Mettete una parola sul vagabondo occasionale... - pagina 3
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
как это не связаны? Нормальное распределение стационарно и приращения СБ распределенные по НР - стационарны, а я изначально говорил именно о приращениях.
...
Вы считаете что НР нестационарно? Или нельзя для каждого непрерывного распределения сказать - является оно стационарным или нет? :)
Questa è la definizione di stazionarietà, dove si parla di distribuzione? La stazionarietà è una proprietà di un processo, non di una distribuzione. Il processo ha una sorta di distribuzione. Un processo con una distribuzione normale può essere stazionario o meno. Non dipende dalla distribuzione. Naturalmente, non si può dire nulla sulla stazionarietà di un processo solo conoscendo la sua distribuzione.
Per quanto riguarda SB stesso (come somma cumulativa di incrementi): non ci saranno "code pesanti" descritte da te nel post precedente
.Perché la stessa SB è anche normalmente distribuita, ma con una varianza t volte più grande che per un singolo incremento (al tempo t dall'inizio del riferimento). Sì, la varianza della distribuzione SB aumenta con il tempo, e questa distribuzione è in realtà la somma di variabili casuali indipendenti distribuite normalmente (incrementi), il che corrisponde alla definizione di stabilità nel tuo link. Code pesanti su 3 sigma per esempio, ma per SB se si calcola la varianza in un punto specifico nel tempo (e lo si può fare analiticamente) - tutto sarà come per il normale. Sarà normale con parametri specifici - varianza finita e mo
Prima di scrivere, ho simulato la situazione in Matlab, cioè sono responsabile delle mie parole. E qui stai blaterando a caso. Se "a volte" raddoppiate il valore degli incrementi, come voleva Avatar, allora la varianza delle deviazioni "grandi" aumenta, e la curtosi aumenta. Gli incrementi cessano di essere normalmente distribuiti anche se lo erano inizialmente. Ma la stessa SB non avrà code, SB ha una distribuzione normale ed è non stazionaria, indipendentemente dalla natura degli incrementi.
Ecco la definizione di stazionarietà, dove c'è una parola sulla distribuzione?
Sto dicendo che per ogni distribuzione si può scoprire se è stazionaria o no, o se lo stesso processo sarà stazionario o no. E ho scritto che gli incrementi di SB sono modellati da distribuzioni stazionarie. Se la distribuzione è per esempio normale, allora il processo è stazionario. Un processo normalmente distribuito può essere non stazionario?
La stazionarietà è una proprietà del processo, non della distribuzione. Il processo ha una sorta di distribuzione. Un processo con una distribuzione normale può essere stazionario o meno. Non dipende dalla distribuzione. Naturalmente, conoscendo solo la distribuzione di un processo è impossibile dire qualcosa sulla sua stazionarietà.
Da dove l'hai preso? Fammi un esempio di un processo non stazionario la cui distribuzione sarebbe normale.
Prima di scrivere, ho simulato la situazione in Matlab, il che significa che sono responsabile delle mie parole. E qui stai blaterando a caso. Se "a volte" raddoppiate il valore degli incrementi, come voleva Avatar, allora la varianza delle deviazioni "grandi" aumenta, e la curtosi aumenta. Gli incrementi cessano di essere normalmente distribuiti anche se lo erano inizialmente. Ma la stessa SB non avrà nessuna coda, la SB ha una distribuzione normale ed è non stazionaria, indipendentemente dalla natura degli incrementi.
Non sono sicuro di cosa hai modellato e come hai ottenuto le code pesanti. Se ho capito cosa chiedeva l'avatar - non ci dovrebbe essere nessuna coda. Probabilmente ho capito male :( Per favore dammi almeno un istogramma della distribuzione risultante e come hai modellato
SB non è stazionario, è I(1) - la prima differenza è stazionaria (incrementale) come ho scritto. È anche stazionaria ed è una distribuzione normale per un punto fisso nel tempo. Al momento t0, la distribuzione è stazionaria e una, al momento t1 un'altra. Ma SB stesso come processo dal tempo x=F(t) non è stazionario e non è normalmente distribuito. Questo perché la sua varianza è infinita a t->infinito. La prima differenza (incrementi) è distribuita normalmente. Ho dato un link alla fonte in un post precedente.
Откуда ты это взял? Приведи пример нестационарного процесса, распределение которого будет нормальным.
Ho già dato questo esempio tre volte: il random walk è un processo non stazionario con una distribuzione normale.
La distribuzione è la forma della persona, e la non stazionarietà è l'altezza: una persona grassa può essere alta o bassa (questa è la distribuzione), e cresce fino a 25 anni e poi giù, e la sua larghezza cambia, diventando sempre più grassa con l'età, cioè è non stazionaria. Ma la crescita non è legata alla forma.
