La théorie des flux aléatoires et le FOREX - page 68
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Je t'ai dit tout de suite que pour toi, elle resterait "la neuvième merveille du monde".
Tu ne l'auras plus, mon frère. Ou tu pensais vraiment que je voulais quelque chose de toi ? :-)
J'ai l'habitude de trouver des preuves ou des réfutations pour toutes les questions qui m'intéressent.
Et dans ce cas, je voulais juste que tu me donnes un reçu pour ta nullité. Ce que vous avez fait. >> Félicitations.
Je suis choqué par la différence entre les deux et tout cesse de fonctionner d'un seul coup.
Jeune homme, j'attendais toujours que vous corrigiez votre erreur, qui vous a été poliment signalée, mais vous ne vous grattez pas et ne pensez pas à corriger.
Distributions
Vos prétendues "distributions normales"
Vous n'avez pas une distribution normale.
Dans le cas de l'aigle, si les têtes valent 1 et les queues -1, alors MO=0, D(X)=((0-1)^2+(0+1)^2)/2=1.
Dispersion de Conant et MO constant. Pourquoi non-stationnaire ?
Même si nous prenons une somme cumulative sur un nombre fixe de tirs (par exemple 100), la distribution serait normale avec MO=0 et une variance fixe, facilement calculée.
C'est exactement pour cela qu'elle est non stationnaire, car pour la somme cumulée, elle sera différente selon le nombre de tirs pris en compte, c'est-à-dire que le deuxième point dépend du temps (dans ce cas, du nombre de tirs). La définition de la stationnarité est que le premier et le second moment ne dépendent PAS du temps.
Ainsi, le processus générateur - binomial - aura toujours une variance égale à 1, quel que soit le nombre de lancers. Il s'agit d'un processus stationnaire.
En allant plus loin, la somme cumulative - marche aléatoire - "se souvient" de tous les résultats précédents, elle a une longue mémoire. Le binôme ne se souvient de rien du tout des rouleaux passés, c'est-à-dire que sa mémoire est si courte qu'elle est nulle.
Tu n'y arrives pas encore, mon frère. Ou vous pensez vraiment que je veux quelque chose de vous ? :-)
J'ai l'habitude de trouver confirmation ou réfutation sur toutes les questions qui m'intéressent.
Et dans ce cas, je voulais juste que tu me donnes un reçu pour ta nullité. Ce que vous avez fait. Félicitations.
"Meli Imelia, ta semaine" - Monsieur "divagation aléatoire stationnaire".
C'est exactement pour cela qu'elle est non stationnaire, car pour la somme cumulée, la variance sera différente selon le nombre de lancers pris en compte, c'est-à-dire que le second momentum dépend du temps (dans ce cas le nombre de lancers). La définition de la stationnarité est que le premier et le second moment ne dépendent PAS du temps.
Ainsi, le processus générateur - binomial - aura toujours une variance égale à 1, quel que soit le nombre de lancers. Il s'agit d'un processus stationnaire.
Pour aller plus loin, la somme cumulative - marche aléatoire - "se souvient" de tous les résultats précédents, elle a une longue mémoire. Le binôme ne se souvient de rien du tout des lancers passés, c'est-à-dire qu'il a une mémoire si courte qu'elle est nulle.
Timbo, la somme cumulée a, comme vous avez daigné le dire, une DISPERSION DIFFERENTE (ILLIMITEE). Il n'est même pas nécessaire d'être mathématicien pour connaître ce "paradoxe" - il suffit de lire les livres de Schwager sur le trading.
Écoutez, chers collègues, personnellement, j'en ai assez de vous débarrasser de votre désordre ici. Il y a des choses plus intéressantes à faire dans la vie. Dès qu'il y aura une conversation sensée entre personnes responsables, je reviendrai sur ce fil.
Au revoir.
Voici, à ma place, le lien, il dit tout :
http://www.wikipedia.org
C'est exactement pour cela qu'elle est non stationnaire, car pour la somme cumulée, la variance sera différente selon le nombre de lancers pris en compte, c'est-à-dire que le second momentum dépend du temps (dans ce cas le nombre de lancers). La définition de la stationnarité est que le premier et le second moment ne dépendent PAS du temps.
Ainsi, le processus générateur - binomial - aura toujours une variance égale à 1, quel que soit le nombre de lancers. Il s'agit d'un processus stationnaire.
Pour aller plus loin, la somme cumulative - marche aléatoire - "se souvient" de tous les résultats précédents, elle a une longue mémoire. Le binôme ne se souvient de rien du tout des lancers passés, c'est-à-dire qu'il a une mémoire si courte qu'elle est nulle.
