从理论到实践 - 页 117 1...110111112113114115116117118119120121122123124...1981 新评论 Vladimir 2018.01.05 00:25 #1161 СанСаныч Фоменко:年龄只在面对面的互动中重要，否则年龄就不重要了--只有本质。你在这里试图以天真的方式布置的一切都已经被开发、使用，并且有一个实践的概括。而且这一切都发展得非常好。1.你对概率密度的 核算--今天它是一个叫做Realized GARCH的芯片2.你对分布类型的考虑--t分布--有证据表明，在一些偏斜分布中，t分布是最合适的。3.你对模拟长时记忆的兴趣是模型的一个必要部分。而且有证据表明，如果Hurst指数与0.5相差至少10%，那么费心费力是有意义的：小于0.45--横盘，大于0.55--趋势模型。窗口的大小有问题，但与他们纯粹是技术上的困难：你的12000个观测值--纯粹是技术上难以动态维护。拿去吧，read....不考虑物理学和年龄。 谢谢你，SanSanych Fomenko ，提供了关于赫斯特指数的信息。这个指数是一个有趣的东西，它也与Aleksander_K2 方法紧密相连， 为了说明问题，我从所附文章 "Kirillov D.S., Korob O.V., Mitin N.A., Orlov Yu.N., Pleshakov R.V. 非平稳标记时间序列的Hurst指数分布//以M.V. Keldysh命名的IPM预印。2013. № 11.16 с.URL:http://library.keldysh.ru/preprint.asp?id=2013-11"。在这里，怎么不想起亚历山大通常的直方图标识的奥运会-80。在我看来，文章中的很多内容都与亚历山大强调的阶段性内容，或者说是他工作的主要内容很接近。以下是一些摘录。至于事件的通量，它具有明显的昼夜周期性。 加权平均分钟强度w(m)。 由公式（18）定义，如图所示。3.这个轮廓实际上是一个聚集单元（1分钟）期间的流量参数（m,1）。 对于所考虑的例子，每天的蜱虫数量从38K到93K不等，每天的平均值约为70K。从以前的 然后分析得出，一个典型的时间间隔，在这个时间间隔内，tick系列表现为准稳定，大约是1.5天。 因此，在不到一天的时间里，我们可以利用非平稳指标建立交易系统，而在超过 两天的样本将包含异质的数据，这将导致很大比例的错误的统计推论。 ...至于Hurst指数作为回归关系（7）中的一个系数的确定，一般来说，它不是很高。 对于一个小长度的窗口N，并随着其增加而增加。对于10,000ticks的窗口，平均测定值为0.35，但对于100,000ticks的窗口，平均测定值为0.35。 变成等于0,85。确定值的分布是单模态的，但不是正态的，其形式更类似于伽马分布。 就我而言，把文章中的赫斯特指数作为衡量程度的标准，对我帮助很大。 对于每个时间序列，其Hurst指数可以计算为归一化累积方差的对数与，样本长度的对数的回归系数。这种回归的确定将显示所研究的过程可以用Hurst过程来近似的准确性。 对Hurst指数H的传统解释是，在H=0.5的数值以上，累积范围的增长速度比 随机漫步，即系列更有可能在计算指数的长度样本中保持其变化趋势。 指标，如果H<0.5，那么趋势就更有可能逆转。因此，赫斯特的数字经常被用于金融市场分析中 因此，Hurst指数在金融市场分析中经常被用来估计趋势持续时间或估计移动平均线应计算的样本长度[3-4]。 在我的研究中（如https://www.mql5.com/ru/forum/221552/page73#comment_6203173），经常应用平方根定律，我还没有能力解释其适用性如此广泛，二流子的猜测https://www.mql5.com/ru/forum/221552/page77#comment_6208896，可以不考虑。现在，知道了指数0.5在外汇中的作用，我可以给出一个理由，说明为什么平方根定律经常是真的。让我提醒你，它是摆动特性与时间间隔的平方根的比例关系。