La stazionarietà non è una proprietà della distribuzione, ma una proprietà del processo.
Ho già dato questo esempio tre volte: il random walk è un processo non stazionario con una distribuzione normale.
La distribuzione è la forma della persona, e la non stazionarietà è l'altezza: una persona grassa può essere alta o bassa (questa è la distribuzione), e cresce fino a 25 anni e poi giù, e la sua larghezza cambia, diventando sempre più grassa con l'età, cioè è non stazionaria. Ma la crescita non è legata alla forma.
La stazionarietà non è una proprietà della distribuzione, ma una proprietà del processo.
Gli incrementi e la distribuzione di SB in un certo punto fisso nel tempo dal punto di riferimento t sono stazionari e normalmente distribuiti. Per loro è possibile calcolare mo e varianza al contrario di SB in funzione del tempo
Несовсем понял что ты смоделировал и как получил тяжелые хвосты. Как я понял что просил аватара - никаких хвостов быть не должно. Возможно неправильно понял :( Приведи, пожалуйста хотя бы гистограмму полученного распределения и как моделировал
era:
(cioè |y(i)-y(i-1)|>= la forza dell'eroe al passo i-esimo, allora la sua forza generata (compresi meno - dubbi) al passo i+1 dovrebbe essere raddoppiata.
Evidenziato in rosso deve essere i-1, altrimenti ci sarà sempre uguaglianza. Cioè, se l'incremento generato è abbastanza grande, dovrebbe anche essere moltiplicato per due. Questo aumenta la varianza proprio nella zona dei grandi incrementi, il che addensa le code.
e(i) = s(i)-b(i);
se abs(e(i)) > abs(e(i-1))
e(i) = e(i) * 2
fine
I movimenti dei prezzi sono completamente imprevedibili. Abbiamo a che fare con la psicologia, non con la matematica, e nessuna formula può aiutare.
ti sbagli - SB come funzione del tempo non è HP, non stazionario lo è.
Tu stai discutendo con la tabella di moltiplicazione, non con me. E questo è un peccato.
Ecco una passeggiata casuale di 1000 con una distribuzione uniforme degli incrementi. Puoi continuare a sbattere la testa contro il monitor che non è una distribuzione normale. E mi sto stancando di questo.
I movimenti dei prezzi sono completamente imprevedibili, si tratta di psicologia, non di matematica, e nessuna formula può aiutare.
Ti stai contraddicendo. Se "completamente imprevedibile", allora non solo le formule non aiuteranno, ma niente lo farà. E se c'è ancora speranza, in qualche modo la psicologia che lei propone può essere descritta da formule.
Stai discutendo con la tabella di moltiplicazione, non con me. E questo è un peccato.
Ecco 1.000 passeggiate casuali con una distribuzione uniforme degli incrementi. Puoi continuare a sbattere la testa contro il monitor che non è una distribuzione normale. E mi sto stancando di questo.
timbo questa è la 3a volta che ho scritto la stessa cosa. Sì SB generato ad un certo intervallo di tempo, ad esempio 0-1000 (come nella tua immagine) F(t1000)- la distribuzione è sia normale che stazionaria. mo=0, disp=1000*Disp_adjustment. E in qualsiasi altro intervallo di tempo fisso, la distribuzione sarà stazionaria e normale, e la varianza sarà proporzionale alla sua lunghezza. Ma il processo SB stesso, in funzione del tempo F(t) non è nonnormale non stazionario. il suo mo sarà anche=0 ma la varianza è infinita. Per le stazionarie e HP, qualunque sia il t preso, la varianza sarà la stessa e un numero fisso - non cambia nel tempo, che è la condizione della stazionarietà.
timbo уже 3 раз пишу одно и тоже. Да СБ сгененрированное на каком-то отрезке времени например 0-1000 (как на твоей картинке) F(t1000)- распределение и нормально и стационарно. мо=0, дисп=1000*Дисп_приращения. И в любой другой фиксированный промежуток времени распределение будет стационарным и нормальным, а дисперсия будет пропорциональна его длине. Но сам процесс СБ, как функция от времени F(t) не является не нормальным не стационарным. его мо так же будет=0 но дисперсия бесконечна. Для стационарного и НР, какое t не взять - дисперсия будет одинаковой и фиксированным числом- она не меняется во времени, что и есть условие стационарности.
In generale qualsiasi segmento di lunghezza variabile darà una distribuzione normale. Che tipo di distribuzione pensi che abbia la SB, è non stazionaria? Allontanati da questi incrementi, guarda il processo da un'altra angolazione. Se vedi una campana ben definita e limitata, non significa che il processo che la forma sia stazionario.