FR H-波动性
我在夏天读了希尔耶夫的材料和帕斯图霍夫的论文。我认为这个主题非常有趣，但我总是缺乏时间和知识。 你和Yurixx的开发令人印象深刻，但他们主要是在欧元上。 我想用自己的双手把这个主题也开发到其他货币的MT4上。也许有人有一些想法？首先，我对从h计算出的N感兴趣。不幸的是，我还不善于和cad打交道。
再次提醒我，什么是N，你打算如何使用它？
笼状人字形段的......。为H=10构建的。
如果可能的话，请再详细介绍一下这些概念。不幸的是，我不知道这些术语。我真的很想了解你在分析什么样的BP？ 它是如何出来的？了解你在这里的图表上的内容。
再次提醒我，什么是N，你打算如何使用它？
".......I，例如，看这张图--就在这里，我有写到，如果N从h大于2，那么我们在适当的时刻购买。也就是说，在这种情况下，我们的行动方向与市场的运动方向一致。如果N小于2，那么我们应该做相反的事情。即使价格上涨，我们还是应该出售。...."。
虽然无论是在图片中还是在帕斯图霍夫的论文中，每一次都是不同的（好吧，这不算什么）。该方法的本质是明确的。我不了解R(H)的物理意义，因此我没有信心能正确计算它。因此，我想问你这一切是如何计算的。也许，如果有人已经在MQL4中做过，会更清楚。
事实上，该图是关于纵轴的镜像对称的，为了更好地统计，我采取了差异的模数。很明显，这种分布不是正常的。根据我的理解，你所有的推理都是基于cagy zigzag段正态分布的假设......。请再次提出这个问题。
顺便说一下，如果我们找到FR的平均值（不是最大值，而是c.t.），对于给定的分区，它等于19.3，这<2H，并且不矛盾。
是的，一般来说，问题是关于构建一个实验性的FR。我的做法和你一样，并暗示由于明显的原因，ZZ段>0。我没有考虑到这个标志。因此，我依靠定义[0,∞]的区域和FR的零值在零点。从这一切可以得出一个结论：正态分布甚至不适合作为模型函数。
当然，现在我意识到，考虑到符号会得到一个对称的FR。这就只剩下了零点的浸润。但这也是一个黑暗的问题。当价格没有变化时，没有新的报价被翻译出来--没有意义。所以我们在数据流中只有（或几乎只有）非零的差异。
你的图片（如果我理解正确的话）是一个新的论点。在对数尺度上，你得到的几乎是一条直线。这意味着指数是在第一级，而不是第二级。这已经很有意思了。
至于维纳过程的H-波动率的数值，我已经想好了。无论价格处于什么位置，它从该点向上通过H的概率与向下通过H的概率相等。而且它不依赖于当前的价格值，也不依赖于以前的价格值，也不依赖于H。从这里，你最终可以得到一个明确的FR视图。我们需要看看布朗运动的分布是怎么来的，可能是一样的。据我所知，平均值的2H值也是这一规定的结果。
但是，顺便说一下，维纳过程还有另一种关系，可以作为可仲裁性标准。因为对于高斯分布来说，均值和sko的值是明确计算的，所以我们有sko/mean=root(pi/2)。而这对于任何H分区的参数也是如此。检查我们实际拥有的东西是很有趣的，例如，对于你图片中的那个分布。
那是一种 观点。
我对卡木的策略等不感兴趣。但R(H)本身作为有关仪器的一个独立特征。我想调查一下，我觉得这里面有问题？
".......И, например, глядя на эту картинку – вот тут вот у меня написано, что если N от h больше двойки, то мы покупаем в соответствующие моменты. Т.е. мы в этом случае действуем сонаправленно с движением рынка. Если N меньше двойки, то поступать надо наоборот. Даже если цены растут, то надо тем не менее продавать. ...."
一切都很清楚，这就是H型波动率（Hv）的定义。可以证明，对于通过整合零期望的随机变量（维纳过程或一维布朗运动）得到的时间序列，H 波动率完全等于 2。换句话说，笼子的平均散布随着阶梯H而趋向于2H（Hv=2H/H=2）。另一方面，维纳类型的任何贸易策略（TS）BP的回报率都趋于零。这就是为什么Hv和2之间的差异可以被视为TS的可能可仲裁性：s=(Hv-2)*H--TS每笔交易的平均回报，作为H的函数。此外，如果s<0，我们有一个反趋势TS，如果s>0--一个趋势TS。
但顺便说一句，维纳过程还有一种关系，可以作为可仲裁性标准。由于高斯分布有一个明确的平均数和sko，我们有sko/mean=root(pi/2)。而这对于任何H分区的参数也是如此。检查我们实际拥有的东西是很有趣的，例如，对于你图片中的那个分布。
对于对称FR来说，这是真的：Sko=SQRT(Sum[(M-x)^2]/[n-1])，mean=Sum[(M-x)]/n)，那么Sko/mean！=root(pi/2)。
解释一下，你这样说是什么意思？
这条线是关于卡木劈的对话的延续。
尤拉，让我们看看EURJPY 10^6点BP的cagy zigzag段的FR，绘制为H=10。
该图实际上是围绕纵轴的镜像对称，为了更好地统计，我采取了差异的模数。很明显，这种分布不是正常的。根据我的理解，你所有的推理都被笼状-之字形段的正常分布的假设所排斥......请再次提出这个问题。
顺便说一下，如果你找到FR的平均值（不是最大值，而是t.t.），对于这个分区来说，它是19.3，这<2H，并不与任何东西相矛盾。