成交量、波动率和赫斯特指数 - 页 17 1...101112131415161718192021222324...37 新评论 Yurixx 2010.09.13 20:03 #161 Avals: 从理论上讲，如果你在某个数据范围内计算赫斯特，然后将这个范围划分为足够多的站点，并在每个站点上计算赫斯特，那么它们的平均值应该收敛到为整个范围计算的赫斯特系数。如果是这样，当你计算赫斯特的时候，唯一的限制就是N必须足够大。从你的研究来看，N=15时的准确率已经相当高了。因此，也许这是一个可以接受的点数，在此基础上计算赫斯特是有意义的。而且没有必要按段平均N个刻度--在整个范围内计算的赫斯特会更精确。 这里有一些问题。要么我们不理解对方，要么有一些错误。 你打算如何计算整个范围内的赫斯特？所以你有整个范围，你不打算把它分成几个区间，但你要做什么，如何计算赫斯特？ 表2a和2b有两个值N--区间内的样本数，而n实际上是以2为基数的Log(N)。N=15 - 这个案例根本没有被考虑。但n=15实际上是表格的最后一行。但只要记住，这一行调查的是区间N=32768的计数。作为参考：根据非常活跃的2009年，平均每天有15000只蜱虫。也就是说，间隔时间N=32768，超过了2天。 一个这样的区间将只给你一个点差和增量的值（有必要计算S）。你还需要多少来计算平均数？仅供参考，为得到真正的理论平均数，需要平均的所有SB轨迹的总数为2^N，即2^32768。 Vitali 2010.09.13 20:11 #162 Yurixx: 维塔，不要再陈词滥调了。知道如何在讨论中保持你的语气。当然，如果你想找到真相。如果你是来展示你对数学的深刻理解，那就不要这么麻烦了，大家都已经想明白了。试着想象一下，我真的想和你找到共同点，并尝试回答几个有建设性的问题。 1.请给我这本书的确切链接，以及其中给出High - Low = k * sqrt(N)公式的那一页，并对其中包含的量进行定义。甚至更好的是，在提供链接的同时提供相关页面的扫描。只是不要告诉我，这个公式在所有的教科书中都有。- 这是我的假说。 高-低是你的R，k只是比例，N是你的N 2.解释一下你所说的值（High-Low）是你的R，从你 这个公式中的平均价差来看 ，你认为High、Low 是什么。所有这些值是指一个单一的轨迹、一个样本，还是指整个集合。它们是平均值还是本地值。 3.请给出赫斯特指数的定义。解释它的来源和方式，如何计算以及它的意义。- 我愿意用维基百科上的那个。 我非常感谢你解释了 "在Jurix公式中 "的1/2的本质。不幸的是，这个话题的中心点是完全不同的--即使是纯SB也缺乏1/2。但没有必要解释缺席的本质。到目前为止。到目前为止，我们还没有找到对所引问题的理解。最好回答他们。 而在此之前，没有人会计算出任何控制实例。特别是通过人为的、无意义的排查。- 而赫斯特并不害怕控制的例子。而且我不怕控制的例子--上传一个文件，控制。 但你怕用人为的、无意义的系列破坏你的公式。试图掩盖你的公式的不可行性的好办法。 给你，还有三个答案。感受一下吧。 Yurixx 2010.09.13 20:11 #163 Vita: Pg..10包含一个实际执行R/S分析的mql4-文件。欢迎你来检查。 没有必要检查它。我只是想看看你是如何计算的。由于你不能简单地描述你认为正确的和你使用的算法，你必须走迂回路线。 不幸的是，这些代码写得很差。没有任何评论。变量和数组的含义在任何地方都没有描述。变量和数组的名称不与任何东西相关联，也不服从任何助记符。我不想花时间去破译它们，提取神圣的真理。 维塔，也许不是你写的？不可能是作者不能描述他编程的计算算法。 而你不能。而且你也不能回答我的简单问题。我们怎样才能与你一起寻找真理？:-)) PS 好了，神秘的面纱终于被揭开了。 如果你声称所有教科书中的这个公式是你的假设，那么请用任何正确的方法来证明它。