От теории к практике - страница 70
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Давайте представим себе черный ящик (внутри трейдеры и рыночная площадка -биржа) без внешних воздействий, и живущий некой самостоятельной жизнью - выход ящика: некий поток котировок. Даже без внешних воздействий он будет как-то изменяться.
Теперь пусть на этот ЧЯ приходят случайные (для наблюдателя) дельта-функции различного знака и интенсивности (новости, например). ЧЯ начинает как-то реагировать и мы наблюдаем не сами воздействия, а отклик ЧЯ на них + самостоятельную жизнь самого ЧЯ.
Память налицо, но на выходе мы имеем суперпозицию реакции на множество событий и собственной жизни ЧЯ. Даже в случае просто системы управления (САУ) задача разделения где что не оч решаема.
Ну в принципе я давно уже такую модель построил, вопрос в другом, как в приращениях отобразить проэкцию уровней?
Ну в принципе я давно уже такую модель построил, вопрос в другом, как в приращениях отобразить проэкцию уровней?
Имхо, никак.
Сама площадка, структурно это не более чем интегратор. Дифференцируя мы получаем чисто реакцию множеств трейдеров на воздействие. В смысле фильтрации, дифференцирование - это подъем ВЧ составляющей и подавление НЧ, т.е., после дифференцирования мы только шум вокруг нуля и видим.
ЗЫ чтобы что-то выделить, нам надо опять интегрировать.)
Давайте представим себе черный ящик (внутри трейдеры и рыночная площадка -биржа) без внешних воздействий, и живущий некой самостоятельной жизнью - выход ящика: некий поток котировок. Даже без внешних воздействий он будет как-то изменяться.
Теперь пусть на этот ЧЯ приходят случайные (для наблюдателя) дельта-функции различного знака и интенсивности (новости, например). ЧЯ начинает как-то реагировать и мы наблюдаем не сами воздействия, а отклик ЧЯ на них + самостоятельную жизнь самого ЧЯ.
Память налицо, но на выходе мы имеем суперпозицию реакции на множество событий и собственной жизни ЧЯ. Даже в случае просто системы управления (САУ) задача разделения где что не оч решаема.
А как же мои 36 валютных пар? Это какой же нужен суперкомпьютер, чтобы на таких потоках торговать на них одновременно? Расстроился я что-то...
Жаль... Жаль, что нам так и не удалось послушать начальника транспортного цеха. (с)
А кто здесь удаляет чужие посты и зачем? Ну ладно, мне не сложно еще раз:
Александр_К2, а что там с распределением модифицированного ряда? Минутное же дело посчитать.
Правильно ли я посчитал СКО?
Вот формула:
Вот результат в экселе:
СКО Вы подсчитали правильно. Однако посмотрите, сколько будет при n=1. И засомневаетесь, что за глупость такая. Название "n - объем статистической совокупности" весьма расплывчатое, обычно пишут, что n - число элементов в выборке. Тогда СКО по этой формуле подсчитать невозможно, если элемент один. Поэтому квадрат СКО называется "смещенной" оценкой дисперсии. Есть еще несмещенная, в ней вместо n в знаменателе стоит n1-1. Корень квадратный из несмещенной оценки дисперсии называют стандартным отклонением.
Природа этого конфликта в том, что у одного элемента есть одна степень свободы. Если из малого числа данных определять много-много характеристик, они становятся зависимы друг от друга. В данном случае в подсчет СКО входит среднее арифметическое. Так сказать, одна степень свободы уже использована. "Странное" поведение знаменателя у стандартного отклонения как раз и говорит о том, что из одного элемента определять и среднее, и разброс нельзя. Видно, что СКО всегда больше стандартного отклонения. В [n/(n-1)]^0.5 раз. Однако при большом числе элементов в выборке об этом можно и забыть, немного ведь. При n=100 это (100/99)^0.5=1.005, подумаешь, полпроцента. Тем более, если мы точно знаем, что СКО устойчиво стремится к какому-то значению.
Вот здесь начинаются фокусы. "СКО стремится к", то есть работают законы больших чисел. Если в обмеряемом реальном явлении действительно есть эта стабильность. Иными словами, выполняется основная гипотеза теории вероятности - относительная частота события с ростом числа событий стремится к какому-то значению. Также это называют "статистической устойчивостью". Если ее нет, вся классическая теория вероятности к этому явлению неприменима. Об этой разнице идет речь в огромных цитатах от Олег avtomat, которые начинаются с сообщения https://www.mql5.com/ru/forum/221552/page58#comment_6191471 и далее. Читать их тяжело. По-моему, гораздо веселее просмотреть презентацию доклада Горбаня с картинками и графиками. Она создаст более оптимистичное и конструктивное настроение, например, такой фразой:
"Показано, что волнение океана, традиционно рассматриваемое как выраженный дестабилизирующий фактор, может способствовать улучшению характеристик гидроакустических станций"
Даже по валютным курсам автор прошелся, искать фразу "Усредненный по 16 декадам параметр статистической неустойчивости (непрерывная кривая) и диапазон изменения этого усредненного параметра, определяемый СКО, (пунктирные кривые) для котировки австралийского доллара (AUD) по отношению к доллару США (USD) за 2001 г. (а) и 2002 г. (б)".
Презентацию прилагаю, а для тех, кто хочет еще источников, вот список презентаций, иногда с адресами файлов, из списка "Архив прошедших семинаров "Образный компьютер" http://irtc.org.ua/image/seminars/archive за 2002-2017 г.г. У Горбаня есть до десятка монографий по разработкам в области "гиперслучайных" явлений:
И.И. Горбань ТЕОРИЯ ГИПЕРСЛУЧАЙНЫХ ЯВЛЕНИЙ.- червень 2007 Київ Системи пiдтримки прийняття рiшень. Теорiя i практика. Секцiя 7. Системний аналiз.
И.И. ГОРБАНЬ СЛУЧАЙНОСТЬ И ГИПЕРСЛУЧАЙНОСТЬ КИЕВ НАУКОВА ДУМКА 2016. - 288 с. ISBN 978-966-00-1561-6