Désolé, mais nous avons apparemment des concepts différents de la "distribution stationnaire". Indépendant du temps signifie qu'il ne change pas avec le temps, qu'il ne dépend pas du temps pour les comptages. Dans l'exemple de la pièce de monnaie ci-dessus, la variance des échantillons avec une fréquence d'échantillonnage de 1 flip ne change pas au fil du temps. Il est constant tant au début qu'après un millier de lancers. C'est-à-dire que l'incrément est un processus stationnaire. La somme cumulée est également une série stationnaire. Vous pouvez calculer la variance de la même manière, et elle ne change pas avec le temps. Bien qu'il soit possible de le décomposer différemment, par exemple comme je l'ai écrit dans la série de tirs (par 100 par exemple), et les incréments seront toujours une série stationnaire (et la somme cumulée aussi). C'est pourquoi j'ai écrit une douzaine de pages plus tôt que ce n'est pas le processus qui est stationnaire ou non stationnaire, mais la décomposition en une série d'observations.
La variance infinie est en effet une propriété d'un processus non stationnaire. Par exemple, les incréments ne seront pas distribués de manière gaussienne, mais avec des "queues épaisses" et quelques autres différences. À première vue, les différences ne sont pas importantes, mais elles changent radicalement la situation, notamment en ce qui concerne la comptabilité des risques.
Soit la somme cumulée a une variance infinie, auquel cas elle ne peut pas être un processus stationnaire, soit la somme est stationnaire, auquel cas sa variance est une valeur constante (finie) pour toute longueur de série.
Je suggère de ne pas utiliser du tout le mot "incrément" pour l'instant. Nous estimons la somme de ces incréments, c'est-à-dire la marche aléatoire, et nous discuterons de son origine plus tard.
Pouvez-vous donner des références à "votre" définition de la stationnarité. Pas de mémoire, mais une citation à une source décente. Wikipedia est une source tout à fait décente lorsqu'il s'agit de statistiques.
Jeune homme, j'attends que vous corrigiez votre erreur, qui vous a été poliment signalée, mais cela ne vous démange pas et vous ne pensez pas à la corriger.
Je ne prétends pas avoir un diplôme universitaire, je suis autorisé. Si vous avez un tel bagage de connaissances, ce forum n'est pas pour vous. La tâche était de montrer que la distribution de trois sigmas est facile à obtenir, il y a trop d'animaux à queue grasse.
Soit la somme cumulée a une variance infinie, auquel cas elle ne peut pas être un processus stationnaire, soit la somme est stationnaire, auquel cas sa variance est une valeur constante (finie) pour toute longueur de série.
Je suggère de ne pas utiliser du tout le mot "incrément" pour l'instant. Nous estimons la somme de ces incréments, c'est-à-dire la marche aléatoire, et nous discuterons de son origine plus tard.
Pouvez-vous fournir des références à "votre" définition de la stationnarité. Pas de mémoire, mais une citation à une source décente. Wikipédia est une source assez décente lorsqu'il s'agit de statistiques.
Les concepts de variance, stationnarité etc. sont définis pour une série. Quelle série envisagez-vous ? Tout dépend d'elle.
Prenez une pièce de monnaie et son montant cumulé. C'est la série. Elle est égale à la valeur précédente + incrément. Comme la MO de l'incrément est nulle, la MO du terme suivant de la série sera égale à la valeur précédente, et la variance sera égale à la variance de l'incrément (un). Ainsi, la variance ne change pas, et le MO ne comporte pas de composante aléatoire et est déterminé sans ambiguïté à tout moment. Nous avons cette série initiale et nous pouvons ensuite en faire une autre série, par exemple en la divisant en séries de longueur fixe. Cette nouvelle série sera stationnaire. Son MO sera égal à la valeur finie de la somme cumulée du terme précédent, et la dispersion peut être facilement calculée (les incréments seront distribués normalement).
La série originale aurait pu être divisée différemment : pas par une longueur fixe, mais par une variable, par exemple. Dans ce cas, la nouvelle série sera non stationnaire - sa variance variera. Tout dépend du découpage de la série originale. Par exemple, si nous prenons la montre EUR (intervalle de temps de 1 heure), alors sa distribution sera non stationnaire, bien que cela n'exclue pas la possibilité d'un autre échantillonnage où la distribution sera stationnaire. Et pas nécessairement à temps.
La stationnarité est la propriété d'un processus probabiliste de rester constant dans le temps. AlexEro a donné une définition plus détaillée de la "Théorie des flux aléatoires et FOREX".
et en outre les distributions sont invariantes par rapport aux décalages temporels. C'est-à-dire qu'il reste inchangé avec les changements de temps.
Je vous ai demandé de ne pas utiliser le mot "incrément". En effectuant un quelconque partitionnement, vous parlez à nouveau d'incréments, et la question porte sur la somme cumulée. Le processus est le suivant. vagabondage aléatoire. Qu'elle soit stationnaire comme le prétendent certains camarades ici ou non comme je le prétends.