Berechnen Sie die Wahrscheinlichkeit einer Umkehrung - Seite 7
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Es ist nicht die Art und Weise, wie die Parameter einer Normalverteilung geschätzt werden (Anpassung, Annäherung), die dies zeigt. Es ist die Normalverteilung selbst, die keine dicken Schwänze hat. Fragen Sie Alexander_K2, er hat nach diesen Schwänzen gesucht. Sehen Sie sich einfach die Tabelle mit den Parametern der Einheiten an. Ich glaube, in jedem Fernsehlehrbuch und in jedem Mathe-Nachschlagewerk gibt es Tabellen. Wie auch immer Sie sich anpassen, Sie müssen die Variantenverteilung ändern, um die fetten Schwänze zu erfassen. Und warum brauchen Sie eine Verteilung der Art genau? Genau die Wahrscheinlichkeitsverteilung? Warum diese Stempel für "einige Daten"? Oder handelt es sich gar nicht um Daten, sondern um abgetastete relative Häufigkeiten, wie ich vermutet habe?
Vielleicht geht es darum, dass die probabilistische Darstellung Ihre Daten überhaupt nicht beschreibt? Erinnern Sie sich, wie die erwartete Auszahlung auf Yuriy Asaulenkos Bild https://www.mql5.com/ru/forum/221552/page162#comment_6399653 auf Devisenkursen tanzt. Wollen Sie für sie nicht die probabilistische Darstellung verwenden? Dann ist klar, woher die schweren Schwänze kommen.
Natürlich sollten Sie die relative Häufigkeit von Preiserhöhungen testen. Ich dachte, das sei ziemlich klar, nicht viele Leute sind an den anderen Optionen interessiert)
Ich verwende die Distributionen nicht für den Handel, ich wollte nur Wissenslücken schließen. Viele praktische Nuancen von Matstat werden aus irgendeinem Grund nicht in Lehrbüchern beschrieben.
In diesem Fall bin ich nicht an den Verteilungsparametern oder gar an der Art der Verteilung interessiert, sondern einfach an der Form der Kurve. Wie nahe sie am Gaußschen Modell liegt, wo sie davon abweicht und um wie viel. In Lehrbüchern gibt es Hunderte von Seiten über Parameterschätzung, aber keine über Formschätzung.
Was werden Sie versuchen, um den Fehler zu reduzieren? In der Formelformulierung wird das von Ihnen gestellte Problem in einer Zeile gelöst, in der allgemeinen Formulierung wird sogar ein Vergleich der Ergebnisse mit Ihrem eigenen Experiment mit k=0,65 vorgenommen. Oder haben Sie nicht verstanden, dass p10^(1/10) die Lösung ist?
Ich habe es zuerst nicht genau gelesen. Das erste, was mir in den Sinn kam, war die Randabschätzung, und so habe ich es auch ursprünglich geschätzt. Aber dann kam die Frage auf, was wäre, wenn wir den zentralen Punkt des Histogramms statt der Ränder nehmen? Und dann wurde mir klar, dass es nicht so einfach ist, ein Grad ist nicht genug. Auf jeden Fall danke für Ihre Teilnahme, wahrscheinlich werde ich das Problem direkt lösen, wie immer, indem ich iteriere und eine vollständige Formel für jeden Punkt von Interesse mache.
"Nach Augenmaß" bedeutet, dass man die Quantil-Quantil-Darstellung(oder Wahrscheinlichkeits-Darstellung) für die Stichprobe und die Normalverteilung aufzeichnet und sich vergewissert, dass sie sich der Geraden gut annähert.
Nun, dort wird es das gleiche Problem geben. Der absolute Wert des Fehlers an den Enden ist um ein Vielfaches kleiner als in der Mitte. Und der Beitrag sollte der gleiche sein, nehme ich an.
Ich vermute, dass dieser Thread nicht zufällig erstellt wurde :)))
Ich erinnere mich, dass Sie es irgendwie geschafft haben, die doppelte Gamma-ähnliche Verteilung der Zuwächse auf dem Markt auf eine reine Normalverteilung zu reduzieren... Und jetzt suchen Sie nach einer Antwort auf die Frage: Was kommt als Nächstes?
