거래일(9430년)이 소요됩니다. 아무도 관심을 가질 것 같지 않습니다. 그러나 정확도가 현저히 낮아지면 적절한 통계 배열에 도달할 수 있습니다. 데이터.
표 2a의 여섯 번째 열( D )은 이전에 따라야 하므로 두 번째( N ) 및 9번째 열과 10번째( LOG ( D )= LOG ( N ))의 값과 매우 정확하게 일치합니다. 증분 분산에 대한 공식이 주어집니다. 그리고 R 값 N = 4, 8 및 16에서 평균 범위의 정확한 이론적 값을 보여주는 이전 표의 해당 값과 일치합니다. 즉, 선택한 정확도 수준과 해당 샘플 크기 K 는 결과 데이터의 신뢰성을 보장합니다.
주요 관심사는 Hurst 지수 의 값을 보여주는 마지막 열입니다. n 번째 줄의 결과는 n 번째 와 이전 점의 두 점에서 계산되었습니다. 이론적으로 고려 중인 SB의 경우 허스트 지수는 0.5와 같아야 합니다. 그러나 우리가 볼 수 있듯이 이것은 관찰되지 않습니다. 간격 N 의 작은 값의 경우 지수는 0.5와 크게 다르며 N 이 증가할 때만 분명히 점근적으로 0.5로 경향이 있습니다. 저는 이 점의 근본적인 특성을 강조하고 싶습니다. Hurst 지수를 계산하기 위해 시리즈를 나누는 다른 간격을 선택하면 완전히 다른 값을 얻습니다. 따라서 Hurst 지수로 SR의 특성을 평가하려고 할 때 실험 데이터를 비교할 순수 SB(이것이 원하는 보정)에 대한 표로 만든 곡선이 있거나 매우 큰 간격을 사용해야 합니다. 두 옵션 모두 실제 사용에는 거의 허용되지 않습니다.
예시로, 그래프 R , M N 에서 로그 로 D - 로그 좌표.
LOG ( R ) 대 LOG ( N )를 나타내는 빨간색 선은 직선이 아닙니다. 이를 나타내기 위해 두 개의 직선 Line -1과 Line -2가 차트에 그려집니다. 첫 번째 - 빨간색 곡선의 첫 번째 점 쌍을 통해, 두 번째 - 마지막 쌍을 통해. Hurst 지수 는 X축에 대한 기울기 각도의 접선으로 정의되며 그래프에서 볼 수 있듯이 이 기울기 각도는 점에 따라 달라집니다.
선 LOG ( M )도 곡선이지만 곡선이고 LOG ( R )만큼 많지는 않습니다. 동일한 점근선이 0.5이므로 빨간색 곡선과 절대 교차하지 않습니다. 3개 중 LOG ( D )선만 직선이다.
원칙적으로 이 세 줄 중 하나를 사용하여 허스트 지수를 계산할 수 있습니다. 그러나 불행히도 선호하는 사람은 없습니다. 각 라인에는 장점이 있지만 단점도 있습니다. 불행히도 단점은 너무 커서 거래에서 실용적이지 않게 사용됩니다.
따라서 다음과 같은 결론이 얻어진다.
Hurst 지수는 시계열을 간격으로 분할하는 매개변수에 의존하기 때문에 시장의 "좋은" 특성이 아닙니다. 올바른 결과를 얻으려면 이 종속성이 있어야 하며 이를 일반 형식으로 가져오는 데 사용해야 합니다.
Hurst 지수는 통계량이 충분히 큰 고정 급수의 전역 특성으로 이해됩니다. 시장 과정은 정상성의 속성이 없으며 설명에 약간의 지연 시간과 함께 지역적 특성이 필요합니다. 이 용량에서 허스트 지수를 사용하는 것은 매우 문제가 있습니다.
유용한 Pts, 나는 폴더를 청소했습니다 - 수십 반에 대한 지표가 적었습니다 ...
그럼에도 불구하고 포럼의 누군가는 Hurst가 유용할 수 있다고 강력하게 주장했습니다. 그게 누구 였나?
나는? :-)
그리고 케이스는 뉴트론이 아닌가요?
나는 우리가 그것을 올바르게 계산하는 방법에 대해 아직 결론을 내리지 못했다고 생각합니다(고전을 의미함) https://www.mql5.com/en/forum/102239/page13