for (i=Bars-1;i>0;i--) {
double res = Close[i]-Open[i];
if (res < 0) res = -res;
SumCO += res;
SumHL += High[i]-Low[i];
}
if (SumCO != 0) Alert("Для ",Symbol()," на интервале от ",TimeToStr(Time[Bars-1])," до ",TimeToStr(Time[0])," среднее (H-L)/(C-O) = ",DoubleToStr(SumHL/SumCO,8));
你看，即使我把一个不等于1的系数放在tf=H1上，并以某种方式为欧元确定它，也不意味着对英镑和其他TF上的系数会是一样的。而且，这并不有趣。这就像分别处理每一对的尺度。如果是这样，我们可以用数量来工作。
那么，我们可以用老办法考虑Hurst，作为回归的斜率，那么这个系数就不重要了。事实上，你并不受标准TFs的约束，所以找到回归的点不是问题。
P.S. 这不是笑，是一种微笑。在一些怀疑主义的意义上。虽然，也许我错了，论坛用户可以轻松解决这个问题。
我已经用一个简单的脚本计算了150万分钟条形图的（高-低）/（收-开）比率。
对于澳元兑美元，从2005.11.02 07:49到2010.08.20 22:59，平均（H-L）/（C-O）=1.65539495。
对于USDJPY，从2006.04.11 20:21到2010.08.20 22:59，平均（H-L）/（C-O）=1.72965927。
在2006.01.24 04:23至2010.08.20 22:59的区间内，美元兑瑞郎的平均（H-L）/（C-O）=1.69927897。
对于美元兑加元，从2005.05.19 13:31到2010.08.20 22:59之间的平均（H-L）/（C-O）=1.62680742。
在2006.02.21 23:31至2010.08.20 22:59的区间内，英镑兑美元的平均（H-L）/（C-O）=1.65294349。
对于欧元兑美元，从2006.03.08 13:41到2010.08.20 22:59，平均（H-L）/（C-O）=1.69371256。
这并不是一个很大的差距。虽然我希望它能更小。
顺便说一下，如果这个比率的局部值可以帮助区分趋势和平坦，那就很有意思了。至少必须检测到冲动。
(高-低)/(闭-开) ?
对不起，该模块是否丢失？
让我解释一下这个方法。
这当然是一种有趣的方法。而且，据推测，在作者的手中，它是有效的。
但所有这些指标都继续保留其时间设置。据我所知，这是由品味决定的。
也就是说，如果我们在这里寻找客观的指标，应该是为这些参数选择数值的标准才是讨论的主题。
同时，这也正是彼得从未提及的。也可能是我错过了。
而且听起来会很有趣。
(高-低)/(闭-开) ?
对不起，该模块是否丢失？
该模块不会丢失
我用一个简单的脚本计算了150万分钟条形图的比率（高-低）/（收-开）。
而这个比例在意义上能意味着什么？根据定义，这个比率必须大于1。此外，它不能太高，因为价格（几乎总是）以终端速度移动。显然，有一个介于两者之间的平均值。而且，它不应该因工具而有太大的不同--市场机制在任何地方都是一样的。如果你在条形图内画出分布（Close-Open）（没有模块），我们很可能会得到一个均匀分布。而这将是对该值是纯随机的最好确认。
也许我有不明白的地方，但我早已不再关注作为统计数据来源的收盘和开盘。首先，它们的数值纯粹是随机的（与相应分钟的数据集有关），其次，它们完全取决于计时的开始，这并不是好事。将起点移动几秒，这些数值就会改变。但 "高 "和 "低 "这一对则是另一回事。这个配对定义了价格移动的走廊。当然，如果不在一个酒吧内演奏，这也是必不可少的。但如果我们这样做，那么我们所有的指标方法都是不相关的。此外，这对货币设定了价差和波动率。IMHO，非常重要的特征，我们只需要学会使用。