Ich unterstütze Bas mit seinem Rat - Sie müssen sich für Optionen entscheiden. Das Black-Scholes-Modell sollte natürlich mit Ihren Daten funktionieren.
Nicht wirklich), was als Nächstes kommt, habe ich schon vor langer Zeit entschieden, noch bevor ich angefangen habe, etwas zu tun. Aber ich entwerfe Algorithmen in der Regel auf meine eigene Art und Weise, da ich nur begrenzte Kenntnisse in Mathematik habe, sie verbrauchen oft viele Ressourcen und lösen das Problem auf bestimmte Weise.
Manchmal mache ich etwas, und einige Zeit später finde ich dann eine Lösung, die viel einfacher und wirtschaftlicher ist.
Das heißt, ich möchte mich immer noch weiterentwickeln und jedes Mal einen klügeren Ansatz wählen.
Was das Black-Scholes-Modell betrifft, so war ich, als ich zum ersten Mal davon hörte, sehr überrascht, dass man einen Nobelpreis für ein so primitives Modell vergibt, und dachte: "Ich sehe, wo die Marktwissenschaft steht" (ich habe eine ähnliche Technologie in meinen alten Entwicklungen verwendet, aber ich wusste nicht, dass man dafür Nobelpreise vergibt). Jetzt weiß ich, wo die Fehler liegen, und wenn ich mit Optionen handeln will, dann nicht mit dieser Formel.Nun, dort wird es das gleiche Problem geben. Der absolute Wert des Fehlers an den Rändern ist um ein Vielfaches geringer als in der Mitte. Und der Beitrag sollte der gleiche sein, wie ich annehme.
Wir sollten uns ansehen, wie diese Fehler in der Ausgangsstichprobe über die Zeit verteilt sind und ob es keine Abhängigkeit zwischen ihnen gibt. Besteht keine Abhängigkeit und sind sie mehr oder weniger gleichmäßig verteilt, muss eine andere parametrische Familie von Verteilungen gewählt werden. Andernfalls werden die Bedingungen des Glivenko-Kantelli-Theorems verletzt, und man sollte nicht darauf hoffen, dass das Histogramm die Dichte einer bestimmten Verteilung annähert.
Es ist zu prüfen, wie diese Fehler in der ursprünglichen Stichprobe über die Zeit verteilt sind und ob keine Abhängigkeit zwischen ihnen besteht. Besteht keine Abhängigkeit und sind sie mehr oder weniger gleichmäßig verteilt, muss eine andere parametrische Familie von Verteilungen gewählt werden. Andernfalls werden die Bedingungen des Glivenko-Kantelli-Theorems verletzt, und wir sollten nicht darauf hoffen, dass das Histogramm die Dichte einer bestimmten Verteilung annähert.
Die Frage ist, ob ich es richtig mache, indem ich den Fehlern in den Schwänzen das gleiche Gewicht gebe wie den Fehlern in der Mitte (unter Verwendung der beiden oben erwähnten Methoden, die ich mir selbst ausdenken musste, weil sie in den Lehrbüchern fehlen).
Ich bin nicht an einer bestimmten Art der Verteilung interessiert. Nur Unterschiede zu Gauß sind von Interesse.
Die Frage ist, ob ich das Richtige tue, wenn ich den Fehlern in den Schwänzen dasselbe Gewicht gebe wie den Fehlern in der Mitte (unter Verwendung der beiden oben genannten Methoden, die ich mir selbst ausdenken musste, weil sie in den Lehrbüchern fehlen).
Ich bin nicht an einer bestimmten Art der Verteilung interessiert. Sie interessieren sich nur für die Unterschiede zu den Gaußschen Werten.
Betrachten wir einen Graphen der Gleichverteilungsdichte auf dem Intervall von Null bis Eins. Mit welchen Parametern wird Gauß korrekt approximiert?
Eine Gegenfrage: Nehmen wir ein Diagramm der Dichte einer Gleichverteilung auf einer Strecke von Null bis Eins. Mit welchen Parametern des Gaußschen Kreises wird er korrekt approximiert?
Nun, wir sprechen von Verteilungen, die wie eine Gauß-Verteilung aussehen.
Nun, wir sprechen hier von Gauß-ähnlichen Verteilungen.
OK, nehmen wir also eine Cauchy- oder Laplace-Verteilungsdichte.