Elliot Dalga Teorisine dayalı ticaret stratejisi - sayfa 186
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Hurst üssü, zaman serisinin ayrılmaz bir özelliğidir ve ilgilenilen miktarın yayılma oranını (zamandan sapma miktarı) tanımlar. Sonuç olarak, birçok ilginç nokta basitçe dikkate alınmaz. Çok daha bilgilendirici, durağan bir zaman serisinin bir korelogramının oluşturulmasıdır. Özel bir durum olarak, ondan Hurst üssünün bir tahminini elde etmek mümkündür, ancak buna ek olarak elimizde, zaman serilerinin daha ince ve önemli göstergelerini belirlememizi sağlayan güçlü bir aparat var.
Hurst üssü, zaman serisinin ayrılmaz bir özelliğidir ve ilgilenilen miktarın yayılma oranını (zamandan sapma miktarı) tanımlar.
Hurst üssünün ilginç bir yorumu, henüz böyle bir anlayışa rastlamadım. Açıklama "zamandan sapmanın büyüklüğü" itiraf ediyorum, tam olarak anlamadım.
Çok daha bilgilendirici, durağan bir zaman serisinin bir korelogramının oluşturulmasıdır. Özel bir durum olarak, Hurst üssü için bir tahmin elde etmek için kullanılabilir.
Şimdi, göstergeyi hesaplamanın çalışan versiyonunu (daha doğru) bitiriyorum, ancak dalgacık analizini kullanıyorum. Zorlaştırmıyorsa, Hurst üssünün korelogramdan nasıl alınacağını anlatın veya bağlantı verin.
Ve hesaplamaları için gerçekten birçok seçenek var. :hakkında)
Hurst üssünün ilginç bir yorumu, henüz böyle bir anlayışa rastlamadım. Açıklama "zamandan sapmanın büyüklüğü" itiraf ediyorum, tam olarak anlamadım.
Ve hesaplamaları için gerçekten birçok seçenek var. :hakkında)
Enstrümanın s değişkenliği , çubuk sayısının (veya t zaman çerçevesinin) bir fonksiyonu olarak, minimum s0 zaman çerçevesinde belirlenen oynaklığın, ilgili zaman çerçevesinin t oranının minimum t0'a bölünmesiyle çarpılarak bulunur ve tüm bu Hurst üssünün gücüne göre:
s=s0*(t/t0)^M, burada M, Hurst üssüdür. Genellikle, durağan normal dağılmış rastgele değişkene dayalı bir integral zaman serisi için Hurst üssü 1/2'dir ve fiyatlandırmanın öngörülemeyen yapısını gösterir. Bu durumda, %63 olasılıkla tc zamanından sonra fiyat, s genişliğinde bir fiyat koridorunda olacaktır. Aslında bunu yayılma oranı olarak adlandırmaya çalıştım, belki de aceleyle :-) Hurst üssü 1/2'den büyükse, o zaman trend olan bir piyasadan bahsedebiliriz, eğer daha azsa, o zaman fiyat davranışının geri dönüşü hakkında konuşabiliriz. . Belki de Hurst üssünün analizinden çıkarılabilecek tek şey budur.
Biraz, sofistike bir araştırmacı için. Fiyatlandırma mekanizması hakkında aynı ve çok daha ayrıntılı bilgi, otokorelasyon fonksiyonunun örnek bir analogunun analizinden toplanabilir.
Anlık hatırlamıyorum. Unutma, sana bir link vereceğim.
Oynaklığa gelince, s0 nasıl belirlenir. Mümkünse lütfen bir bağlantı veya daha fazla ayrıntı sağlayın. Gerçekten anlamadım. Zaman çerçevesi ile bu formülde ne demek istiyoruz?
Durağan bir zaman serisinin spektral yoğunluğu p(omega), otokorelasyon fonksiyonu aracılığıyla şu bağıntı ile belirlenir:
p(omega)=SUM(r(k)*exp{i*omega*k}), burada toplama -sonsuzdan +sonsuza kadardır.
r(-k) = r(k) olduğundan, spektral yoğunluk şu şekilde yazılabilir:
p(omega)=1+2*SUM(r(k)*cos{omega*k}), burada toplama 1'den + sonsuza kadardır.
Bu nedenle, p(omega) fonksiyonu 2Pi periyodu ile harmoniktir. Spektrum adı verilen spektral yoğunluğun grafiği, omega = Pi'ye göre simetriktir. Bu nedenle, davranışı analiz ederken
p(omega) 0<=omega<=Pi/dt ile veya f 0 ila 1/(2*dt) ile sınırlıdır. Frekans birimi ile ilgili genliğin karesinin boyutuna sahiptir.
Bu fonksiyonun özelliklerinin uygulamalı zaman serisi analizinde kullanılması "zaman serilerinin spektral analizi" olarak tanımlanır. Bu yaklaşımın oldukça eksiksiz bir açıklaması, örneğin [Jenkins, Watts (1971, 1972)] ve [Lloyd, Lederman (1990)]'da verilmiştir.
