Índice Hearst - página 36
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
Eu li principalmente dissertações sobre o assunto. E o cálculo é retirado de http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963
Um tema muito interessante. Eu gostaria de conhecer o resultado no futuro.
Como uma contribuição para o desenvolvimento do tema.
Os modelos FARIMA integrados fracionariamente são usados para aplicar o índice Hearst. Para estes modelos, existe um código pronto para a estimativa de parâmetros. O Excel não é o pacote certo para discutir. Infelizmente, os algoritmos são implementados em R, um sistema de programação muito bastardo. Talvez eles sejam implementados em outro lugar. Procure por FARIMA e memória de longo prazo. No anexo anexei instruções de R sobre como usar os modelos FARIMA. Você pode encontrar muita literatura aqui por um custo muito baixo. Pesquisa por séries cronológicas e R. Muitos livros muito bons.
Boa sorte. Espero que você poste o resultado no fórum, ou pelo menos pessoalmente.
O zero no arquivo da coluna D não funciona por causa de erros nas fórmulas. A primeira está na célula D87, e há mais uma dúzia no texto. Bloqueie novamente esta coluna, o resto parece estar correto (embora verifique também o cálculo do RMS).
Sobre o resto. O coeficiente Hurst é geralmente uma característica integral, ou seja, ele caracteriza a variável aleatória durante todo o período de medição, em vez de um ponto em sua série de realização. Portanto, na prática, não podemos dizer "calculamos H", a forma correta seria "estimamos H". Isto não é esnobismo, o que quero dizer é que você nunca saberá exatamente qual era o valor Hearst de uma quantidade, pois esta informação só está disponível para Deus, mas você só pode estimar seu valor com um certo grau de certeza, e quanto mais observações você tiver, mais precisa será a estimativa. Portanto, a resposta à sua pergunta: dividir a série em períodos ou não depende se você quer estimar o expoente H para toda a série ou para algumas de suas partes (ninguém nos disse que ele é constante no tempo, certo?). Você pode simplesmente tomar como N o número de observações em sua amostra.
Eu li principalmente dissertações sobre o assunto. E o cálculo é http://capital-times.com.ua/index.php?option=com_content&task=view&id=11623&Itemid=88888963
Este trabalho de Eric Nyman (2010), que por sua vez foi escrito a partir de um livro de Adgar Peters (1990), que tirou este método das obras de Mandelbort (1960-70), que descreveu pela primeira vez um método inventado por Harold Edwin Hirst, de 70 anos de idade, em 1951. Tudo isso significa que quando perguntado sobre a novidade do tema proposto no conselho de dissertação, você deve imaginar que o velho Edwin do século XIX é um inovador da geometria fractal:)
Mas a sério, o método foi desenvolvido, como visto acima, para um processo específico e altamente anormal - o derramamento do Nilo. Na figura abaixo, a desproporcionalidade do derramamento se espalhou para a tendência geral ou expectativa matemática é óbvia. E assim para um processo específico - o derramamento do Nilo - este método é bom e funciona, mas para os mercados financeiros como Mandelbort tentou apresentá-lo, ele não é mais suficiente. Sob qualquer circunstância e em qualquer mercado, incluindo SB, seu cálculo mostrará um valor de cerca de 0,54. Você precisa de outros métodos mais precisos. E assim que você escreve uma dissertação, você não pode prescindir da média móvel autoregressiva integrada fracionária FARIMA, e ela só está disponível em pacotes estatísticos especializados. H pode ser definido arbitrariamente ali. Mas isso não resolve o problema, porque para ao menos adequar o mercado ao modelo, é necessário calcular seu H, e como fazê-lo se o método mais simples e comum não funciona? Há outros trabalhos sobre este tema, obras de Pastukhov e Shiryaev. Olhe para eles. Eles são mais científicos e mais adequados para uma dissertação, mas se eles são mais precisos é uma questão. Há também uma linha relacionada sobre o mesmo tópico, veja aqui.
Bem, não no século XIX, mas no século XX.
Oh, besteira, esse Hearst realmente. Exatamente alsu diz que é algo integral.