而如果你大声喊出它是正确的，也很难起到作用。 我的工作正是要评估赫斯特假设的正确性，他假设了一个更合理的公式。也就是说，这是对一个控制性例子的审查。而结果是，他的假设只是在渐进的情况下是合理的。你的N根是什么？它甚至对SB来说都不成立。 而维基没有根，但它有一个指数。还有这样的后记：在n->无穷大时，这正是我所主张的。 Vitali 2010.09.13 20:23 #164 Yurixx: 没有必要去检查它。我只是想看看你是如何计算的。由于你无法简单地描述你认为正确的、你所使用的算法，所以你必须走迂回的道路。 不幸的是，这些代码写得很差。没有任何评论。变量和数组的含义在任何地方都没有描述。变量和数组的名称不与任何东西相关联，也不服从任何助记符。我不想花时间去破译它们，提取神圣的真理。 维塔，也许不是你写的？不可能是作者不能描述他编程的计算算法。 而你不能。而且你也不能回答我的简单问题。我们怎样才能与你一起寻找真理？:-)) 这是第二次试图掩盖你的公式的不实用性。 只要把你的代码贴出来，我就不会抱怨你的代码没有注释了。我会想办法的。你有赫斯特的公式代码吗？ 给我测试的例子，给大家一个机会来复制你的结果。否则，你就是个骗子，你的赫斯特计算法就是个骗局。 Avals 2010.09.13 20:25 #165 Yurixx: 这里有一些问题。要么我们不理解对方，要么有一些错误。 你打算如何在整个范围内计算赫斯特？所以你有整个范围，你不打算把它分成几个区间，但你要做什么，你要如何计算赫斯特？ 表2a和2b有两个值N--区间内的样本数，而n实际上是以2为基数的Log(N)。N=15 - 这个案例根本没有被考虑。但n=15实际上是表格的最后一行。但只要记住，这一行调查的是区间N=32768的计数。作为参考：根据非常活跃的2009年，平均每天有15000只蜱虫。也就是说，间隔时间N=32768，超过了2天。 一个这样的区间将只给你一个点差和增量的值（有必要计算S）。你还需要多少来计算平均数？仅供参考，为得到真正的理论平均数，需要平均的所有SB轨迹的总数为2^N，即2^32768。 是的，我已经知道了，我需要间隔。顺便说一下，这里是奈曼如何谈论同样的https://www.mql5.com/go?link=http://capital-times.com.ua/dobavit-novost/view-30.html。 他在那里粗略地定义了趋势性/平坦性--通过三标度的规则。他还通过实验拾取了未知的系数。 Yurixx 2010.09.13 20:40 #166 维塔，喝些冷水，把嘴冲干净。有太多的泥浆从里面流出来。 我非常详细地描述了这个算法，包括所有的公式。顺便说一句，我推翻了自己的假设。测试实例的计算结果非常详细。任何对mql4有点了解的人都可以重复我所做的一切。我也可以把代码贴出来，它不会给我带来什么新东西。 既然你不回答问题，你也不能描述你的（？）代码的算法，你已经承认了你的无辜的恶作剧--你的假设是教科书上的一个微不足道的公式，此外你还准备使用维基百科上的Hurst的定义，我最初也用过这个定义，那么谈什么呢？ 用你的（而且是你的，不是所有人都接受的）赫斯特做你想做的。我并不想劝阻你，寻找你的错误。而你没能说服我，我有一些错误--你根本没有相反的论据。 Yurixx 2010.09.13 20:46 #167 Avals: 是的，我已经知道了，我需要间隔。顺便说一下，这里是奈曼如何谈论同样的https://www.mql5.com/go?link=http://capital-times.com.ua/dobavit-novost/view-30.html。 他在那里粗略地定义了趋势性/平坦性--通过三标度的规则。他还通过实验拾取了未知的系数。 有趣的是，我会看一看。但这是个大工程，不是今天。我喜欢序言中的一句话："至少需要21次观察才能发现一个趋势"。