Kural olarak, filtrelerin frekans analizinde, örnekleme aralığının dt değeri 1 olarak alınır ve buna göre (0...Pi) aralığındaki frekans özelliklerinin frekans veya (0.. .1/2) f'de. Hızlı Fourier dönüşümleri (FFT) kullanıldığında, spektrumlar, 0 ila 2Pi (0 ila 1 Hz) frekans aralığındaki pozitif frekansların tek taraflı versiyonunda hesaplanır; burada ana aralığın spektrumunun karmaşık eşlenik kısmı (-Pi'den 0'a kadar) Pi'den 2Pi'ye kadar olan aralığı kaplar (hesaplamaları hızlandırmak için ayrık spektrumların periyodikliği ilkesi kullanılır).
Anlamlı bir analiz için, spektral yoğunluk değerinin xt zaman serisi ile 2Pi/omega periyoduna sahip bir harmonik arasında var olan ilişkinin gücünü karakterize etmesi önemlidir. Bu, spektrumu, analiz edilen zaman serilerindeki periyodiklikleri yakalamanın bir aracı olarak kullanmayı mümkün kılar: spektrum zirveleri seti, genişlemedeki harmonik bileşenler setini belirler. Bir seri, omega frekansının gizli bir harmoniğini içeriyorsa, o zaman aynı zamanda omega/2, omega/3, vb. frekansları olan periyodik terimleri de içerir. Bu, spektrum tarafından düşük frekanslarda tekrarlanan sözde "yankı"dır.
Grasn, oynaklık hakkında.
Hesaplaması, standart sapma tahmininden farklı değildir:
s0=SQRT(|SUM{Yüksek[i+1+k]-düşük[i+k]}^2|/{k-1}), burada toplama 0'dan n'ye kadar tüm k üzerindedir. İstatistiksel anlamlılık için n'nin 100'den büyük olması gerekir. Bu formüle göre, minimum zaman aralığı, genellikle dakikalar için s0 bulunur. Hurst üssünün zaman dilimine nasıl bağlı olduğunu bilerek, yukarıdaki gönderide verilen formülü kullanarak herhangi bir zaman dilimindeki oynaklığın değerini bulabilirsiniz. Bunun tersi de doğrudur: volatilitenin zaman çerçevesine bağımlılığını, istatistiksel verileri işleyerek yukarıdaki formüle göre kurarsanız, Hurst üssünü ifade etmek zor olmayacaktır.
.........
Grasn, oynaklık hakkında.
Hesaplaması, standart sapma tahmininden farklı değildir:
s0=SQRT(|SUM{Yüksek[i+1+k]-düşük[i+k]}^2|/{k-1}), burada toplama 0'dan n'ye kadar tüm k üzerindedir. İstatistiksel anlamlılık için n'nin 100'den büyük olması gerekir. Bu formüle göre, minimum zaman aralığı, genellikle dakikalar için s0 bulunur. Hurst üssünün zaman dilimine nasıl bağlı olduğunu bilerek, yukarıdaki gönderide verilen formülü kullanarak herhangi bir zaman dilimindeki oynaklığın değerini bulabilirsiniz. Bunun tersi de doğrudur: volatilitenin zaman çerçevesine bağımlılığını yukarıdaki formüle göre, istatistiksel verileri işledikten sonra kurarsanız , Hurst üssünü ifade etmek zor olmayacaktır.
Anlamadığım kısım burası.
Görünüşe göre DSP'yi ciddiye almalıyız.
Nötron , yukarıdaki formülde s0=SQRT(|SUM{Yüksek[i+1+k]-düşük[i+k]}^2|/{k-1})
anlaşılmaz bir şey var. Belki de sorun, formülleri metin biçiminde yazmanın tüm incelikleri göstermemesidir. açıklayabilir misin
1. zaten pozitif bir değerse, neden farkların karelerinin toplamının modülüne ihtiyacımız var?
2. Toplama k üzerinden yapılıyorsa paydadaki {k-1} neden toplam işaretini takip ediyor?
3. Neden Yüksek ve düşük bir çubuk değil, komşu çubuklara atıfta bulunur?
Bu arada, grasn , oynaklık hakkındaki tartışmamızı hatırlıyor musun? Nötron , görebileceğiniz gibi, benimle aynı noktaya geliyor: oynaklık standart sapma ile ölçülür.
Neyi anlamadın? Formül nasıl elde edilir, biri diğerinden nasıl ifade edilir, yoksa net değil mi?
Şaka!
Görünüşe göre DSP'yi ciddiye almalıyız.
Bu arada, grasn , oynaklık hakkındaki tartışmamızı hatırlıyor musun? Nötron , görebileceğiniz gibi, benimle aynı noktaya geliyor: oynaklık standart sapma ile ölçülür.
Böyle bir oynaklık tanımıyla karşılaşmamış olmama rağmen bunu anladım. Güvenilir bir kanal seçmek için açıklayıcı bir kriter olarak bu parametreyle ilgilenmeye başladım. Ne olacağını görmek zorunda kalacak. Ayrıca Hurst üssü ile bir bağlantı vardır.
Not: DSP gerçekten ilginç bir alandır ve size şimdiden "dijital insanlar"ın ince saflarına kaydolduğunuzu hatırlatmama izin verin.