De la théorie à la pratique - page 1458
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
On exige des millionnaires de ces mathématiciens qui prétendent décrire des séries financières).
Tout d'abord, les ordinateurs peuvent tomber en panne à cause d'une défaillance insignifiante d'une puce, que l'assembleur de l'ordinateur n'a rien à voir avec la fabrication.
Il n'est pas nécessaire pour un chercheur de rangs financiers de mettre en œuvre sa recherche pour gagner de l'argent en négociant. Tout résultat de recherche, s'il découvre quelque chose de nouveau, est précieux en soi. Vous ne pouvez pas, par exemple, reprocher à Niels Bohr de ne pas avoir construit un réacteur nucléaire sur la base de ses recherches sur le noyau).
En réalité, un statisticien a toujours affaire à des échantillons finis, et il ne s'agit donc toujours que d'une approximation de la réalisation de ce théorème. Mais à mesure que la taille de l'échantillon augmente, cette approximation s'améliore, ce que l'on appelle la cohérence de l'estimation.
L'article du wiki russe sur le théorème de Glivenko-Kantelli est une absurdité, lisez la version anglaise ou un manuel normal.Non, en principe le théorème fonctionne, voici un indicateur pour le tester maintenant, afin de ne pas polémiquer
c'est une distribution presque linéaire :
et cette ligne à partir de zéro est
Quant aux bêtises, tout est clair pour moi personnellement.
#property strict
#property version "1.1"
#property indicator_separate_window
//#property indicator_chart_window
#property indicator_buffers 1
double STAT[],CHART[],CL,min,pnt;
int i,indBars,ind;
//+------------------------------------------------------------------+
int init()
{
pnt=MarketInfo(Symbol(),MODE_POINT);
//---
SetIndexBuffer(0, STAT);
SetIndexStyle(0,DRAW_LINE,STYLE_SOLID,1,clrRed);
SetIndexLabel(0,"STAT");
//---
return(0);
}
//+------------------------------------------------------------------+
void deinit()
{
//ObjectsDeleteAll();
}
//+------------------------------------------------------------------+
void start()
{
ArrayInitialize(STAT,EMPTY_VALUE);
indBars=Bars-1;
ArrayResize(CHART,indBars+1);ArrayInitialize(CHART,0);
for(i=indBars; i>=0; i--)CHART[i]=iClose(Symbol(),Period(),i);
ArraySort(CHART,WHOLE_ARRAY,0,MODE_ASCEND);
min=CHART[0];
ind=-1;
for(i=indBars-1; i>=0; i--)
{
if(CHART[i+1]!=CHART[i])
{
ind=ind+1;
STAT[ind]=(CHART[i]-min)/pnt;
}
}
return;
}
Non, en principe le théorème fonctionne, voici un indicateur pour le tester maintenant, afin de ne pas polémiquer
c'est pratiquement une distribution linéaire :
et cette ligne à partir de zéro est
A propos de l'absurdité - je comprends personnellement tout ce qu'il y a là.
#property strict
#property version "1.1"
#property indicator_separate_window
//#property indicator_chart_window
#property indicator_buffers 1
double STAT[],CHART[],CL,min,pnt;
int i,indBars,ind;
//+------------------------------------------------------------------+
int init()
{
pnt=MarketInfo(Symbol(),MODE_POINT);
//---
SetIndexBuffer(0, STAT);
SetIndexStyle(0,DRAW_LINE,STYLE_SOLID,1,clrRed);
SetIndexLabel(0,"STAT");
//---
return(0);
}
//+------------------------------------------------------------------+
void deinit()
{
//ObjectsDeleteAll();
}
//+------------------------------------------------------------------+
void start()
{
ArrayInitialize(STAT,EMPTY_VALUE);
indBars=Bars-1;
ArrayResize(CHART,indBars+1);ArrayInitialize(CHART,0);
for(i=indBars; i>=0; i--)CHART[i]=iClose(Symbol(),Period(),i);
ArraySort(CHART,WHOLE_ARRAY,0,MODE_ASCEND);
min=CHART[0];
ind=-1;
for(i=indBars-1; i>=0; i--)
{
if(CHART[i+1]!=CHART[i])
{
ind=ind+1;
STAT[ind]=(CHART[i]-min)/pnt;
}
}
return;
}
1) Je conseille d'utiliser mql5 (vous pouvez construire des graphiques normaux) et la fonction MathCumulativeDistributionEmpirical()
2) Les distributions de prix n'ont pas de sens en raison de leur dépendance apparente. Il est courant d'étudier la distribution des augmentations de prix.
Il n'est pas nécessaire pour un chercheur de rang financier de mettre en œuvre ses recherches pour gagner de l'argent en faisant du trading. Tout résultat de recherche, s'il découvre quelque chose de nouveau, est précieux en soi. Vous ne pouvez pas, par exemple, reprocher à Niels Bohr de ne pas avoir construit un réacteur nucléaire sur la base de ses recherches sur le noyau).
