uma estratégia comercial baseada na Teoria da Onda de Elliott - página 186
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
O expoente Hurst é uma característica integral das séries temporais e descreve a taxa de difusão (a quantidade de desvio em relação ao tempo) da quantidade de juros. Como conseqüência, muitos pontos interessantes simplesmente não são levados em conta. Muito mais informativa é a construção de correlograma de séries temporais residuais. Como caso especial, podemos obter dele uma estimativa do expoente Hearst, mas além disso, temos em nossas mãos uma ferramenta poderosa para determinar indicadores mais sutis e importantes da série cronológica.
.
Interpretação interessante do índice da Hearst, ainda não encontrei tal entendimento. A explicação "o valor do desvio do tempo", admito não ter entendido bem.
Muito mais informativa é a construção de correlograma de séries temporais residuais. Como um caso especial, o expoente Hurst pode ser estimado a partir dele
Atualmente estou terminando uma versão funcional (mais precisa) do cálculo do indicador, mas usando a análise wavelet. Se você não se importa, me diga ou me dê alguns links como obter o índice Hurst do correlograma.
Há muitas variantes de seu cálculo. :о)
E há muitas variantes de seu cálculo, de fato. :o)
A volatilidade de um instrumento s em função do número de barras n (ou timeframe t) é calculada como a volatilidade determinada no timeframe mínimo s0 multiplicada pela razão do timeframe de juros t relacionado ao mínimo t0 e tudo isso na potência do índice Hurst:
s=s0*(t/t0)^M onde M é o índice Hurst. Normalmente, para uma série cronológica integral baseada em uma variável aleatória estacionária normalmente distribuída, o expoente Hurst é 1/2 e indica a natureza imprevisível da formação do preço. Neste caso, o preço após o tempo t com a probabilidade de 63% estará situado no corredor de preços com a largura s. Na verdade, eu tentei chamar isso de taxa de difusão, talvez muito apressadamente :-) Se o valor da Hearst é superior a 1/2, então podemos falar sobre o mercado de tendências, se for inferior - sobre o caráter de baixa do comportamento dos preços. Talvez, isto é tudo que pode ser extraído da análise do índice Hurst.
Não muito, para o pesquisador sofisticado. O mesmo, e informações muito mais detalhadas sobre o mecanismo de formação de preços podem ser obtidas a partir da análise da amostra análoga da função de autocorrelação.
Não me lembro com um olhar. Se eu me lembrar, eu lhe darei o link.
Quanto à volatilidade, como se define o s0. Se você puder, me dê um link ou me fale mais sobre isso. Eu realmente não entendo. Por prazo, o que queremos dizer com esta fórmula?
A densidade espectral p(omega) de uma série temporal estacionária é definida por sua função de autocorrelação:
p(omega)=SUM(r(k)*exp{i*omega*k}), onde a soma é de -infinidade, até +infinidade.
Desde r(-k) = r(k), a densidade espectral pode ser escrita como:
p(omega)=1+2*SUM(r(k)*cos{omega*k}), onde a soma é de 1, até +infinidade.
Portanto, a função p(omega) é harmônica com o período 2Pi. O gráfico da densidade espectral, chamado espectro, é simétrico em relação ao ômega = Pi. Portanto, ao analisar o comportamento do
p(omega) é restrito aos valores 0<=omega<=Pi/dt ou por f de 0 a 1/(2*dt). Tem a dimensionalidade do quadrado da amplitude referida a uma unidade de freqüência.
O uso das propriedades desta função na análise de séries temporais aplicadas é definido como "análise espectral de séries temporais". Uma descrição razoavelmente completa desta abordagem é dada, por exemplo, em [Jenkins, Wats (1971, 1972)] e [Lloyd, Lederman (1990)].
