Candid: Привести то он привёл, но на дальнейшем обсуждении это никак не сказалось - очень жаль, на мой взгляд, когда правильное определение, можно сказать, суть того, что изучается в вопросе самоподобия, никак не сказываетя, хотя бы на расчете самого коэффициента. У меня несколько другое "геометрическое" впечатление, а именно: для ряда размером 1 берётся линейка размером 1, для ряда размером 2 берётся линейка размером 2, и.т.д. - скорее всего, это не так, если под "другой размер ряда" имеется ввиду "другой ряд". Дело в том, что ряд остается неизменным.
法思沃斯 18.09.2010 22:08
具有几何相似性的例子有助于说明赫斯特作为自相似性系数的意义。例如，你可以对R/S分析给出一个几何解释--拿一个尺寸为1的尺子，用该尺子测量R/S，拿一个尺寸为2的尺子，重复测量。以此类推，只要是相关的。实际上，在这个过程中，分布的平等性得到了评估，自相似性系数得到了计算。
无论如何，我非常希望你，Candid， 给出你的几何解释，或者说，用图片告诉我，这样一个定义的几何意义是什么。
我个人认为，上述定义中的Hurst，即自相似性系数，已经被简化为用一把无限长的尺子对类似于R/S的特性进行一次测量。显然，根据这样的定义，没有无限归一化传播的系列，其Hurst系数为零。你有什么看法？
当然，从一个刚刚试图将讨论带入几何学之外的人那里寻求帮助是不太符合逻辑的:)。
恐怕要让你失望了，但我无法提供任何几何学解释，除了在文献中发现的丰富的R/S图。我认为，从它们可以看出，赫斯特的数字只能是一个边缘性的特征。
一般来说，我从未将自己定位为R/S分析的专家，相反，我长期以来反复声明，由于计算上的 "沉重"，因而任何代表性测试的不现实（至少对我个人而言），我总是忽视它。所以我建议你不要试图在我的解释中看到专利真理。我又不是在针对你个人。
至于问题，不是对同一过程的分析结果解释的错误（这种草率的结论亲切地 faa1947 示--通过删除每第二个观察，要求保持单位的周期），而是在随机序列之和 的移动平均的周期性的事实。
这使我无法理解报价过程本身以及由此产生的价格轨迹。
如果所谓的商的几何游走是一系列随机过程的结果（通过DC滤波和塔夫拉的粗略离散化来平滑），那么这与一些流行的模型的均匀分布（最终是高斯）是如何一致的？
顺便说一下，"很长一段时间 "的 "趋势-波浪-噪音 "模型在外汇方面并不成立--根据定义，这里不可能有趋势。
黄金、石油、糖--那里需要一个趋势。为了估计通货膨胀...
;)
正如我 "认为 "的那样，周期性的事实正是我写的。偏压的积分特性有轻微的差异。事实上，正在对同一个样本进行评估，很明显，它与自己有很好的相关性，并将出现prevdo周期。
至于报价过程--我也不知道它是什么。唯一的问题是--我在建模时找到了一个很好的近似值。
许多人试图将相似性仅仅解释为几何上的相似性，其顽强程度确实令人惊讶。尽管给出了完全具体的相似性例子，但我指的是高-低与|闭-开|的统计比率。这就是真正的相似性。顺便说一句，尤里，你在ZZ上的例子可能更好，但它似乎来自个人账户，所以我不把它带到这里。
另一个令人难以理解的固执的例子是要求在实际行中存在理想分形。顺便说一句，也许这些图案只是 "几乎不受干扰 "的分形发展的片段。当然，这不可能持续很久。
我也不认为将分钟与天相比较是正确的。例如，我在欧元分钟上有近400万条。而在我有3316的日子里。我只是确信我可以在分钟历史上找到相当多的非常类似的点。
即使是最近与回撤分布的离题，实际上也根本不是离题，而是一个真正相似的例子。价格涨了100点，回滚了23%，然后又涨了50点（共150点），又回滚了23%--这不是很相似吗？
我建议不要再考虑 "这里真实的树与分形的树不同，因此我们不需要关于分形的科学 "这样的论点。
在我看来，周期性的事实正是我所写的东西。在抵消时，积分特性的轻微差异。事实上，正在对同一个样本进行评估，很明显，它与自己有很好的相关性，并将出现prevdo周期。
所以在斯鲁茨基的队伍是独立的，对吗？还是我混淆了什么？
