Teoria del flusso casuale e FOREX - pagina 68
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Ti ho detto subito che per te sarebbe rimasta "la nona meraviglia del mondo".
Non lo avrai di nuovo, fratello. O pensavi davvero che volessi qualcosa da te? :-)
Sono abituato a trovare prove o confutazioni di tutte le questioni che mi interessano.
E in questo caso volevo solo che mi desse una ricevuta per la sua mancanza. Cosa che hai fatto. >> Congratulazioni.
Sono scioccato dalla differenza tra i due e tutto smette di funzionare subito.
Giovanotto, stavo ancora aspettando che tu correggessi il tuo errore, che ti è stato cortesemente fatto notare, ma tu non hai prurito e non pensi a correggere.
Distribuzioni
Le vostre presunte "distribuzioni normali"
Non avete una distribuzione normale.
Nell'aquila, se le teste sono 1, le code -1 allora MO=0, D(X)=((0-1)^2+(0+1)^2)/2=1
Dispersione Conant e MO costante. Perché non stazionario?
Anche se prendiamo una somma cumulativa su un qualsiasi numero fisso di colpi (per esempio 100), la distribuzione sarebbe normale con MO=0 e una varianza fissa, facilmente calcolabile.
Questo è esattamente il motivo per cui non è stazionario, perché per la somma cumulativa sarà diverso a seconda di quanti colpi si prendono in considerazione, cioè il secondo punto dipende dal tempo (in questo caso dal numero di colpi). La definizione di stazionarietà è che il primo e il secondo momento NON sono dipendenti dal tempo.
Quindi il processo generatore - binomiale - avrà sempre varianza uguale a 1, indipendentemente da quanti lanci ci siano. È un processo stazionario.
Andando oltre, la somma cumulativa - random walk - "ricorda" tutti i risultati precedenti, ha una memoria lunga. Il binomio non ricorda assolutamente nulla dei lanci passati, cioè la sua memoria è così breve che è pari a zero.
Non hai di nuovo capito bene, fratello. O pensi davvero che io voglia qualcosa da te? :-)
Sono abituato a trovare conferme o confutazioni su tutte le domande che mi interessano.
E in questo caso volevo solo che mi desse una ricevuta per la sua mancanza. Cosa che hai fatto. Congratulazioni.
"Meli Imelia, la tua settimana" - Signor "divagazione casuale fissa".
Questo è esattamente il motivo per cui non è stazionario, perché per la somma cumulativa la varianza sarà diversa a seconda di quanti lanci si prendono in considerazione, cioè il secondo momento dipende dal tempo (in questo caso il numero di lanci). La definizione di stazionarietà è che il primo e il secondo momento NON sono dipendenti dal tempo.
Quindi il processo generatore - binomiale - avrà varianza uguale a 1 sempre, indipendentemente da quanti lanci ci siano. È un processo stazionario.
Per andare oltre, la somma cumulativa - random walk - "ricorda" tutti i risultati precedenti, ha una memoria lunga. Il binomio non ricorda nulla dei lanci passati, cioè ha una memoria così corta che è zero.
Timbo, la somma cumulativa ha, come ti degni di dire, una DIVERSA DISPERSIONE (illimitata). Non c'è nemmeno bisogno di essere un matematico per conoscere questo "paradosso" - basta leggere i libri di Schwager sul trading.
Sentite, colleghi, personalmente sono stanco di sistemare il vostro disordine qui. Ci sono cose più interessanti da fare nella vita. Non appena ci sarà una conversazione sensata tra persone responsabili, tornerò su questo thread.
Addio.
Ecco, invece di me, il link, dice tutto:
http://www.wikipedia.org
Questo è esattamente il motivo per cui non è stazionario, perché per la somma cumulativa la varianza sarà diversa a seconda di quanti lanci si prendono in considerazione, cioè il secondo momento dipende dal tempo (in questo caso il numero di lanci). La definizione di stazionarietà è che il primo e il secondo momento NON sono dipendenti dal tempo.
Quindi il processo generatore - binomiale - avrà varianza uguale a 1 sempre, indipendentemente da quanti lanci ci siano. È un processo stazionario.
Per andare oltre, la somma cumulativa - random walk - "ricorda" tutti i risultati precedenti, ha una memoria lunga. Il binomio non ricorda nulla dei lanci passati, cioè ha una memoria così corta che è zero.
