赫斯特指数 - 页 11 1...456789101112131415161718...46 新评论 TheXpert 2009.02.02 20:22 #101 Prival >> : 在Excel中是否有一个内置的Hearst函数？如果有，请命名。>>谢谢你。 赫斯特的计算是在一个脚本中完成的。在Excel中，你只需要对数并找到直线。 Surfer 2009.02.02 23:06 #102 TheXpert >> : 赫斯特的计算是在一个脚本中完成的。在Excel中，你只需要对数并找到直线。 完全正确。 该函数被称为TIP(y,x)。 Prival 2009.02.03 00:10 #103 TheXpert писал(а)>> 赫斯特的计算是在一个脚本中完成的。你在Excel中需要做的就是对数，并找到一条直线。 那么你可以在MQL中进行，这里有'来自KimIV的有用函数' 来帮助你。 我就自己测试一下吧。我已经想了很久要提炼斯皮尔曼，但我仍然没有去做这件事。也许这两个指标的综合作用正是我所需要的。 Sceptic Philozoff 2009.02.03 02:22 #104 Prival >>: Нафиг нам нужна первая разность ? Делая это преобразование над исходным рядом, мы убиваем тренд – то на чем можем заработать.趋势（全球）和赫斯特之间没有任何关系，谢尔盖。粗略地说，赫斯特显示了微观趋势 的能力。也就是说，Hurst指数说明了时间序列的微观结构，但没有说明趋势。似乎在H>>0.5（接近1）的情况下，可以对时间序列（利润）做一些事情--只是因为它不是马丁格尔（相邻样本的差异是相互关联的）。而非马太效应--因为相邻的样本是相互依赖的。 我给你看照片，尽管你一定自己看过了。它们都是来自彼得斯的 "分形分析......"。请注意，任何地方都没有趋势。赫斯特的数值是0.72（左上），0.76（右上），约0.9（左下）和远低于0.5（右下）。你知道维纳过程是什么样子的（H=0.5）。 当然，这也都是一个定性的画面。 Neutron 2009.02.03 06:40 #105 Mathemat писал(а)>> 也就是说，Hurst指数说明了时间序列的微观结构，但没有说明趋势。 当然，这也都是一个定性的画面。 如果可以的话，我将补充我在这方面的想法。 自回归模型给出了BP的一个相当完整的特征。一般来说，BP可以被认为是确定性成分和随机（噪音）成分的总和。 这就是价格增量dX的AR模型。在它的帮助下，知道了以前的增量的P值，我们可以以已知的确定性预测商数的预期变动。要从价格增量转换到价格本身的预测并不困难；你只需要把预期的价格增量加到工具价格的最后一个值上，你就会得到下一步的价格预测。 上面我显示了为每个TF的报价计算的赫斯特比率（HR）和报价的第一个差值系列中相邻读数之间的相关系数（CC）的身份（随机BP显示为红色，EURGBP最小值显示为蓝色）。这种巧合可以被认为是令人满意的，甚至是有利于CC的--在其他条件相同的情况下，依赖性更平稳，而且与PC相比，计算的表达方式无比简单。 然而，这其中有一个根本性的区别。与QC相比，PC是BP更深入、更完整的特征，因为它评估的是商数的本来面目，包括其所有的内部联系和特征，而不借助于人为的属性分离。在这些条件下，质量控制利用了唯一可用于其分析的参数--相邻计数的cotier增量之间的关系，仅此而已。结果重合的事实只表明长线计数（事实上，左二计数对工具价格增量的未来价值几乎没有影响）与预期运动的微弱关联性。事实上，可能发生相反的情况（出现深层链接），QC会失败，而PC会正常工作。 这就是这两种BP分析方法的相似之处和主要区别。 应该强调的是，PC是BP的一个整体特征，它没有说到增量计数之间关系的具体属性。相比之下，AR模型完全是量化的，并给出了这些关系的量化特征（和号下dX前面的系数），这使得我们能够100%地利用它们。但由于所使用的方法是线性的，所以也有局限性。考虑到增量之间非线性关系的AR模型有更完整的信息。但同样，这种模式应该由我们来开发，并不是说它是最优的事实。 而这正是神经网络的作用。非线性构成了它们的基础，而学习的能力给了它们必要的灵活性。 [删除] 2009.02.03 08:16 #106 Neutron >> : 而这正是神经网络发挥作用的地方。非线性是他们的核心，而学习的能力给了他们所需的灵活性。 