基于我刚才所说的，不同级别的H型波动率的差异是非常正常的，反映了在这些级别上发生的不同过程。只有对于一个纯粹的、完全静止的 SB 来说，在所有水平上都应该有一个 H 波动率的值。顺便说一下，这就是H型波动率和Hurst之间的区别：它可以而且非常容易在本地测量。而赫斯特是一个全局性的过程特征。这不是因为它是如此陡峭，而是因为它是这样一条曲线--它的定义和测量程序不允许获得局部数值，因此不可能在不同层次上测量它。但是，无论谁能将其本地化，或提出另一个更实用的特征，都能做到这一点，并看到对于有记忆的非稳态过程，在不同层次上会有所不同。
我希望我听到了关于流动父性法 的评论。
我希望能得到法思沃斯 候选人 尤里克斯-阿瓦尔斯（和/或）的意见。
我希望我听到了关于溢出式父爱法 的评论。
我希望能得到法思沃斯 候选人 尤里克斯-阿瓦尔斯（和/或）的意见。
研究的模型：
M{|x(t+delta)-x(t)|^2}~|delta|^2H(t)
H(t) - 假定功率指数的时间依赖性
计划调查：
系统：图片显示了研究的步骤顺序，同时也是对系统的初步了解：
A0。"使过程静止"：获得一个静止系列的家族，其特征接近于：
- 正态分布
- 移位时保留了ACF属性
(可能有信息损失)A1. "家族自相似性估计 "选择接近Hss和Hsssi过程的系列。估算奇异谱，获得广义的Hurst指数
B1. "概率密度 的估计"。 这是类似于https://forum.mql4.com/ru/6100/page31，我附上一张图片，比较明显（这是一个很长的故事）。
A2. "对可能的发展的估计"。我假设这个领域一定与 "自相似性 "有关。也就是说，突出的H过程必须以某种方式与概率密度有关。也可能不是。
A3. "寻找最可能的结构"--在挑出最可能的H过程后，我们可以转而挑出这些结构--模式（如果它们存在的话）。
A4. "动态特征的估计"：有一个作为系统演变的历史，由过程中的每个组成部分。在进化过程中，有过去就有未来，因此有可能估计转移函数。而在这里，作为一种选择，卡尔曼滤波器或贝叶斯滤波器也可以提供帮助。并作为结果得到相位状态和模型参数的概率估计（如果它们是参数化的）。
PS：同事们--这只是第一种近似的说法，如果有不清楚的地方，问了也没多大用--我自己还不明白。:о)
至少因为你在 "分钟 "和 "天 "上的交易方式不同。它们是完全不同的东西。
如果你从基本的角度来看，市场上的全球进程和 "高频 "进程是不同的，而且有不同的资本集团参与。这就是为什么关于自相似性的唯一论点，即不同时间框架上的图表的相似性，似乎是无用的。这就是它，简而言之。
试图通过蜡烛图样的巧合或重复来判断自相似性，我认为是大大的过度简化了。没有任何理由可言。在我看来，更大程度的简化是通过交易结果来判断。据说，图表的相似性是为了向没有听说过分形的初学者解释市场的自相似性。
自相似性首先包括现象的各个层面的结构相似性。构成分形结构的那些层次。然而，这也是许多人的基本错误，相似性并不来自于同一性。相似性不是平等。因此，在每个分形层面上，都可以发展出不同的过程。难道你不知道不同层次的趋势（粗略的近似 - 在不同的tf）可以指向不同的方向？或者一个层次的趋势可能与另一个层次的平坦相吻合？
另外，如果我们考虑根据Pastukhov的统计，我们可以看到，N-波动率随着N的增加而变化，即使不是很明显，但我们可以看到趋势。
基于我刚才所说的，不同级别的H型波动率的差异是非常正常的，反映了在这些级别上发生的不同过程。只有对于一个纯粹的、完全静止的 SB 来说，在所有水平上都应该有一个 H 波动率的值。顺便说一下，这就是H型波动率和Hurst之间的区别：它可以而且非常容易在本地测量。而赫斯特是一个全局性的过程特征。这不是因为它是如此陡峭，而是因为它是这样一条曲线--它的定义和测量程序不允许获得局部数值，因此不可能在不同层次上测量它。但是，无论谁能将其本地化，或提出另一个更实用的特征，都能做到这一点，并看到对于有记忆的非稳态过程，在不同层次上会有所不同。
一系列报价的自相似性并不是说H波或其他什么东西总是一样的，而是说它的定义、计算方法和意义在各个层面都是一样的。而数量衡量的差异只是国家的一个结果。
回到Hyo，在互联网上的各种研究中，我们也可以注意到，对数图并没有形成严格的直线，因为它们在自相似性上应该是这样。这也是一个不利于分形理论的结果。
显然，你已经错过了这个混乱的源头。在第5-6页，有我的几个帖子，其中我阐述了我对赫斯特在SB的行为的研究结果。理论上，它应该等于0.5。然而，在实践中，事实证明并非如此。这些结果并非原创。所有这一切早已被科学界研究过，并深有体会。甚至维基百科也给出了赫斯特的定义，这将告诉细心的读者一切--赫斯特特征是边缘性的。因此，对于小数值的区间，其数值与我们希望看到的不同。这也是为什么其定义的程序如此沉重（否则我们怎么能达到渐近线？）这就是为什么它在实践中的应用没有什么效果。 而赫斯特的哈皮，与直线不同，也在第6页给出。而对这些结果的解释也是如此。
但这些都是赫斯特的问题。你想要一条直线，就用增量的差异来工作。但这与自相似性有什么关系。那么，你为什么要划掉一个巨大的现象，只是因为那里的一些曲线不是一个恒定的值？而在自相似性的同时，你也放弃了分形的理论。这是否足够？