我们的零售外汇并不以任何方式影响真正的银行间外汇市场。在导致这一结论的原因中，只需指出一点--在真正的外汇中没有所谓的 "平仓交易"。零售外汇是纯粹的投机行为，其上没有货币供应。因此，它为自己的需要实施自己的法律。间接的hrenfx(getch)写到了这一点，告诉人们如何报价以赢得（客户的）。正如我们所知，已经有几万或几十万的EA，其中一部分在平盘上获胜，另一部分在趋势上获胜。为了使这两种情况不致于获胜，在零售外汇上自动保持趋势和平坦的交替，即Hurst指数大约变化0.5。因此，平方根法则得以维持。 附加的文件： Orlov_2013_3.zip 391 kb From theory to practice 谬误，第 2 部分统计学是一门伪科学，亦或是一部记录艰难生计的编年史 在算法交易中 KOHONEN 神经网络的实际应用 第二部分优化和预测 Alexander_K2 2018.01.05 00:51 #1162 弗拉基米尔回来了！！。我对这一事件感到非常高兴!我在新年里向你问好，同时建议你阅读《Shelepins》（见附件）。在这些文章中，老Shelepin绝对清楚明白地描述了非马尔科夫过程的矩阵，而年轻的Shelepin，不明白爸爸写的是什么，把愚蠢的斐波那契数字代替了量化函数，这就结束了。 附加的文件： Alex.zip 2749 kb СанСаныч Фоменко 2018.01.05 08:54 #1163 Vladimir:至于作为回归关系（7）中的系数的Hurst数字的确定，一般来说，它被证明不是很高 对于长度为N的小窗口，随着其增加而增加。对于10,000ticks的窗口，平均测定值为0.35，但对于100,000ticks的窗口，平均测定值为0.35。 成为等于0.85。从你的例子来看，赫斯特首先是在侧面测量的，然后窗口被扩大，其中有一个趋势。那又怎样？关键是，任何分析（TA、统计或其他任何东西）都是废话，它就像一枚硬币：一面是反面，但当你把它翻过来时，它是空的。 那么，这样的硬币该怎么处理呢？多年来，我一直在推动一个看似明显的想法：只有当我们能够从中做出预测时，分析才是有趣的，如果分析具有预测能力，如果所确定的模式可以推断到未来。赫斯特有预测能力吗？我不知道，但我知道基于ARFIMA模型，允许时间序列的分数分化（Hurst）的模型是不可行的。这样的间接证据表明赫斯特没有预测能力。一枚硬币必须有两面：反面（分析）和正面（预测）。只有这样，它才有价值。 Vladimir 2018.01.05 09:14 #1164 СанСаныч Фоменко:从你的例子来看，赫斯特首先是在侧面测量的，然后窗口被扩大，其中有一个趋势。那又怎样？关键是，任何分析（TA、统计或其他任何东西）都是废话，它就像一枚硬币：一面是反面，但当你把它翻过来的时候，它是空的。而这枚硬币该怎么处理？一些年来，我一直在形式上推行一个看似明显的想法：只有当我们能够从中做出预测时，分析才是有趣的，如果分析具有预测能力，如果所确定的模式可以推断到未来。赫斯特有预测能力吗？我不知道，但我知道基于ARFIMA模型，允许时间序列的分数分化（Hurst）的模型是不可行的。这样的间接证据表明赫斯特没有预测能力。一枚硬币必须有两面：反面（分析）和正面（预测）。只有这样，它才有价值。我没有把我的话与引用的部分准确分开，对不起。这个例子不是我的，是来自一篇文章。但是，"这样的硬币该怎么用"，我希望从亚历山大得到的结果中找到答案。 СанСаныч Фоменко 2018.01.05 10:22 #1165 Vladimir:我没有把我的话与引用的部分准确分开，对不起。这个例子不是我的，是来自文章。而这是 "这枚硬币的去向"，我希望能从亚历山大得到的结果中找到答案。你是否分开它并不重要--我只是在陈述我的想法。为什么你认为在这里得到的结果可以证明什么？这就是整个问题所在!更重要的是，未来的证明不在测试者，不在演示或真实--所有这些结果都说：这就是原来的样子。而从这个 "过去 "来看，根本不可能有未来，而这个未来只是基于信仰和希望：未来将和过去一样。