Como regra, na análise de freqüência dos filtros, o valor dt do intervalo de amostragem é tomado como 1, o que define a resposta de freqüência no intervalo (0...Pi) por freqüência ou (0...1/2) por f. Quando a transformação rápida de Fourier (FFT) é utilizada, os espectros são computados na variante unilateral de frequências positivas no intervalo de frequência de 0 a 2Pi (de 0 a 1 Hz), onde a parte complexamente conjugada do espectro da banda principal (de -Pi a 0) leva o intervalo de Pi a 2Pi (para acelerar o cálculo é utilizado o princípio da periodicidade dos espectros discretos).
É importante para a análise significativa que o valor da densidade espectral caracteriza a força da relação que existe entre a série temporal xt e a harmônica com o período 2Pi/omega. Isto torna possível utilizar o espectro como um meio de capturar periodicidades nas séries temporais analisadas: o conjunto de picos de espectro determina o conjunto de componentes harmônicos na expansão. Se a série contém uma harmônica oculta da freqüência ômega, ela também contém termos periódicos com frequências ômega/2, ômega/3, etc. Este é o assim chamado "eco", repetido pelo espectro em baixas freqüências.
Grasn, sobre a volatilidade.
Seu cálculo não difere da estimativa de desvio padrão:
s0=SQRT(|SUM{Alto[i+1+k]-baixo[i+k]}^2|/{k-1}) onde a soma é realizada sobre todos os k de 0, a n. Para confiabilidade estatística n deve ser maior que 100. s0 por esta fórmula é calculado para o tempo mínimo, normalmente é minutos. Saber como o índice Hurst depende do período de tempo em que você pode encontrar o valor da volatilidade em qualquer período de tempo usando a fórmula que é dada no post acima. O inverso também é verdade: se você construir a dependência da volatilidade no tempo usando a fórmula acima após processar os dados estatísticos, não será difícil calcular o índice Hurst.
Grasn, sobre a volatilidade.
Calculá-lo não é diferente de estimar o desvio padrão:
s0=SQRT(|SUM{Alto[i+1+k]-baixo[i+k]}^2|/{k-1}), onde a soma é feita sobre todos os k de 0, até n. Para a confiabilidade estatística n deve ser maior que 100. s0 usando esta fórmula é calculado para o tempo mínimo, normalmente é minutos. Saber como o índice Hurst depende do período de tempo em que você pode encontrar o valor da volatilidade em qualquer período de tempo usando a fórmula que é dada no post acima. O inverso também é verdade: se você construir a dependência da volatilidade no tempo usando a fórmula acima após processar os dados estatísticos, não será difícil calcular o índice Hurst.
Este é o ponto que eu não entendo.
Tenho que levar o DSP a sério.
Neutron, na fórmula acima s0=SQRT(|SUM{Alto[i+1+k]-baixo[i+k]}^2|/{k-1})
há algo obscuro. Talvez o problema seja que as fórmulas de escrita em formato de texto não mostrem todas as sutilezas. Você poderia explicar
1. Por que precisamos do módulo de soma de quadrados de diferenças, se já é um valor positivo
2. Por que {k-1} no denominador está atrás do sinal de soma, se a soma é feita por
3. Por que alto e baixo referem-se a barras adjacentes, e não a uma,
A propósito, entenda, lembre-se de nossa discussão sobre volatilidade ? O nêutron, como você pode ver, diz o mesmo que eu: a volatilidade é medida pelo desvio padrão.
O que não está claro? Como a fórmula é derivada, como uma coisa é expressa de outra, ou apenas, nada é claro?
Estava brincando!
Acho que tenho que levar o DSP a sério.
A propósito, lembra-se de nossa discussão sobre volatilidade? O nêutron, como você pode ver, diz o mesmo que eu: a volatilidade é estimada pelo valor do desvio padrão.
Eu entendi que, embora não tenha me deparado com tal definição de volatilidade. Estou interessado neste parâmetro como um critério de qualificação para escolher um canal confiável. Terei que ver o que vou conseguir. Especialmente porque existe um link com o índice Hurst.
PS: DSP é de fato um campo interessante e lembro que você já se juntou às fileiras dos "digitalizadores".