Lieber Besucher, herzlich willkommen bei: INVESTOX-Forum. Falls dies Ihr erster Besuch auf dieser Seite ist, lesen Sie sich bitte die Hilfe durch. Dort wird Ihnen die Bedienung dieser Seite näher erläutert. Darüber hinaus sollten Sie sich registrieren, um alle Funktionen dieser Seite nutzen zu können. Benutzen Sie das Registrierungsformular, um sich zu registrieren oder informieren Sie sich ausführlich über den Registrierungsvorgang. Falls Sie sich bereits zu einem früheren Zeitpunkt registriert haben, können Sie sich hier anmelden.
Zitat
Liefert eine Schätzung dafür, ob eine Zeitreihe gerade eher einen Trend oder Antitrend ausbildet oder aber sich als Zufallsprozess ausprägt
Der Hurst-Exponent schwankt im Bereich von 0 bis 1. Ein Wert von 0,5 zeigt den höchsten Grad an Zufälligkeit der Zeitreihe an. Je stärker der Wert gegen 1 läuft, desto stärker ist das Trendverhalten der Zeitreihe, die Zeitreihe neigt also zu einem gleich bleibenden Verhalten. Je stärker der Wert umgekehrt gegen 0 läuft, desto stärker ist ein Anti-Trendverhalten ausgeprägt (nach steigenden folgen eher fallende Werte und umgekehrt).
Die Schätzung des Hurst-Exponenten erfolgt derart, dass von Zeitfenstern verschiedener Größe jeweils eine so genannte „rescaled range“ berechnet wird. In die sich ergebenden Werte wird eine lineare Regression gelegt, deren Steigung den Hurst-Exponenten ergibt. Diese Berechnung wird für jede Periode der Zeitreihe durchgeführt, so dass sich ein fortlaufendes Bild der Entwicklung des Hurst Exponenten bietet.
Das Ergebnis hängt maßgeblich davon ab, welche Größe die Zeitfenster verwenden (im Indikator einstellbar). Je größer das größte Zeitfenster, desto längerfristig ist die Aussage. Der Indikator sollte mit stationären Daten eingesetzt werden, also Daten, deren Wertebereich sich im Untersuchungszeitraum nicht ändert (zum Beispiel mit der ROC von Kursen anstatt mit deren Absolutwerten).
nrwrules
unregistriert
Eventuell sieht das in größeren Formelketten oder anderen Zusammenhängen wieder anders aus,
Mit zunehmendem H @ 1 steigt das persistente Verhalten der Zeitreihe.
Danach werden die Daten individuell für jeden Input und für den Output skaliert, d.h. in einen für das Neuronale Netz sinnvoll zu verarbeitenden Wertebereich projiziert.
Normalisierung transferiert Werte in stationäre Bereiche.
Man sollte in dem Fall versuchen diese Berechnung im Vorfeld zu normalisieren-d.h in einen stationären Wertbereich transferieren!
Folge ist, das entweder weniger Trades-oder überhaupt keine mehr genereiert werden wenn die Abweichung zu heftig wird! Die Qualität der Signale wird ebenfalls gemindert!
nrwrules
unregistriert
Wikipedia hilft häufig weiterAlso kein Delphi sondern eine simple Transformation! Von Delphi hab ich keine Ahnung- verdient man damit was an der Börse?