那么依据是什么呢？如果出于某种原因，我们不使用（非常广泛的）现有知识，那么与我们最喜欢的想法有关的第一个问题是：这个想法是否具有预测能力？如果有，为什么？ Vladimir 2018.01.05 11:16 #1166 СанСаныч Фоменко:为什么你认为在这里得到的结果可以证明什么？这就是整个问题所在!我说的是 "那枚硬币去哪里"，不知道为什么，是你开始担心证明的问题。不管是什么。 如果这是你真正想要的证明，我会同意你的观点--这确实是一个问题。这就是为什么我不做证明的工作。我在故事上有足够的验证。自然，通过我自己的充分手段。我不是在寻找任何其他证据。如果对观察到的模式至少有一个合理的解释，那是好事。 Denis Kirichenko 2018.01.05 11:22 #1167 СанСаныч Фоменко:...这就是整个问题所在!此外，未来的证明不在测试者身上，不在演示或真实中--所有这些结果都说：事情就是这样的。而从这个 "过去 "来看，根本不可能有未来，而这个未来只是基于信仰和希望：未来将和过去一样。那么依据是什么 呢？如果出于某种原因，我们不使用（非常广泛的）现有知识，那么与我们最喜欢的想法有关的第一个问题是：这个想法是否具有预测能力？如果有，为什么？ 在此我绝对同意桑桑尼茨的观点。这是一个基石问题。即使[计量经济学]模型选择正确，并通过了所有的测试和检查，也不能保证 市场在未来不会打破它。 Vladimir 2018.01.05 11:37 #1168 Dennis Kirichenko: 我完全同意SanSanych的观点。这是一个基石问题。即使[计量经济学]模型选择正确，并通过了所有的测试和检查，也不能保证 市场在未来不会打破它。例如，禁止跨境资金转移，发展中国家的破产，等等，等等。对这种情况没有任何保证。或者说，这里的人们难道没有经历过2015年几十家风险投资公司连同其客户的资金一起消失的情况吗？为什么我们要让一个复杂系统的一个组件比其他组件更可靠？ Alexander_K2 2018.01.05 12:30 #1169 Vladimir:我说的是 "那种硬币该往哪里去"，不知道为什么，是你开始担心证明的问题。不管它是什么。 如果你真的需要确切的证明，我会同意你的观点--这确实是一个问题。这就是为什么我不做证明的工作。我已经受够了对故事的检查。自然，通过我自己的充分手段。我不是在寻找任何其他证据。如果对观察到的模式至少有一个合理的解释，那是好事。趁着这个时候，没有交易，我将开始教导我尊敬的弗拉基米尔，因为他已经抓住了t的根源，不想再退缩。我告诉他要读Shelepin的文章，除了插入关于斐波那契数的内容（显然，是由他那不讲理的孩子强加给他的）--他不读。见第一部分第9页。 对于伪马尔科夫过程。方差S^2=c*t*l，其中。l - 跳跃的平均值t - 观察时间s - 时间t中的跳跃频率（ticks的数量）。我们所说的跳跃是指价格的刻度增量。我们有。S^2 = (N/t)*t*mean(|Ask(t)-Ask(t-1)|)= N*mean(|Ask(t)-Ask(t-1)|)S = sqrt(N*mean(|Ask(t)-Ask(t-1)|))，其中N是观察时间t中的tick数。现在，弗拉基米尔，你明白与你的t根的区别吗？顺便说一下，我刚刚描述了我的一个算法，该算法仍在开发中。 СанСаныч Фоменко 2018.01.05 12:31 #1170 Vladimir:例如，禁止跨境资金转移，发展中国家的破产，等等，等等。对这种情况没有任何保证。或者说，这里的人们难道没有经历过2015年几十家风险投资公司连同其客户的资金一起消失的情况吗？为什么一个复杂系统中的一个部件要比其他部件更可靠？你不一定要选岛内的DC。他们应该只以经纪银行为基础，并拥有欧洲的执照。而这种风险是可以被忽视的。除此以外，还有其他风险。但模式本身不稳定的风险却掌握在我们手中。我们只需要始终牢记这一点，并将我们的努力集中在解决这个问题上。这条线的作者随身带着一个分布，试图在交易中使用分布参数。