Bem, não é o XIX, é o XX.
Hearst é realmente uma porcaria. Exatamente alsu diz que é algo integral.
É mais assim - H é mais uma característica do ambiente externo (sua "viscosidade", "elasticidade", etc.) do que do próprio sistema. Se transferido para um instrumento de mercado específico, aqui H é uma característica quantitativa do contexto externo (fundamental, como costumávamos dizer): a mobilidade de idéias, ações típicas dos respectivos bancos centrais, "temperamento" dos comerciantes, etc. (compare o comportamento do euro e do iene, por exemplo), enquanto os próprios pares de moedas em termos de modelo interno não diferem (os princípios e regras de fazer transações são os mesmos para todos os instrumentos).
É mais assim - H é mais uma característica do ambiente externo (sua "viscosidade", "elasticidade" etc.) do que do próprio sistema. Se transferido para um instrumento de mercado específico, aqui H é uma característica quantitativa do contexto externo (fundamental, como costumávamos dizer): a mobilidade de idéias, ações típicas dos respectivos bancos centrais, "temperamento" dos comerciantes, etc. (compare o comportamento do euro e do iene, por exemplo), enquanto os próprios pares de moedas em termos de modelo interno não diferem (os princípios e regras de fazer transações são os mesmos para todos os instrumentos).
Se olharmos para " H é mais característico do ambiente externo", devemos prestar atenção aos termos em inglês utilizados em conexão com Hirst. Aqui está uma cópia colada da monografia da BP:
estabelecendo a geometria fractal como um tema de estudo.
Por favor, note estas palavras
Algumas séries cronológicas exibem correlações marcantes em altas defasagens
И
mostra que a longa-memória
Eu tentei descobrir: o que é a memória longa? Acontece que as autocorrelações são mais de 40 observações! Mas, entre aspas, uma correlação tão longa de um sinal é extremamente rara. De qualquer forma, depois de passar uma hora, não a encontrei.
Um grande número de pessoas tenta usar o índice Hurst. Nem uma vez eu vi um resultado positivo. Talvez você devesse encontrar cotiers primeiro. em que longa memória?
Um grande número de pessoas tenta usar o índice Hearst. Eu nunca vi um resultado positivo. Talvez precisemos encontrar primeiro os quocientes. em que memória longa?
Memória longa significa que H para um determinado valor é significativamente diferente de 0,5, o que, naturalmente, não é o caso em quocientes. As tentativas de usá-lo nesta área falham principalmente porque o H é muito difícil de estimar de forma confiável em uma amostra pequena, portanto os resultados em 100 e até mesmo 1000 castiçais não podem ser confiáveis. E em intervalos maiores o H está bastante próximo da metade, ou seja, ele dá informações bastante pequenas (úteis) sobre o comportamento dos preços, pelo menos tais informações que permitiriam superar o spread.
Memória longa significa que H para um determinado valor é significativamente diferente de 0,5, o que, naturalmente, não é o caso em quocientes. As tentativas de usá-lo nesta área falham principalmente porque o H é muito difícil de estimar de forma confiável em uma amostra pequena, portanto os resultados em 100 e até mesmo 1000 castiçais não podem ser confiáveis. E em intervalos maiores o H está bastante próximo da metade, ou seja, ele dá informações bastante pequenas (úteis) sobre o comportamento dos preços, pelo menos tais informações que permitiriam superar o spread.
Para mim, a largura da janela é muito importante.
Com uma largura de janela de algumas centenas de observações, o teorema do limite começa a funcionar, o que dá uma temperatura média que começa a se mover muito rapidamente em direção a seu mo. E o que é necessário para prever, de fato, o próximo bar?
Em meus TCs eu sempre procuro encontrar a largura ideal da janela. Varia entre 30-70 observações (para H1). Após 118 (uma semana no H1), o quadro muda drasticamente. É por isso que comecei a pensar no termo "memória longa".
ZS. Na literatura sobre modelos fracionariamente integrados, eles geralmente escrevem memória longa, e na introdução "Hurst, fractals, thick tails".