Calcular la probabilidad de inversión - página 5
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Apoyo a Bas con su consejo: hay que pasar a las opciones. Obviamente, el modelo Black-Scholes debería funcionar con tus datos.
Ni siquiera has entendido de qué iba la pregunta y de qué iban mis consejos) ¿por qué mostrar tu ignorancia tan claramente?)
¿Es toda función en forma de campana una densidad de una distribución normal? ¿Qué le impide, por ejemplo, ver en su figura la densidad de la distribución beta?
Por cierto, Alexey, y Vladimir, ¿pueden darnos una pista? Supongamos que queremos aproximar unos datos mediante una distribución normal.
Las colas y el centro de la distribución deben tener el mismo peso en la aproximación, como supongo.
Entonces, ¿es mejor aproximarse en coordenadas logarítmicas?
Ya que en coordenadas lineales el error absoluto en las colas será de órdenes de magnitud menores que en el centro, y por tanto participará poco en la aproximación.
¿O la segunda opción, tomar como error el cociente y no el cuadrado de la diferencia? Pero no podré derivar tales fórmulas.
Ni siquiera has entendido de qué iba la pregunta y de qué iban mis consejos) ¿por qué mostrar tu ignorancia tan claramente?)
Por cierto, Alexey, y Vladimir, ¿pueden darnos una pista? Supongamos que queremos aproximar unos datos mediante una distribución normal.
Las colas y el centro de la distribución deberían tener el mismo peso en la aproximación, como supongo.
Entonces, ¿es mejor aproximarse en coordenadas logarítmicas?
Ya que en coordenadas lineales el error absoluto en las colas será de órdenes de magnitud menores que en el centro, y por tanto participará poco en la aproximación.
¿O la segunda opción, tomar como error el cociente y no el cuadrado de la diferencia? Pero no puedo derivar tales fórmulas.
En primer lugar habría que comprobar la normalidad de la muestra, al menos "a ojo".
Entonces deberías encontrar "estadística aplicada" de Kobzar y buscar allí el segundo capítulo)
...
¿Sería entonces mejor aproximar en coordenadas logarítmicas?
...En general, su pregunta (¿preguntas?) está planteada de forma demasiado general, en abstracto. Lo único que puedo decir con certeza - si la aproximación se hace con la minimización de las desviaciones en coordenadas logarítmicas, será el mínimo error relativo. Esto se aplica a las aproximaciones por cualquier cosa: polinomios, funciones trigonométricas, splines, fracciones racionales, wavelets... No he oído hablar de aproximaciones con distribuciones de probabilidad típicas.
Para empezar, conviene comprobar que la muestra es normal, al menos "a ojo".
" Esto significa construir un gráfico cuantil-cuantil(o probabilidad-probabilidad) para la muestra y la distribución normal y asegurarse de que se aproxima bien a una línea recta.
Por cierto, Alexey, y Vladimir, dime. Supongamos que queremos aproximar unos datos mediante una distribución normal
..
Aquí, por ejemplo, están los datos que a todo el mundo le interesan ahora mismo https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6. Sólo "algunos" datos.
¿Por qué habría que aproximarlas mediante una distribución normal o de otro tipo? El exponente seguía siendo interesante al principio, según la ecuación cinética de propagación de la reacción en cadena.
¿Por qué habría que aproximarlas mediante una distribución normal o de otro tipo? El exponente era interesante al principio, según la ecuación cinética de propagación de la reacción en cadena.
No se trata de una serie temporal, sino de un histograma cercano a la normalidad.
https://www.mql5.com/ru/articles/396
python -https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.gaussian_kde.html
https://www.mql5.com/ru/articles/396
Así que se está suavizando.