:-) Candid 2010.09.13 21:08 #168 Vita:1.h=3意味着这个公式是垃圾，作者是无知的。2.我建议你做一个1个旧点子=10个新点子的替换。Q=10R。比较两种情况下的公式结果。我相信结果会有所不同。1.我很想知道你对自己的例子中赫斯特比率是多少的说法。 2.在对数坐标中，用一个数值乘 以一个常数，可以得到一个常数的偏移，即对斜率没有影响。因此，h不会因为改变比例而改变。你可以自己进行计算。 Candid 2010.09.13 22:31 #169 一般来说，这里又出现了混乱。对于伯努利数列，我们不能任意改变比例，因为我们谈论的是试验的数量。尤里考虑的正是这样的，离散的随机行走。它的特点是每一步都有一个恒定的模数增量。试图改变尺度将导致违反这一规则，即改变过程的性质。也就是说，这个初级阶段的随机行走没有自相似性，也就是说，它不是一个分形。 另一件事是，如果我们开始把它划分为 "条"。从尤里的计算中可以看出，随着 "时间框架 "的增加（即随着N的增加），Hurst指数 将达到一个常数，即伯努利过程产生的序列将像获得自我相似性一样，但只有在N等于无穷大时才会最终获得它。这里的寓意很简单：只有具有自相似性的数列，赫斯特指数才是常数。这意味着在形式上我们可以对任何系列进行计算，但只有具有自相似性的系列才能得到实质性的结论。P.S. 这是两难问题的答案--对于条形图或刻度图，你必须计算赫斯特指数。事实证明，嘀嗒过程与伯努利过程的接近使其失去了自相似性的特性，至少对于小的N来说是如此。这意味着 "嘀 "Hurst比率的值不会给我们提供任何信息。但 "酒吧 "赫斯特数字的信息化程度将由这个时间框架上的系列的自我相似性程度决定。P.P.S. 我对Vita 的问题表示感谢，这些问题让我有理由对这个问题进行思考 :) Candid 2010.09.13 22:54 #170 Avals: 对于真实的工具，高-低/|开-关|比率 工具 m5 m15 h1 d1 w1 欧元兑美元 2,3079 2,3827 2,2744 2,0254 1,9709 英镑兑美元 2,2024 2,3190 2,2349 2,0559 1,9958 日元兑美元 2,3931 2,4003 2,2974 2,0745 1,9692 粗略地说，对于一个普通的蜡烛来说，每个影子都相当于身体的一半。对于SB来说，随着系列长度的增加，它似乎收敛为两个（根据Yurixx R/M的表2a）。虽然在低TF下，真实数据的偏差是很大的。这可能是由小数量的抽签解释的（如在小N的SB上），但例如在h1上应该是足够的。而在SB上恰恰相反，这个比例从底部到顶部接近一倍。 N R/M 2 1,58 4 1,74 8 1,92 15 1,99 而现在这个数据有了新的意义--在不同的水平线上测试自我相似程度的意义。 1...101112131415161718192021222324...37 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
从理论上讲，如果你在某个数据范围内计算赫斯特，然后将这个范围划分为足够多的站点，并在每个站点上计算赫斯特，那么它们的平均值应该收敛到为整个范围计算的赫斯特系数。如果是这样，当你计算赫斯特的时候，唯一的限制就是N必须足够大。从你的研究来看，N=15时的准确率已经相当高了。因此，也许这是一个可以接受的点数，在此基础上计算赫斯特是有意义的。而且没有必要按段平均N个刻度--在整个范围内计算的赫斯特会更精确。
这里有一些问题。要么我们不理解对方，要么有一些错误。
你打算如何计算整个范围内的赫斯特？所以你有整个范围，你不打算把它分成几个区间，但你要做什么，如何计算赫斯特？
表2a和2b有两个值N--区间内的样本数，而n实际上是以2为基数的Log(N)。N=15 - 这个案例根本没有被考虑。但n=15实际上是表格的最后一行。但只要记住，这一行调查的是区间N=32768的计数。作为参考：根据非常活跃的2009年，平均每天有15000只蜱虫。也就是说，间隔时间N=32768，超过了2天。