那么什么分布统计是稳定的呢？而我们正在谈论的是T型分布。我刚刚看到了一篇关于峰度的文章。下面是窗口移动时的峰度曲线图一切都变了：坡度的数值和方向。这是为分发而设的。其他分布统计的图表也非常类似。而如果我们采取普通的线性回归，其系数的值将有大致相同的图形，此外，在置信区间 中，系数值的宽度倍数。ARMA, ARIMA, GARCH的类似图片这些问题应该得到处理，而不是遭受....。 1...110111112113114115116117118119120121122123124...1981 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
年龄只在面对面的互动中重要，否则年龄就不重要了--只有本质。
你在这里试图以天真的方式布置的一切都已经被开发、使用，并且有一个实践的概括。而且这一切都发展得非常好。
1.你对概率密度的 核算--今天它是一个叫做Realized GARCH的芯片
2.你对分布类型的考虑--t分布--有证据表明，在一些偏斜分布中，t分布是最合适的。
3.你对模拟长时记忆的兴趣是模型的一个必要部分。而且有证据表明，如果Hurst指数与0.5相差至少10%，那么费心费力是有意义的：小于0.45--横盘，大于0.55--趋势模型。
窗口的大小有问题，但与他们纯粹是技术上的困难：你的12000个观测值--纯粹是技术上难以动态维护。
拿去吧，read....不考虑物理学和年龄。
谢谢你，SanSanych Fomenko ，提供了关于赫斯特指数的信息。这个指数是一个有趣的东西，它也与Aleksander_K2 方法紧密相连， 为了说明问题，我从所附文章 "Kirillov D.S., Korob O.V., Mitin N.A., Orlov Yu.N., Pleshakov R.V. 非平稳标记时间序列的Hurst指数分布//以M.V. Keldysh命名的IPM预印。2013. № 11.16 с.URL:http://library.keldysh.ru/preprint.asp?id=2013-11"。
在这里，怎么不想起亚历山大通常的直方图标识的奥运会-80。在我看来，文章中的很多内容都与亚历山大强调的阶段性内容，或者说是他工作的主要内容很接近。以下是一些摘录。
至于事件的通量，它具有明显的昼夜周期性。 加权平均分钟强度w(m)。
由公式（18）定义，如图所示。3.这个轮廓实际上是一个聚集单元（1分钟）期间的流量参数（m,1）。
对于所考虑的例子，每天的蜱虫数量从38K到93K不等，每天的平均值约为70K。从以前的
然后分析得出，一个典型的时间间隔，在这个时间间隔内，tick系列表现为准稳定，大约是1.5天。
因此，在不到一天的时间里，我们可以利用非平稳指标建立交易系统，而在超过
两天的样本将包含异质的数据，这将导致很大比例的错误的统计推论。
...
至于Hurst指数作为回归关系（7）中的一个系数的确定，一般来说，它不是很高。
对于一个小长度的窗口N，并随着其增加而增加。对于10,000ticks的窗口，平均测定值为0.35，但对于100,000ticks的窗口，平均测定值为0.35。
变成等于0,85。确定值的分布是单模态的，但不是正态的，其形式更类似于伽马分布。
就我而言，把文章中的赫斯特指数作为衡量程度的标准，对我帮助很大。
对于每个时间序列，其Hurst指数可以计算为归一化累积方差的对数与
，样本长度的对数的回归系数。这种回归的确定将显示所研究的过程可以用Hurst过程来近似的准确性。
对Hurst指数H的传统解释是，在H=0.5的数值以上，累积范围的增长速度比
随机漫步，即系列更有可能在计算指数的长度样本中保持其变化趋势。
指标，如果H<0.5，那么趋势就更有可能逆转。因此，赫斯特的数字经常被用于金融市场分析中
因此，Hurst指数在金融市场分析中经常被用来估计趋势持续时间或估计移动平均线应计算的样本长度[3-4]。