这种态度在意义上可能意味着什么？
所以，关于赫斯特指标，有很多问题没有得到解答。我没有想到要这样做，但尼古拉（Candid）的批评、问题和评论，我非常感谢他，使我相信应该以一种真正的方式来处理它。如果没有这一点，上面提出的计算赫斯特指数的公式似乎只是简单地取自天花板。
也有必要对这样的观察作出回应（包括我自己）。
但到目前为止，还没有足够的理由将这个数值的绝对值与赫斯特的 "校准 "进行比较。也就是说，认为在0.5的时候，这个系列是随机的，高于它是趋势的，低于它是递归的。
对于这种特性，你需要自己进行校准。
我不会描述审判的细节，我只想告诉你我得出的结论。
我将谈论一系列的随机数（SR），这是一个刻度流的模型：每一个刻度给出+/-1点的价格变化。当然，这个模型是非常近似的，但我们面对的不是市场，而是赫斯特。而且，首先，我们需要处理的是等概率流，即纯SB，这时抽头+1和-1的概率各等于50%。这也将提供尼古拉提到的校准。
Hurst指数的计算是基于平均范围，即区间内最高和最低价格 之间的差异。除了这个值之外，还有两个非常相关的值--增量的平均模数和增量的分散度。这三人都参与了这项研究。下面使用的名称如下。
N 是区间上的刻度数。一个区间的第一个点（初始价格值）是上一个区间的最后一个点，不包括在当前区间内。因此，该区间内的价格变化数量等于其刻度数。
K- 统计中的区间数。
R- 按K 间隔的平均价格差。
M- 按K 间隔的平均增量模数。
D--增量的K 间隔的分散性。
一个区间的价格增量是一个容易用分析形式表示的方便数值，等于该区间的最终价格和初始价格之间的差异。因此，M和D ，可以毫无问题地计算。随着R 的传播，事情要复杂得多。由于区间内的最小 ，最大 价格可以在任何一点达到，所以价差取决于整个价格路径，根本无法用分析形式表达。换句话说，不可能得到一个一般的公式（正如尼古拉阴险地问道）。
尽管如此，研究SB的Hurst指数的行为的任务已经确定，因此我们必须获得准确的结果，而不是局限于近似的实验。
在这种情况下，除了根据价差的定义，"正面 "计算其数值外，没有什么可做的。
为此，我不得不写一个脚本，对于区间内给定的点数N，构建所有可能的价格轨迹。由于所有这些轨迹对SB来说都是同样可能的，因此还需要确定每个轨迹的分布，并计算所有轨迹的平均值。这将是它的 "理论 "价值，或简称为MO。显然，长度为N 的区间所有可能的价格轨迹的总数是2^N。根据同样的规律，脚本的计数时间和内存消耗也会增长。因此，只有在N 值较小的区域，才有可能计算出MO的扩散。平均模数和增量方差的计算是为了保证画面的完整性和间接检查计算的正确性。
对于有关的SB来说，有一个简单的公式，它将增量的方差D 与刻度数N 联系起来。
D=N 。
显然，赫斯特在制定他的平均方差公式时，依靠的就是这个理论结果。
该表显示，获得的D 值与该公式完全一致。这意味着生成整套价格轨迹的算法和计算平均数的算术都写得很正确。区间内最大 和最小 价格的计算以及它们之间的差异是如此简单，以至于错误概率接近于零。
现在我们有了可以比较的东西，我们可以看看赫斯特指数 对于具有不同数值的区间N 的SB来说是如何表现的。
让我提醒你，赫斯特比率的计算公式是由其作者定义的。
H=（对数（R2）-对数（R1））/（对数（N2）-对数（N1））。
两点计算方案是由于需要摆脱Hurst公式中存在的未知因素。
为了简化计算，使之更加清晰，并使研究范围最大化，区间N 的刻度数也以2的幂数变化。也就是说，采取了N=2^n。H 的公式中的对数的基数并不起作用。因此假定它是2，所以Log(N )=n。
计算算法如下。
结果见表。
(不幸的是，我没能粘贴整个表格--编辑器不接受这么大的文本）。我不得不把它分成2个表格，为方便起见，保存了前两列。第一个将被称为2a，而第二个将被称为2b)。