一个这样的区间将只给你一个点差和增量的值（有必要计算S）。你还需要多少来计算平均数？仅供参考，为得到真正的理论平均数，需要平均的所有SB轨迹的总数为2^N，即2^32768。
维塔，不要再陈词滥调了。知道如何在讨论中保持你的语气。当然，如果你想找到真相。如果你是来展示你对数学的深刻理解，那就不要这么麻烦了，大家都已经想明白了。试着想象一下，我真的想和你找到共同点，并尝试回答几个有建设性的问题。
1.请给我这本书的确切链接，以及其中给出High - Low = k * sqrt(N)公式的那一页，并对其中包含的量进行定义。甚至更好的是，在提供链接的同时提供相关页面的扫描。只是不要告诉我，这个公式在所有的教科书中都有。- 这是我的假说。 高-低是你的R，k只是比例，N是你的N
2.解释一下你所说的值（High-Low）是你的R，从你 这个公式中的平均价差来看 ，你认为High、Low 是什么。所有这些值是指一个单一的轨迹、一个样本，还是指整个集合。它们是平均值还是本地值。
3.请给出赫斯特指数的定义。解释它的来源和方式，如何计算以及它的意义。- 我愿意用维基百科上的那个。
我非常感谢你解释了 "在Jurix公式中 "的1/2的本质。不幸的是，这个话题的中心点是完全不同的--即使是纯SB也缺乏1/2。但没有必要解释缺席的本质。到目前为止。到目前为止，我们还没有找到对所引问题的理解。最好回答他们。
而在此之前，没有人会计算出任何控制实例。特别是通过人为的、无意义的排查。- 而赫斯特并不害怕控制的例子。而且我不怕控制的例子--上传一个文件，控制。 但你怕用人为的、无意义的系列破坏你的公式。试图掩盖你的公式的不可行性的好办法。
Pg..10包含一个实际执行R/S分析的mql4-文件。欢迎你来检查。
没有必要检查它。我只是想看看你是如何计算的。由于你不能简单地描述你认为正确的和你使用的算法，你必须走迂回路线。
不幸的是，这些代码写得很差。没有任何评论。变量和数组的含义在任何地方都没有描述。变量和数组的名称不与任何东西相关联，也不服从任何助记符。我不想花时间去破译它们，提取神圣的真理。
维塔，也许不是你写的？不可能是作者不能描述他编程的计算算法。
而你不能。而且你也不能回答我的简单问题。我们怎样才能与你一起寻找真理？:-))
PS
好了，神秘的面纱终于被揭开了。
如果你声称所有教科书中的这个公式是你的假设，那么请用任何正确的方法来证明它。而如果你大声喊出它是正确的，也很难起到作用。
我的工作正是要评估赫斯特假设的正确性，他假设了一个更合理的公式。也就是说，这是对一个控制性例子的审查。而结果是，他的假设只是在渐进的情况下是合理的。你的N根是什么？它甚至对SB来说都不成立。
而维基没有根，但它有一个指数。还有这样的后记：在n->无穷大时，这正是我所主张的。
没有必要去检查它。我只是想看看你是如何计算的。由于你无法简单地描述你认为正确的、你所使用的算法，所以你必须走迂回的道路。
不幸的是，这些代码写得很差。没有任何评论。变量和数组的含义在任何地方都没有描述。变量和数组的名称不与任何东西相关联，也不服从任何助记符。我不想花时间去破译它们，提取神圣的真理。
维塔，也许不是你写的？不可能是作者不能描述他编程的计算算法。
而你不能。而且你也不能回答我的简单问题。我们怎样才能与你一起寻找真理？:-))
这是第二次试图掩盖你的公式的不实用性。
只要把你的代码贴出来，我就不会抱怨你的代码没有注释了。我会想办法的。你有赫斯特的公式代码吗？
给我测试的例子，给大家一个机会来复制你的结果。否则，你就是个骗子，你的赫斯特计算法就是个骗局。
这里有一些问题。要么我们不理解对方，要么有一些错误。
你打算如何在整个范围内计算赫斯特？所以你有整个范围，你不打算把它分成几个区间，但你要做什么，你要如何计算赫斯特？