没有人争辩说，但对于坚持和反坚持的BP或BP的部分，贸易 这两种战术是截然相反的，所以NS必须学会在交易时将PC纳入考虑。 也许喂她吃现成的比等她自己学着去看要好。 Neutron 2009.02.03 08:37 #107 Aleku писал(а)>>也许喂她吃现成的比等她自己学着去看要好。 至于什么是最好的，这是一个争论不休的问题。判断它是否更好的标准是什么？ 你把PC作为终极真理来呼吁，但它只是一个工具，有它自己的可能性和局限性。而且，等到慧聪网自己揭示一个功能比给它提供一些可见的、但不是最好的东西更糟糕或更昂贵，这并不是一个事实。此外，在搜索过程中，NS侧重于利润最大化（账户增长速度），PC侧重于BP的持久性，而BP仍应与TC有某种程度的联系，然后才是账户增长。 Prival 2009.02.03 13:01 #108 Mathemat писал(а)>> 趋势（全球）和赫斯特之间没有任何关系，谢尔盖。赫斯特显示，粗略地说是对微观趋势 的能力。也就是说，Hurst指数说明了时间序列的微观结构，但没有说明趋势。似乎在H>>0.5（接近1）的情况下，可以对时间序列（利润）做一些事情--只是因为它不是马丁格尔（相邻样本的差异是相互关联的）。而且是非鞅变法--因为相邻的样本是有依赖性的。 我给你看照片，尽管你一定自己看过了。它们都是来自彼得斯的 "分形分析......"。请注意，任何地方都没有趋势。赫斯特的数值是0.72（左上），0.76（右上），约0.9（左下），远低于0.5（右下）。你知道维纳过程是什么样子的（H=0.5）。 当然，这也都是高质量的画面。 出现了一些空闲时间。我将尝试编程并在这里发布。我将用Matcad来制作所有的模型，并解释我在哪里和如何建模。 我的目的不是为了得到一些高质量的图片，而是研究赫斯特指数，研究它在不同输入信号下的表现（在测试模型上），并在此基础上了解它的性能和可用性。 以下是这些模型。如果你认为你还需要一些，就写下来。 附加的文件： signal.rar 56 kb Rashid Umarov 2009.02.03 13:23 #109 Prival >> : 我现在有一些空闲时间。我将试着把所有的东西编成程序并在这里公布。我将在Matcad中做所有的事情，并解释我在哪里以及如何建模的。 目的：不是为了得到好的照片，而是为了研究赫斯特指数和它在不同输入信号下的工作（在测试模型上）。 你打算如何获得赫斯特的数字，以应对目前的情况？这意味着目前要考虑有限的N条，以便在这个特定样本上计算赫斯特。所以你需要另一个标准来找到过去的时刻，从这个时刻开始计算当前的时刻。 Sceptic Philozoff 2009.02.03 13:41 #110 而这正是罗什 击中要害的地方。计算赫斯特的数字需要大量的历史数据。这不是一个 记忆局限于一个时期的缪翼，而是BP整体--或其中一大块--的全球特征。 1...456789101112131415161718...46 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
在Excel中是否有一个内置的Hearst函数？如果有，请命名。>>谢谢你。
赫斯特的计算是在一个脚本中完成的。在Excel中，你只需要对数并找到直线。
赫斯特的计算是在一个脚本中完成的。在Excel中，你只需要对数并找到直线。
完全正确。
该函数被称为TIP(y,x)。
赫斯特的计算是在一个脚本中完成的。你在Excel中需要做的就是对数，并找到一条直线。
那么你可以在MQL中进行，这里有'来自KimIV的有用函数' 来帮助你。
我就自己测试一下吧。我已经想了很久要提炼斯皮尔曼，但我仍然没有去做这件事。也许这两个指标的综合作用正是我所需要的。
趋势（全球）和赫斯特之间没有任何关系，谢尔盖。粗略地说，赫斯特显示了微观趋势 的能力。也就是说，Hurst指数说明了时间序列的微观结构，但没有说明趋势。似乎在H>>0.5（接近1）的情况下，可以对时间序列（利润）做一些事情--只是因为它不是马丁格尔（相邻样本的差异是相互关联的）。而非马太效应--因为相邻的样本是相互依赖的。
我给你看照片，尽管你一定自己看过了。它们都是来自彼得斯的 "分形分析......"。请注意，任何地方都没有趋势。赫斯特的数值是0.72（左上），0.76（右上），约0.9（左下）和远低于0.5（右下）。你知道维纳过程是什么样子的（H=0.5）。
当然，这也都是一个定性的画面。
