торговая стратегия на базе Волновой теории Эллиота - страница 186
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Показатель Херста является интегральной характеристикой временного ряда и описывает скорость диффузии (величину отклонения от времени) интересующей величины. Как следствие, много интересных моментов просто не учитывается. Гораздо информативнее является построение коррелограммы остационаренного временного ряда. Как частный случай, из неё можно получить оценку показателя Херста, но кроме того, мы имеем в своих руках мощный аппарат позволяющий определить более тонкие и важные показатели временного ряда.
Показатель Херста является интегральной характеристикой временного ряда и описывает скорость диффузии (величину отклонения от времени) интересующей величины
Интересная интерпретация показателя Херста, С таким пониманием, еще не сталкивался. Пояснение «величину отклонения от времени» я признаться, не совсем понял.
Гораздо информативнее является построение коррелограммы остационаренного временного ряда. Как частный случай, из неё можно получить оценку показателя Херста
Сейчас заканчиваю рабочую версию (более точную) расчета показателя, но с использованием вейвлет анализа. Если не затруднит, расскажите или дайте ссылки, как из коррелограммы получить показатель Херста.
А вариантов его расчетов, действительно много. :о)
Интересная интерпретация показателя Херста, С таким пониманием, еще не сталкивался. Пояснение «величину отклонения от времени» я признаться, не совсем понял.
А вариантов его расчетов, действительно много. :о)
Волатильность инструмента s как функция от количества баров n (или таймфрема t) находится как волатильность определённая на минимальном таймфреме s0, умноженная на отношение интересующего таймфрема t отнесённого к минимальному t0 и всё это в степени показателя Херста:
s=s0*(t/t0)^M, где М - показатель Херста. Обычно, для интегрального временного ряда в основе которого лежит стационарная нормально распределённая случайная величина, показатель Херста равен 1/2 и указывает на непредсказуемый характер ценообразования. В этом случае, цена, спустя время t c вероятностью 63% будет находится в ценовом коридоре шириной s. Собственно это я попытался назвать скоростью диффузии, возможно поспешно:-) Если показатель Херста больше 1/2, то можно говорить о трендовом рынке, если меньше - то об откатном характере поведения цены. Пожалуй, это всё, что можно вытащить из анализа показателя Херста.
Немного, для искушённого исследователя. То же самое, и гораздо более подробную информацию о механизме ценообразования можно почерпнуть из анализа выборочного аналога автокорреляционной функции.
На вскидку не помню. Вспомню, дам ссылку.
Что касается волатильности, то как определяется s0. Если можно, дайте ссылочку или расскажите подробнее. Я не очень понял. Под таймфреймом, что понимаем в этой формуле?
Спектральная плотность p(omega) стационарного временного ряда определяется через его автокорреляционную функцию соотношением:
p(omega)=SUM(r(k)*exp{i*omega*k}), где суммирование ведётся от -бесконечности, до +бесконечности.
Так как r(-k) = r(k), спектральная плотность может быть записана в виде:
p(omega)=1+2*SUM(r(k)*cos{omega*k}), где суммирование ведётся от 1, до +бесконечности.
Следовательно, функция p(omega) является гармонической с периодом 2Pi. График спектральной плотности, называемый спектром, симметричен относительно omega = Pi. Поэтому при анализе поведения
p(omega) ограничиваются значениями 0<=omega<=Pi/dt или по f от 0 до 1/(2*dt). Имеетразмерность квадрата амплитуды отнесённого к еденице частоты.
Использование свойств этой функции в прикладном анализе временных рядов определяется как «спектральный анализ временных рядов». Достаточно полное описание этого подхода приведено, например, в [Дженкинс, Ватс (1971, 1972)] и [Ллойд, Ледерман (1990)].
Как правило, при частотном анализе фильтров значение dt интервала дискретизации принимают за 1, что соответственно определяет задание частотных характеристик на интер-вале (0...Pi) по частоте или (0...1/2) по f. При использовании быстрых преобразований Фурье (БПФ) вычисления спектров осуществляются в одностороннем варианте положительных частот в частотном интервале от 0 до 2Pi (от 0 до 1 Гц), где комплексно сопряженная часть спектра главного диапазона (от -Pi до 0) занимает интервал от Pi до 2Pi (для ускорения вычислений используется принцип периодичности дискретных спектров).
Для содержательного анализа важно, что величина спектральной плотности характеризует силу взаимосвязи, существующей между временным рядом xt и гармоникой с периодом 2Pi/omega. Это позволяет использовать спектр как средство улавливания периодичностей в анализируемом временном ряду: совокупность пиков спектра определяет набор гармонических компонентов в разложении. Если в ряде содержится скрытая гармоника частоты omega, то в нем присутствуют также периодические члены с частотами omega/2, omega/3 и т.д. Это так называемое «эхо», повторяемое спектром на низких частотах.
Grasn, по поводу волатильности.
Расчёт её не отличается от оценки стандартного отклонения:
s0=SQRT(|SUM{High[i+1+k]-low[i+k]}^2|/{k-1}), где суммирование ведётся по всем k от 0, до n. Для статистической достоверности n должно быть больше 100. s0 по этой формуле, находится для минимального таймфрейма, обычно это минутки. Зная как зависит показатель Херста от таймфрейма можно найти значение волатильности на любом таймфрейме по формуле которая приведена постом выше. Верно и обратное: если построить зависимость волатильности от таймфрейма по вышеприведённой формуле обработав статистические данные, то не сотавит труда выразить показатель Херста.
..........
Grasn, по поводу волатильности.
Расчёт её не отличается от оценки стандартного отклонения:
s0=SQRT(|SUM{High[i+1+k]-low[i+k]}^2|/{k-1}), где суммирование ведётся по всем k от 0, до n. Для статистической достоверности n должно быть больше 100. s0 по этой формуле, находится для минимального таймфрейма, обычно это минутки. Зная как зависит показатель Херста от таймфрейма можно найти значение волатильности на любом таймфрейме по формуле которая приведена постом выше. Верно и обратное: если построить зависимость волатильности от таймфрейма по вышеприведённой формуле обработав статистические данные, то не сотавит труда выразить показатель Херста.
Вот этот момент я не понял.
Надо, видно, серьезно взяться за ЦОС.
Neutron, в приведенной формуле s0=SQRT(|SUM{High[i+1+k]-low[i+k]}^2|/{k-1})
есть кое-что непонятное. Возможно проблема в том, что запись формул в текстовом формате не отображает всех тонкостей. Не могли бы Вы пояснить
1. зачем нужен модуль суммы квадратов разностей, если это и так положительная величина
2. почему {k-1} в знаменателе стоит за знаком суммы, если суммирование ведется по к
3. почему High и low относятся к соседним, а не к одному, барам
Кстати, grasn, помните нашу дискусию по поводу волатильности ? Neutron, как видите, утверждает то же, что и я: волатильность оценивается по величине стандартного отклонения.
Чего не понял? Как формула получена, как одно из другого выразить, или просто, ничего не понятно?
Шутка!
Надо, видно, серьезно взяться за ЦОС.
Кстати, grasn, помните нашу дискусию по поводу волатильности ? Neutron, как видите, утверждает то же, что и я: волатильность оценивается по величине стандартного отклонения.
Это я понял, хотя не встречался с таким определением волатильности. Этим параметром я заинтересовался как уточняющим критерием для выбора надежного канала. Надо будет посмотреть, чего получиться. Тем более, что есть связь с показателем Херста.
PS: ЦОС действительно интересная область и напомню, вы уже записались в стройные ряды «цифровиков».