表2a和2b有两个值N--区间内的样本数，而n实际上是以2为基数的Log(N)。N=15 - 这个案例根本没有被考虑。但n=15实际上是表格的最后一行。但只要记住，这一行调查的是区间N=32768的计数。作为参考：根据非常活跃的2009年，平均每天有15000只蜱虫。也就是说，间隔时间N=32768，超过了2天。
一个这样的区间将只给你一个点差和增量的值（有必要计算S）。你还需要多少来计算平均数？仅供参考，为得到真正的理论平均数，需要平均的所有SB轨迹的总数为2^N，即2^32768。
是的，我已经知道了，我需要间隔。顺便说一下，这里是奈曼如何谈论同样的https://www.mql5.com/go?link=http://capital-times.com.ua/dobavit-novost/view-30.html。 他在那里粗略地定义了趋势性/平坦性--通过三标度的规则。他还通过实验拾取了未知的系数。
维塔，喝些冷水，把嘴冲干净。有太多的泥浆从里面流出来。
我非常详细地描述了这个算法，包括所有的公式。顺便说一句，我推翻了自己的假设。测试实例的计算结果非常详细。任何对mql4有点了解的人都可以重复我所做的一切。我也可以把代码贴出来，它不会给我带来什么新东西。
既然你不回答问题，你也不能描述你的（？）代码的算法，你已经承认了你的无辜的恶作剧--你的假设是教科书上的一个微不足道的公式，此外你还准备使用维基百科上的Hurst的定义，我最初也用过这个定义，那么谈什么呢？
用你的（而且是你的，不是所有人都接受的）赫斯特做你想做的。我并不想劝阻你，寻找你的错误。而你没能说服我，我有一些错误--你根本没有相反的论据。
是的，我已经知道了，我需要间隔。顺便说一下，这里是奈曼如何谈论同样的https://www.mql5.com/go?link=http://capital-times.com.ua/dobavit-novost/view-30.html。 他在那里粗略地定义了趋势性/平坦性--通过三标度的规则。他还通过实验拾取了未知的系数。
有趣的是，我会看一看。但这是个大工程，不是今天。我喜欢序言中的一句话："至少需要21次观察才能发现一个趋势"。:-)
1.h=3意味着这个公式是垃圾，作者是无知的。
2.我建议你做一个1个旧点子=10个新点子的替换。Q=10R。
比较两种情况下的公式结果。我相信结果会有所不同。
1.我很想知道你对自己的例子中赫斯特比率是多少的说法。
2.在对数坐标中，用一个数值乘 以一个常数，可以得到一个常数的偏移，即对斜率没有影响。因此，h不会因为改变比例而改变。你可以自己进行计算。
另一件事是，如果我们开始把它划分为 "条"。从尤里的计算中可以看出，随着 "时间框架 "的增加（即随着N的增加），Hurst指数 将达到一个常数，即伯努利过程产生的序列将像获得自我相似性一样，但只有在N等于无穷大时才会最终获得它。
这里的寓意很简单：只有具有自相似性的数列，赫斯特指数才是常数。这意味着在形式上我们可以对任何系列进行计算，但只有具有自相似性的系列才能得到实质性的结论。
P.S. 这是两难问题的答案--对于条形图或刻度图，你必须计算赫斯特指数。事实证明，嘀嗒过程与伯努利过程的接近使其失去了自相似性的特性，至少对于小的N来说是如此。这意味着 "嘀 "Hurst比率的值不会给我们提供任何信息。
但 "酒吧 "赫斯特数字的信息化程度将由这个时间框架上的系列的自我相似性程度决定。
P.P.S. 我对Vita 的问题表示感谢，这些问题让我有理由对这个问题进行思考 :)
对于真实的工具，高-低/|开-关|比率
粗略地说，对于一个普通的蜡烛来说，每个影子都相当于身体的一半。对于SB来说，随着系列长度的增加，它似乎收敛为两个（根据Yurixx R/M的表2a）。虽然在低TF下，真实数据的偏差是很大的。这可能是由小数量的抽签解释的（如在小N的SB上），但例如在h1上应该是足够的。而在SB上恰恰相反，这个比例从底部到顶部接近一倍。