由此可见，你需要同时分析不同TFs上的模式。这与 "三屏法 "不同，后者只给出离散的信号。流动模式的方法（好吧，我的方法终于有了名字）在时间上给出了连续的（在所研究的BP上尽可能小的离散化）信号。
方向的大意并不令人反感。但这是一个非常陡峭的方案。这将不容易实现，因为对模式没有正式的定义，另一方面，相同的模式可以由不同数量的点组成。
如果提出一个替代的（和有效的）方法，不使用相关性作为模式相似性的衡量标准可能是有趣的。没有它，拒绝相关性可能会导致死胡同。
在我看来，应该在更广泛的意义上看待 "教父 "一词。我将尝试给出我对教父的定义。
一个PATTERN被分为 "因果PATTERN "和 "调查PATTERN"。BP段可以包括不同数量的基本（不可分割的）时间段（条形/类型），同时形成相同的图案。同样的父本的形状可以有很大的不同。最接近的比喻是几何图形--多边形。因此，无论三角形的边如何改变，它仍然是一个三角形，不包括退化的情况。
不同的TFs形成它们自己的特征模式。它不是自相似性或分形性。模式一直在形成，存在于BP的每一个不可分割的部分。
有点总结性，但我没有别的定义，只是我坚持的原则。在我看来，我所定义的 "板牙 "不能用相关和其他统计方法来研究，而且一般来说，不可能用分析的方法得出特征板牙的公式，因为它们不断出现和消失，相互流动，在这一点上，正如我所说，在每个TF中，它们的板牙是不同的，不相互依存。不同TF中的PATTERN的不同组合给出了不同但特定时刻的调查性PATTERN。它就像万花筒或雪花图案，虽然图案无限多，但排除了 "不可能 "图案的出现。也就是说，除了 "模式 "的集合，还有一些其他的集合。
从这一切可以看出，有必要同时分析不同TF上的Paterns。它与 "三屏法 "不同，后者只给出离散的信号。流动模式的方法（好吧，我的方法终于有了名字）在时间上给出了连续的（在所研究的BP上尽可能小的离散化）信号。
也许，这个分支的主要专家会发现我的考虑是有用的，也许他们会把我引向一些有用的方向。我饶有兴趣地观察这个分支的社会思想的发展，但在我看来，赫斯特和类似的估计方法是一个死胡同，但这是我的IMHO。
有点类似的想法。
如果使用MathCAD、MQL或C++，其实并不重要。它最终必须以某种方式正式化。我已经调查了模式，我也在过去/未来的框架中调查了ZZ，但没有结果，没有联系。根本就没有。赫斯特的0.5解释了一切。
笑话就是笑话，但一个我熟悉的瑜伽师，对我与磨难和魔鬼的战争傻笑着--我甚至赢了一场赌局。当然，打赌的条件在统计学上是不可靠的，但作为一个 "事实"。她蜷缩在莲花里（我还不能），从运动学上确定了进入/退出。使用了一个变体--潜意识中的'肌肉测试'。简单解释一下--某块 "盘踞 "的手臂肌肉被置于恍惚状态，有一系列的 "校准 "问题（不是针对大脑），如 "你的名字是瓦西亚？"，对正确的问题/答案--反应。首先--培训/辅导，然后是测试。
所研究的模式。
M{|x(t+delta)-x(t)|^2}~|delta|^2H(t)
H(t) - 假设有一个随时间变化的功率因素
我希望我听到了关于流动父性法 的评论。
我曾希望能得到法恩斯沃斯 候选人 尤里克斯 -阿瓦尔斯（和/或）的意见。
我把它当作是一种介绍。这很奇怪，一些共鸣产生了，一些东西落入了空洞（在缺乏联想的意义上）。
但介绍之后应该是正文:)。
将模式划分为因果关系本身与我的观点完全一致--只是在这种情况下，它们值得单独的标题和单独的考虑。脱离相似性、相关性和其他活体解剖学工具，反而表明在思想发展的相当早期的阶段，那时除了感觉到你已经清楚地掌握了一些东西和非常一般的想象之外，几乎什么都没有。
总的来说，我比较喜欢这个用大笔画出来的新世界，但我想了解它与现实有什么关系。
我希望我听到了关于溢出式父爱法 的评论。
我曾希望能得到法恩斯沃斯 候选人 尤里克斯 -阿瓦尔斯（和/或）的意见。
Imha，一个模式或不同框架的模式组合只有在一定的背景下才有意义--市场阶段。一个模式不是移动的原因，而只是一个可能的过渡迹象。背景可能相当不同。例如，如尼奥从蜘蛛那里描述的制裁。或经济周期，如阿尔-韦斯。顺便说一下，他的方法更接近于你对多层次模式及其综合分析的思考。
虽然我使用技术分析来做交易决策，但我的方法与本组中大多数其他交易者的方法有一些重要的区别.首先，我认为很少有技术交易者的研究会超过三十年，更不用说一百年或更久了。第二，我并不总是以同样的方式来解释同一个刻板印象的人物。我还考虑到了我们处于长期经济周期的哪一部分。 仅仅这一点就会导致我从图表中得出的结论与那些没有得出结论的交易者之间存在非常大的差异。最后，我认为经典图形（头肩形、三角形等）不仅是独立的形态。相反，我试图寻找某些数字的组合，或者换句话说，数字中的数字。这些更复杂的多位数组合可以为成功概率更高的交易提供信号。
D.Schwager "新市场奇才"。
在任何情况下--原因和后果都在图表之外。这些都是真实的经济过程，例如，像投机泡沫的通货膨胀和通货紧缩。模式可以显示出时间上的阶段性变化，帮助你适应这个过程。