Scusa, ma a quanto pare abbiamo concetti diversi di "distribuzione stazionaria". Indipendente dal tempo significa non cambiare nel tempo, non dipendere dalla quantità di tempo per i conteggi. Nell'esempio della moneta di cui sopra, la varianza per i campioni con una frequenza di campionamento di 1 flip non cambia nel tempo. È costante sia all'inizio che dopo mille lanci. Cioè l'incremento è un processo stazionario. Anche la somma cumulativa è una serie stazionaria. Si può calcolare la varianza allo stesso modo, e non cambia nel tempo. Anche se è possibile suddividerlo diversamente, per esempio come ho scritto nella serie di scatti (da 100 per esempio), e gli incrementi saranno ancora una serie stazionaria (e anche la somma cumulativa). Ecco perché una dozzina di pagine prima ho scritto che non è il processo ad essere stazionario o non stazionario, ma la scomposizione in una serie di osservazioni.
La varianza infinita è infatti una proprietà di un processo non stazionario. Per esempio, gli incrementi non saranno distribuiti in modo gaussiano, ma con "code spesse" e un paio di altre differenze. A prima vista le differenze non sono principali, ma cambiano la situazione in modo cardinale, specialmente per la contabilità del rischio.
O la somma cumulativa ha varianza infinita, nel qual caso non può essere un processo stazionario, o la somma è stazionaria, nel qual caso la sua varianza è un valore costante (finito) per qualsiasi lunghezza della serie.
Suggerisco di non usare affatto la parola "incremento" per il momento. Stimiamo la somma di questi incrementi, cioè il cammino casuale, e discuteremo più tardi da cosa proviene.
Può fornire dei riferimenti alla "sua" definizione di stazionarietà. Non a memoria, ma una citazione di una fonte decente. Wikipedia è una fonte abbastanza decente quando si tratta di statistiche.
Giovanotto, sto aspettando che tu corregga il tuo errore, che ti è stato cortesemente fatto notare, ma tu non hai prurito e non pensi di correggerlo.
Non pretendo di avere una laurea accademica, mi è permesso. Se avete un tale bagaglio di conoscenze, questo forum non fa per voi. Il compito era quello di dimostrare che la distribuzione dei tre sigma è facile da ottenere, ci sono troppi animali con la coda grassa.
O la somma cumulativa ha varianza infinita, nel qual caso non può essere un processo stazionario, o la somma è stazionaria, nel qual caso la sua varianza è un valore costante (finito) per qualsiasi lunghezza della serie.
Suggerisco di non usare affatto la parola "incremento" per il momento. Stimiamo la somma di questi incrementi, cioè il cammino casuale, e discuteremo più tardi da cosa proviene.
Potete dare dei riferimenti alla "vostra" definizione di stazionarietà. Non a memoria, ma una citazione di una fonte decente. Wikipedia è una fonte abbastanza decente quando si tratta di statistiche.
I concetti di varianza, stazionarietà ecc. sono definiti per una serie. Quale serie state considerando? Tutto dipende da questo.
Prendete una moneta e il suo importo cumulativo. Questa è la serie. È uguale al valore precedente + incremento. Poiché il MO dell'incremento è zero, il MO del prossimo termine della serie sarà uguale al valore precedente, e la varianza sarà uguale alla varianza dell'incremento (uno). Così la varianza non cambia, e il MO non porta una componente casuale ed è determinato senza ambiguità in qualsiasi momento. Abbiamo questa serie originale e poi possiamo farne un'altra serie, per esempio dividendola in serie di lunghezza fissa. Questa nuova serie sarà stazionaria. Il suo MO sarà uguale al valore finito della somma cumulativa del termine precedente, e la dispersione può essere facilmente calcolata (gli incrementi saranno distribuiti normalmente).
La serie originale avrebbe potuto essere divisa diversamente: non da una lunghezza fissa, ma da una variabile, per esempio. In questo caso la nuova serie sarà non stazionaria - la sua varianza varierà. Tutto dipende dalla suddivisione della serie originale. Per esempio, se prendiamo l'orologio EUR (intervallo di tempo di 1 ora), allora la sua distribuzione sarà non stazionaria, anche se non esclude la possibilità di altri campionamenti in cui la distribuzione sarà stazionaria. E non necessariamente in tempo.
La stazionarietà è una proprietà di un processo probabilistico di rimanere costante nel tempo. AlexEro ha dato una definizione più dettagliata su 'Teoria del flusso casuale e FOREX'.
e inoltre le distribuzioni sono invarianti rispetto agli spostamenti di tempo. Cioè, rimane invariato con gli spostamenti di tempo.
Ti ho chiesto di non usare la parola incremento. Facendo qualsiasi partizione, si parla di nuovo di incrementi, e la domanda riguarda la somma cumulativa. Il processo è così. Vagabondaggio casuale. Sia che sia stazionario come sostengono alcuni compagni qui, sia che non lo sia come sostengo io.