un processo completamente casuale e il FOREX. - pagina 4

Nuovo commento
 
lna01:
D.Will ha scritto (a):

Il grafico è una serie completamente deterministica, solo statisticamente indistinguibile da una serie casuale. Quindi è solo un buon esempio di una serie caotica :).

Cosa sei tu?

Non confondeteci per favore.

Un processo casuale per definizione è una sequenza di variabili casuali. Quando si definisce un processo casuale si parla sempre di varianza e matrice della varianza e tutto il resto.



E un processo deterministico è un processo che in qualsiasi momento si può dire chiaramente quale sarà il prossimo stato in cui si muoverà il sistema.


Per i generatori di numeri pseudo-casuali standard è sufficiente conoscere il numero da cui inizia per prevedere la serie senza ambiguità. Quindi la serie nella tua foto è teoricamente completamente prevedibile.

1. Conosce questo numero?
2. con una precisione di 16 cifre non può generare una sequenza di più di (65536) elementi.
 
lna01 писал (а): Per i generatori di numeri pseudocasuali standard, è sufficiente conoscere il numero da cui è iniziata la serie per poterla prevedere senza ambiguità. Quindi la serie nella tua immagine è teoricamente completamente prevedibile.


Candido, non è così semplice. L'ho pensato anch'io, finché io e komposter non abbiamo controllato la funzione MathRand(). Ecco un ramo: 'Domanda per principianti: due curve in finestre diverse'.

Codice:

#property show_inputs
 
/*extern int init_start    = 0;
extern int init_end      = 100000;*/
 
extern int iterations    = 1000000000;
 
int start()
{
    int tmp, pre_tmp, count_23281 = 0, count_16827 = 0, count_23281_16827 = 0; string res;
    //for ( int start = init_start; start < init_end; start ++ )
    {
        int start = 1;
        MathSrand( start );
        for ( int i = 0; i < iterations; i ++ )
        {
            pre_tmp = tmp;
            tmp = MathRand();
            if ( pre_tmp == 19169 ) //23281 )
            {
                count_23281 ++;
                if ( tmp == 15724 ) //16827 )
                {
                    count_23281_16827 ++;
                    res = StringConcatenate( res, count_23281_16827, ": Init value = ", 
                          start, ", interation # ", i, "\n" );
                }
            }
            if ( pre_tmp == 16827 ) count_16827 ++;
        }
    }
    Comment( "Чисел 23281 - ", count_23281, "\nЧисел 16827 - ", count_16827, 
                "\nЧередований 23281 с 16827 - ", count_23281_16827, ":\n", res );
    return(0);
}
P.S. Credo che tu abbia ragione. Ma il periodo di questa sequenza è ovviamente molto grande. Il grano definisce l'intera sequenza, ma i segmenti di essa che partono dallo stesso numero sono diversi.
 
D.Will писал (а):
Inoltre, ci sono sistemi il cui funzionamento è completamente descritto *es.
y(n+1)=a*y(n)*(1-y(n);
che è quasi impossibile da prevedere. ad a->4.

Tali processi sono chiamati caos deterministico.

Esattamente che praticamente, in realtà semplicemente non sapremo mai il valore di un parametro con sufficiente precisione. Tuttavia, i processi caotici sono molto più prevedibili di quelli casuali. Ma non possiamo distinguerli statisticamente. Ne consegue che gli argomenti statistici sono irrilevanti per la questione della prevedibilità del mercato.
 
Ho deciso di ridurre il determinismo del generatore di numeri pseudo-casuali mescolando la serie di numeri casuali diverse volte.

chiudere tutto;

N=1000;
r=NORMRND(0,0.0077,1,N);

r1=r;
% shuffle
for i=1:1:10000
i1 = fix(rand*N)+1;
i2 = fix(rand*N)+1;
c=r(i1);
r(i1)=r(i2);
r(i2)=c;
end;

figure;
%r=r-0.5;
for i=2:1:length(r)
r(i)=r(i)+r(i-1);
r1(i)=r1(i)+r1(i-1);
end

grid on;

plot(r);
figure;
plot(r1);

result


misto


Ecco, ho eliminato i periodi, quindi a che serve?
 
lna01:
D.Will ha scritto (a):

Inoltre, ci sono sistemi il cui funzionamento è completamente descritto *per esempio

y(n+1)=a*y(n)*(1-y(n);

che è quasi impossibile da prevedere. a->4.



Tali processi sono chiamati caos deterministico.




Esattamente che praticamente, in realtà semplicemente non sapremo mai il valore di un parametro con sufficiente precisione. Tuttavia, i processi caotici sono molto più prevedibili di quelli casuali. Ma non possiamo distinguerli statisticamente. Ne consegue che gli argomenti statistici sono irrilevanti per la questione della prevedibilità del mercato.

con sufficiente precisione. qual è?
Tutte le teorie riguardanti la d.h. analizzano o le equazioni dei modelli o la storia (estraendo regolarità statistiche).
E cosa intendi per caratteristiche statistiche? mo e std? e chi dice che è una misura dell'equivalenza di due sequenze?
 
Mathemat:
lna01 ha scritto (a): Per i generatori di numeri pseudo-casuali standard, è sufficiente conoscere il numero al quale la serie è iniziata per essere predetta senza ambiguità. Quindi la serie nella tua immagine è teoricamente completamente prevedibile.