Pas nécessairement. Mais dans ce domaine, le profit est le critère de la vérité. Donc, si votre objectif est de gagner de l'argent et non de faire des recherches, il est inutile de lire les 100500 millions de messages du forum) vous pouvez gagner des années de votre vie si vous êtes sélectif.
Les distributions conditionnelles sont basées sur des distributions conjointes. Ce n'est que dans le cas de l'indépendance (par définition) que la fonction de distribution conjointe est égale au produit des fonctions de distribution univariées. Dans le cas de la dépendance, c'est beaucoup plus compliqué - les copules ont été récemment rappelées ici - ceci provient du même fil de discussion. Ainsi, le théorème de G.-C. (qui semble être généralisé au cas multidimensionnel) s'applique à la construction approximative d'une distribution bidimensionnelle à partir de laquelle on peut essayer de construire une distribution unidimensionnelle conditionnelle.
Prenons un exemple : construisez une distribution incrémentale, en supposant que l'incrément précédent était positif. Qu'est-ce qui empêche une distribution d'échantillon de converger vers une distribution théorique lorsque l'échantillon augmente ?
La stabilité de quoi ? Il y a, par exemple, la stabilité de la solution de Lyapunov d'un diffuseur, ou, par exemple, la stabilité statistique de la fréquence d'un événement (au sens de la convergence vers sa probabilité).
Stabilité du comportement dans le temps. Quelque chose comme la stationnarité, mais dans un sens plus large. Une fonction (série) peut être non stationnaire, mais présenter un comportement similaire dans tout intervalle de temps. Par exemple, y=x^2 est stable, mais y=x^2 + sin(x) ne l'est pas, à condition que la fenêtre d'analyse soit plus petite que la période de sin().
Appliquée à l'équitabilité, elle peut être formulée comme suit : "l'équitabilité croît (mise à jour élevée) sur chacun des N intervalles de temps". Dans la limite, il converge simplement vers le pourcentage de transactions rentables. Ou le pourcentage de transactions qui ont mis à jour le haut. Mais peut-être pouvez-vous suggérer une meilleure formulation.
Prenons un exemple : construisez une distribution incrémentale, en supposant que l'incrément précédent était positif. Qu'est-ce qui empêche la distribution de l'échantillon de converger vers une distribution théorique lorsque l'échantillon augmente ?
Si nous prenons un sous-échantillon et construisons une fonction de distribution pour celui-ci, coïncidera-t-elle avec celle de l'ensemble de l'échantillon ? Dans le cas général, bien sûr que non. A titre d'exemple, supposons que l'échantillon comporte des nombres de signes différents et que le sous-échantillon ne comporte que des nombres positifs.
Dans le cas que vous citez, si l'échantillon original est indépendant, le sous-échantillon semble rester indépendant. Dans le cas d'une dépendance de l'échantillon original, tout sera déterminé par le dispositif de cette dépendance, qui est entièrement déterminé par une distribution conjointe bivariée, qui peut être approximée par un échantillon bivarié (à partir de paires de déplacements ultérieurs) si les conditions du théorème G-K sont satisfaites pour celui-ci.
Le fait est qu'il est toujours possible de construire une fonction d'échantillonnage pour n'importe quel ensemble de nombres, mais cela n'a pas toujours de sens. Pour savoir si cela a un sens, on peut utiliser des critères comme le critère à deux échantillons de Kolmogorov-Smirnov, en divisant aléatoirement l'échantillon original en deux sous-échantillons.
Stabilité du comportement dans le temps. Quelque chose comme la stationnarité, mais dans un sens plus large. Une fonction (série) peut être non stationnaire, tout en présentant un comportement similaire sur tout intervalle de temps. Par exemple, y=x^2 est stable, mais y=x^2 + sin(x) ne l'est pas, à condition que la fenêtre d'analyse soit plus petite que la période de sin().
Appliquée à l'équitabilité, elle peut être formulée comme suit : "l'équitabilité croît (mise à jour élevée) sur chacun des N intervalles de temps". Dans la limite, il converge simplement vers le pourcentage de transactions rentables. Ou le pourcentage de transactions qui ont mis à jour le haut. Mais peut-être pouvez-vous donner une meilleure formulation.
monotonicité d'une fonction et/ou de ses dérivées ? complexité algorithmique ?
1) Je suggère d'utiliser mql5 ...
c'est discutable
Je peux faire la même chose dans 4-rka.
en général, je n'ai pas eu de tâches que je n'ai pas pu réaliser sur 4-rka
y compris les graphiques
c'est un point discutable.
Je peux faire la même chose en 4p
en fait, je n'ai jamais eu une tâche que je ne pouvais pas faire sur 4p
y compris les graphiques
La position suivante au début de la prochaine tendance et la fermer à la fin de la tendance ?