在我的研究中（如https://www.mql5.com/ru/forum/221552/page73#comment_6203173），经常应用平方根定律，我还没有能力解释其适用性如此广泛，二流子的猜测https://www.mql5.com/ru/forum/221552/page77#comment_6208896，可以不考虑。现在，知道了指数0.5在外汇中的作用，我可以给出一个理由，说明为什么平方根定律经常是真的。让我提醒你，它是摆动特性与时间间隔的平方根的比例关系。
我们的零售外汇并不以任何方式影响真正的银行间外汇市场。在导致这一结论的原因中，只需指出一点--在真正的外汇中没有所谓的 "平仓交易"。零售外汇是纯粹的投机行为，其上没有货币供应。因此，它为自己的需要实施自己的法律。间接的hrenfx(getch)写到了这一点，告诉人们如何报价以赢得（客户的）。正如我们所知，已经有几万或几十万的EA，其中一部分在平盘上获胜，另一部分在趋势上获胜。为了使这两种情况不致于获胜，在零售外汇上自动保持趋势和平坦的交替，即Hurst指数大约变化0.5。因此，平方根法则得以维持。
弗拉基米尔回来了！！。我对这一事件感到非常高兴!我在新年里向你问好，同时建议你阅读《Shelepins》（见附件）。在这些文章中，老Shelepin绝对清楚明白地描述了非马尔科夫过程的矩阵，而年轻的Shelepin，不明白爸爸写的是什么，把愚蠢的斐波那契数字代替了量化函数，这就结束了。
至于作为回归关系（7）中的系数的Hurst数字的确定，一般来说，它被证明不是很高
对于长度为N的小窗口，随着其增加而增加。对于10,000ticks的窗口，平均测定值为0.35，但对于100,000ticks的窗口，平均测定值为0.35。
成为等于0.85。
从你的例子来看，赫斯特首先是在侧面测量的，然后窗口被扩大，其中有一个趋势。
那又怎样？
关键是，任何分析（TA、统计或其他任何东西）都是废话，它就像一枚硬币：一面是反面，但当你把它翻过来时，它是空的。 那么，这样的硬币该怎么处理呢？
多年来，我一直在推动一个看似明显的想法：只有当我们能够从中做出预测时，分析才是有趣的，如果分析具有预测能力，如果所确定的模式可以推断到未来。
赫斯特有预测能力吗？我不知道，但我知道基于ARFIMA模型，允许时间序列的分数分化（Hurst）的模型是不可行的。这样的间接证据表明赫斯特没有预测能力。
一枚硬币必须有两面：反面（分析）和正面（预测）。只有这样，它才有价值。
从你的例子来看，赫斯特首先是在侧面测量的，然后窗口被扩大，其中有一个趋势。
那又怎样？
关键是，任何分析（TA、统计或其他任何东西）都是废话，它就像一枚硬币：一面是反面，但当你把它翻过来的时候，它是空的。而这枚硬币该怎么处理？
一些年来，我一直在形式上推行一个看似明显的想法：只有当我们能够从中做出预测时，分析才是有趣的，如果分析具有预测能力，如果所确定的模式可以推断到未来。
赫斯特有预测能力吗？我不知道，但我知道基于ARFIMA模型，允许时间序列的分数分化（Hurst）的模型是不可行的。这样的间接证据表明赫斯特没有预测能力。
一枚硬币必须有两面：反面（分析）和正面（预测）。只有这样，它才有价值。
我没有把我的话与引用的部分准确分开，对不起。这个例子不是我的，是来自一篇文章。
但是，"这样的硬币该怎么用"，我希望从亚历山大得到的结果中找到答案。
我没有把我的话与引用的部分准确分开，对不起。这个例子不是我的，是来自文章。
而这是 "这枚硬币的去向"，我希望能从亚历山大得到的结果中找到答案。
你是否分开它并不重要--我只是在陈述我的想法。
为什么你认为在这里得到的结果可以证明什么？
这就是整个问题所在!
更重要的是，未来的证明不在测试者，不在演示或真实--所有这些结果都说：这就是原来的样子。而从这个 "过去 "来看，根本不可能有未来，而这个未来只是基于信仰和希望：未来将和过去一样。那么依据是什么呢？
如果出于某种原因，我们不使用（非常广泛的）现有知识，那么与我们最喜欢的想法有关的第一个问题是：这个想法是否具有预测能力？如果有，为什么？
为什么你认为在这里得到的结果可以证明什么？
这就是整个问题所在!