No, Candido. L'ho pensato anch'io fino a quando io e komposter abbiamo controllato la funzione MathRand(). Ecco un ramo: https://forum.mql4.com/ru/6187 .
Penso che l'effetto delle coppie ripetute potrebbe essere, per esempio, se le 16 cifre più basse di 32 sono prese come un numero casuale. Ma se non sono loro, potrebbe non esistere :). Questo non invalida il fatto della prevedibilità. La situazione diventa più complicata se con lo stesso numero di partenza si ottengono sequenze diverse. Allora dovremo pensare solo alla prevedibilità parziale :).
 
D.Will писал (а):

Il trucco è: con abbastanza precisione, qual è?
La domanda può avere una risposta solo per un problema specifico.

P.S. La "densità di probabilità" è anche una caratteristica statistica. Né garantisce la riproducibilità di tutte le caratteristiche del processo con il RNG.
 
lna01:
D.Will ha scritto (a):



Il trucco è, con abbastanza precisione, qual è?


La domanda può avere una risposta solo per un problema specifico.



P.S. La "densità di probabilità" è anche una caratteristica statistica. E non garantisce nemmeno la riproduzione di tutte le caratteristiche del processo con l'RNG.

Anche per un problema particolare non si può giustificare teoricamente, poiché cambiare un parametro del processo di 10^-100 può cambiare la sua dinamica al di là del riconoscimento. (biforcazioni e così via)
quindi i computer non sono veramente adatti per analizzare tali processi. (da un punto di vista fondamentale). Solo la loro modellazione probabilistica e descrittiva è possibile.


lna01> P.S. La "densità di probabilità" è anche una caratteristica statistica. E non garantisce nemmeno la riproduzione di tutte le caratteristiche del processo con l'aiuto del GSF.


come lo immaginate?? come ricostruire qualcosa con la legge di distribuzione di una variabile casuale?? un tale compito non può esistere affatto.
Se ho citato un istogramma era solo per mostrare che la distribuzione di una variabile casuale è la stessa di eurusd 1D.
 
D.Will писал (а):
lna01:
D.Will ha scritto (a):

Il trucco è, con abbastanza precisione, qual è?


La domanda può avere una risposta solo per un compito specifico.

Anche per un dato problema non è teoricamente possibile prevederlo. Cambiare questo parametro di 10^-100 può cambiare la dinamica del processo al di là del riconoscimento. (biforcazioni e così via)
quindi i computer non sono veramente adatti per analizzare tali processi. (da un punto di vista fondamentale). Solo la loro modellazione probabilistica e descrittiva è possibile.
Bene, se per esempio per alcuni intervalli di valori dei parametri si possono identificare degli attrattori, ciò implicherebbe una parziale prevedibilità. In questo caso, i limiti di queste gamme determineranno l'"adeguatezza" delle definizioni dei parametri. Sull'insufficienza dei computer per l'analisi di tali processi sono completamente d'accordo con te - la cosa principale in questo business è la testa :)
Se ho citato l'istogramma, è solo per mostrare che la distribuzione di una variabile casuale è la stessa di eurusd 1D.
Giusto, e ho chiesto: "E allora?" :) Ripeto: la serie che lei pone come casuale non è casuale. È solo che per compiti per i quali contano solo le caratteristiche statistiche, può essere usato come casuale. Cioè, sarebbe più corretto scrivere nel titolo del topic "RNG Matlab e FOREX" :) . In realtà, l'idea principale dei miei post è che non c'è motivo di considerare l'RPM di Matlab come "processo assolutamente casuale".
 
lna01:
D.Will ha scritto (a):

lna01:

D.Will ha scritto (a):



Il trucco è: con abbastanza precisione, qual è?





La domanda può avere una risposta solo per un compito specifico.



anche per un problema specifico, non si può teorizzare su di esso. poiché cambiare questo parametro di 10^-100 può cambiare la dinamica del processo oltre il riconoscimento. (biforcazioni e così via).

Ecco perché i computer non sono del tutto appropriati per analizzare tali processi. (da un punto di vista fondamentale). Solo la loro modellazione probabilistica e descrittiva è possibile.

Bene, se per esempio per alcuni intervalli di valori dei parametri si possono identificare degli attrattori, ciò implicherebbe una parziale prevedibilità. In questo caso, i limiti di queste gamme determineranno l'"adeguatezza" delle definizioni dei parametri. Sull'insufficienza dei computer per l'analisi di tali processi sono completamente d'accordo con te - la cosa principale in questo business è la testa :)

Se ho dato un istogramma, è solo per mostrare che la distribuzione di una variabile casuale è la stessa di eurusd 1D.


Giusto, e ho chiesto: "E allora?" :) Ripeto: la serie, che lei posiziona come casuale, non è casuale. È solo che per compiti per i quali contano solo le caratteristiche statistiche, può essere usata come una casuale. Cioè, sarebbe più corretto scrivere nel titolo del topic "RNG Matlab e FOREX" :) . In realtà, l'idea principale dei miei post è che non c'è motivo di considerare l'RPM di Matlab come "processo assolutamente casuale".
Beh, non c'è niente di anormalmente casuale. l'argomento è così chiamato perché sottolinea la somiglianza tra "anormalmente casuale" e "non casuale".

Se guardate sopra, ho dato un esempio in cui l'intera sequenza è stata mescolata più volte e ho visualizzato sia una che l'altra sequenza.
Questo è un tentativo di declassare il determinismo della GSF. il carattere dei movimenti è lo stesso.
123456789
Nuovo commento