也就是说，Hurst指数说明了时间序列的微观结构，但没有说明趋势。
当然，这也都是一个定性的画面。如果可以的话，我将补充我在这方面的想法。
自回归模型给出了BP的一个相当完整的特征。一般来说，BP可以被认为是确定性成分和随机（噪音）成分的总和。
这就是价格增量dX的AR模型。在它的帮助下，知道了以前的增量的P值，我们可以以已知的确定性预测商数的预期变动。要从价格增量转换到价格本身的预测并不困难；你只需要把预期的价格增量加到工具价格的最后一个值上，你就会得到下一步的价格预测。
上面我显示了为每个TF的报价计算的赫斯特比率（HR）和报价的第一个差值系列中相邻读数之间的相关系数（CC）的身份（随机BP显示为红色，EURGBP最小值显示为蓝色）。这种巧合可以被认为是令人满意的，甚至是有利于CC的--在其他条件相同的情况下，依赖性更平稳，而且与PC相比，计算的表达方式无比简单。
然而，这其中有一个根本性的区别。与QC相比，PC是BP更深入、更完整的特征，因为它评估的是商数的本来面目，包括其所有的内部联系和特征，而不借助于人为的属性分离。在这些条件下，质量控制利用了唯一可用于其分析的参数--相邻计数的cotier增量之间的关系，仅此而已。结果重合的事实只表明长线计数（事实上，左二计数对工具价格增量的未来价值几乎没有影响）与预期运动的微弱关联性。事实上，可能发生相反的情况（出现深层链接），QC会失败，而PC会正常工作。
这就是这两种BP分析方法的相似之处和主要区别。
应该强调的是，PC是BP的一个整体特征，它没有说到增量计数之间关系的具体属性。相比之下，AR模型完全是量化的，并给出了这些关系的量化特征（和号下dX前面的系数），这使得我们能够100%地利用它们。但由于所使用的方法是线性的，所以也有局限性。考虑到增量之间非线性关系的AR模型有更完整的信息。但同样，这种模式应该由我们来开发，并不是说它是最优的事实。
而这正是神经网络的作用。非线性构成了它们的基础，而学习的能力给了它们必要的灵活性。
而这正是神经网络发挥作用的地方。非线性是他们的核心，而学习的能力给了他们所需的灵活性。
没有人争辩说，但对于坚持和反坚持的BP或BP的部分，贸易
这两种战术是截然相反的，所以NS必须学会在交易时将PC纳入考虑。
也许喂她吃现成的比等她自己学着去看要好。
也许喂她吃现成的比等她自己学着去看要好。
至于什么是最好的，这是一个争论不休的问题。判断它是否更好的标准是什么？
你把PC作为终极真理来呼吁，但它只是一个工具，有它自己的可能性和局限性。而且，等到慧聪网自己揭示一个功能比给它提供一些可见的、但不是最好的东西更糟糕或更昂贵，这并不是一个事实。此外，在搜索过程中，NS侧重于利润最大化（账户增长速度），PC侧重于BP的持久性，而BP仍应与TC有某种程度的联系，然后才是账户增长。
趋势（全球）和赫斯特之间没有任何关系，谢尔盖。赫斯特显示，粗略地说是对微观趋势 的能力。也就是说，Hurst指数说明了时间序列的微观结构，但没有说明趋势。似乎在H>>0.5（接近1）的情况下，可以对时间序列（利润）做一些事情--只是因为它不是马丁格尔（相邻样本的差异是相互关联的）。而且是非鞅变法--因为相邻的样本是有依赖性的。
我给你看照片，尽管你一定自己看过了。它们都是来自彼得斯的 "分形分析......"。请注意，任何地方都没有趋势。赫斯特的数值是0.72（左上），0.76（右上），约0.9（左下），远低于0.5（右下）。你知道维纳过程是什么样子的（H=0.5）。
当然，这也都是高质量的画面。
出现了一些空闲时间。我将尝试编程并在这里发布。我将用Matcad来制作所有的模型，并解释我在哪里和如何建模。
我的目的不是为了得到一些高质量的图片，而是研究赫斯特指数，研究它在不同输入信号下的表现（在测试模型上），并在此基础上了解它的性能和可用性。
以下是这些模型。如果你认为你还需要一些，就写下来。
我现在有一些空闲时间。我将试着把所有的东西编成程序并在这里公布。我将在Matcad中做所有的事情，并解释我在哪里以及如何建模的。
目的：不是为了得到好的照片，而是为了研究赫斯特指数和它在不同输入信号下的工作（在测试模型上）。
你打算如何获得赫斯特的数字，以应对目前的情况？这意味着目前要考虑有限的N条，以便在这个特定样本上计算赫斯特。所以你需要另一个标准来找到过去的时刻，从这个时刻开始计算当前的时刻。
而这正是罗什 击中要害的地方。计算赫斯特的数字需要大量的历史数据。这不是一个 记忆局限于一个时期的缪翼，而是BP整体--或其中一大块--的全球特征。