我说的是 "那枚硬币去哪里"，不知道为什么，是你开始担心证明的问题。不管是什么。
如果这是你真正想要的证明，我会同意你的观点--这确实是一个问题。这就是为什么我不做证明的工作。我在故事上有足够的验证。自然，通过我自己的充分手段。我不是在寻找任何其他证据。如果对观察到的模式至少有一个合理的解释，那是好事。
...这就是整个问题所在!
此外，未来的证明不在测试者身上，不在演示或真实中--所有这些结果都说：事情就是这样的。而从这个 "过去 "来看，根本不可能有未来，而这个未来只是基于信仰和希望：未来将和过去一样。那么依据是什么 呢？
如果出于某种原因，我们不使用（非常广泛的）现有知识，那么与我们最喜欢的想法有关的第一个问题是：这个想法是否具有预测能力？如果有，为什么？
我完全同意SanSanych的观点。这是一个基石问题。即使[计量经济学]模型选择正确，并通过了所有的测试和检查，也不能保证 市场在未来不会打破它。
例如，禁止跨境资金转移，发展中国家的破产，等等，等等。对这种情况没有任何保证。或者说，这里的人们难道没有经历过2015年几十家风险投资公司连同其客户的资金一起消失的情况吗？
为什么我们要让一个复杂系统的一个组件比其他组件更可靠？
我说的是 "那种硬币该往哪里去"，不知道为什么，是你开始担心证明的问题。不管它是什么。
如果你真的需要确切的证明，我会同意你的观点--这确实是一个问题。这就是为什么我不做证明的工作。我已经受够了对故事的检查。自然，通过我自己的充分手段。我不是在寻找任何其他证据。如果对观察到的模式至少有一个合理的解释，那是好事。
趁着这个时候，没有交易，我将开始教导我尊敬的弗拉基米尔，因为他已经抓住了t的根源，不想再退缩。
我告诉他要读Shelepin的文章，除了插入关于斐波那契数的内容（显然，是由他那不讲理的孩子强加给他的）--他不读。
见第一部分第9页。
对于伪马尔科夫过程。
方差S^2=c*t*l，其中。
l - 跳跃的平均值
t - 观察时间
s - 时间t中的跳跃频率（ticks的数量）。
我们所说的跳跃是指价格的刻度增量。
我们有。
S^2 = (N/t)*t*mean(|Ask(t)-Ask(t-1)|)= N*mean(|Ask(t)-Ask(t-1)|)
S = sqrt(N*mean(|Ask(t)-Ask(t-1)|))，其中N是观察时间t中的tick数。
现在，弗拉基米尔，你明白与你的t根的区别吗？
顺便说一下，我刚刚描述了我的一个算法，该算法仍在开发中。
例如，禁止跨境资金转移，发展中国家的破产，等等，等等。对这种情况没有任何保证。或者说，这里的人们难道没有经历过2015年几十家风险投资公司连同其客户的资金一起消失的情况吗？
为什么一个复杂系统中的一个部件要比其他部件更可靠？
你不一定要选岛内的DC。他们应该只以经纪银行为基础，并拥有欧洲的执照。而这种风险是可以被忽视的。
除此以外，还有其他风险。
但模式本身不稳定的风险却掌握在我们手中。我们只需要始终牢记这一点，并将我们的努力集中在解决这个问题上。
这条线的作者随身带着一个分布，试图在交易中使用分布参数。
那么什么分布统计是稳定的呢？而我们正在谈论的是T型分布。
我刚刚看到了一篇关于峰度的文章。
下面是窗口移动时的峰度曲线图
一切都变了：坡度的数值和方向。
这是为分发而设的。
其他分布统计的图表也非常类似。
而如果我们采取普通的线性回归，其系数的值将有大致相同的图形，此外，在置信区间 中，系数值的宽度倍数。
ARMA, ARIMA, GARCH的类似图片
这些问题应该得到处理，而不是遭受....。