至于报价过程--我也不知道它是什么。 唯一的问题是--我在其建模中找到了一个很好的近似值。
也许这也是另一个魅力所在......事实上，如果没有一个过程的模型（包括使用的分布），到目前为止，我还无法证明或反驳任何东西。
事实证明如此--对统计数字的钦佩。而且甚至在演示或测试器中也没有。在Matlab中...:о)
我希望自己是错的。
;)
我真诚地祝愿你好运。
换句话说，"经典 "一直告诉我们的经典定义，画出他们的雪花和东西--我们没有看到这一切，在数字的层面。相反，我们有 "统计学上的高-低和|闭-开|比率" - 这可以用传统的布朗运动来解释。而23%的回撤--对我个人来说是不可理解的。好吧，我就不多说了。
所以在斯鲁茨基的队伍是独立的，对吗？还是我混淆了什么？
如果我没记错的话，你写的是斯鲁茨基效应。至少它是这么说的，在 "问 "的意义上。其效果是，在汇总的数据上出现了强烈的相关性和伪循环，特别是在移动平均线 上。这些 "依赖性 "甚至出现在汇总的随机系列数据上，而原则上它们不应该出现。我是被问到这个问题的。我给出了自己的解释。
也许这也是另一种魅力......事实上，到目前为止，如果没有一个过程的模型（包括使用的分布），就不可能证明或反驳什么。
我已经写了我使用的是什么模型的过程。这对现实来说是很充分的。还有 "牛市"/"熊市 "的废话等等，我都不相信。这甚至不是迷恋--而是胡说八道。
事实证明如此--欣赏统计数字。而且不是在演示中，也不是在面糊中。
我正在写一份问题清单。但你为什么要读它呢？请勿打扰!你最好进入它，因为你最好写出那些关于钦佩的废话，扮演一个他妈的心理学家的角色 :o)
在Matlab中...:о)
综上所述，在MT的状态将是一样的，不要担心。此外，我正在不知疲倦地 "练习":o)
。
我希望自己是错的。
如果你真的想，欢迎你说错，我不反对 :o)
我真诚地祝愿你好运。
真正令人惊讶的是，许多人坚持不懈地试图将相似性仅仅解释为几何上的相似性。
我把相似性解释为形成对象的模型和起始条件的相似性。
这根本不是它的写法，而且对它的理解也有些不同。ARPSS本质上是一个带有协方差矩阵校正的AR模型。有一些组件可以扩展ARPSS--你可以包括一个趋势模型（！），一个细分模型（！），很多东西。你在说什么呢？你认为我对它一无所知吗？我写的是别的东西--我没有把这些模型直接应用于报价。这毫无意义。我在写关于使用具有随机结构的随机系统。就是这样--你在争论什么？你可以在报价单上应用它们？ARPSS的报价？祝贺你!
在这种情况下，是数学不起作用--没有一个必要条件被满足。嗯，是的，资格--谁在争论这个问题。
谁推理的？有什么成果可以分享？就在这里：https://forum.mql4.com/ru/34527/page27 给出了以点为单位的测试结果，到目前为止，在MathCAD中，150天内有25次交易。也是在在线系统测试的分支--做了一些预测。
PS：如果你能将ARPSS应用于报价并正确识别过程--展示你的技能。
你很有侵略性。我从不争论。谢谢你关于我的帖子。
你很有侵略性。我从不争论。谢谢你关于我的帖子。
Candid:
Привести то он привёл, но на дальнейшем обсуждении это никак не сказалось - очень жаль, на мой взгляд, когда правильное определение, можно сказать, суть того, что изучается в вопросе самоподобия, никак не сказываетя, хотя бы на расчете самого коэффициента. У меня несколько другое "геометрическое" впечатление, а именно: для ряда размером 1 берётся линейка размером 1, для ряда размером 2 берётся линейка размером 2, и.т.д. - скорее всего, это не так, если под "другой размер ряда" имеется ввиду "другой ряд". Дело в том, что ряд остается неизменным.
有一种几何学解释--海岸线长度。我们总是测量同一行，同一海岸线。有趣的是，随着我们提高尺子的精确度，我们得到的海岸线长度越来越多。你明白如果我们只用一把任何长度的尺子测量，更不用说无限长的尺子了，那么海岸线的自相似性估计会有多粗略吗？需要用不同长度的尺子对同一海岸线（行）进行所有这些测量，以提高估算的准确性。如果在每个比例级别上都有相似性，那么所有的点都将位于同一条直线上。