Dalla teoria alla pratica - pagina 570
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
Beh, è un xi-square, ovviamente.
È la varianza. Mi sbaglio, ovviamente - la somma dei moduli degli incrementi è direttamente proporzionale alla varianza.
Basta contare la somma degli incrementi - abbiamo una distribuzione normale.
Ma di nuovo, cosa dovremmo farci? Devo lavorare con i livelli nella finestra settimanale? Preferirei smettere del tutto di lavorare sul mercato - mi annoio e non ho bisogno di soldi.
Non mi viene in mente nient'altro oltre alle reti neurali...
Qui c'è qualcosa che non va, il chi-quadrato diminuisce più velocemente dell'esponente(geometrico p=0,5), e facciamo così: prendete Laplace e aggiungete l'esponente di sinistra a destra, ottenete di nuovo l'esponente, ho una formula lì, da qualche parte un po' più vicino, da qualche parte più lontano, ma c'è un tuffo nello zero. Non è chiaro.
Qui c'è qualcosa che non va, il chi-quadrato diminuisce più velocemente dell'esponente (geometrico p=0,5), e facciamo così: prendiamo Laplace e aggiungiamo l'esponente di sinistra a quello di destra, otteniamo di nuovo l'esponente, ho una formula lì, da qualche parte un po' più vicino, da qualche parte più lontano, solo che c'è un tuffo nello zero. Non è chiaro.
Sui dati di Eugene è chiaramente visibile una distribuzione praticamente normale sia per la somma degli incrementi che per le somme dei moduli degli incrementi e per gli incrementi delle somme degli incrementi.
In generale per tutto.
Non ha senso indagare ulteriormente. Si trova tutto - sia Laplace che Gauss. Ma tutto questo in grandi finestre temporali e grandi intervalli di tempo tra le quotazioni. Sono abbastanza sicuro che nei flussi Erlang di alto >=300 ordini di grandezza tutto è perfetto in generale.
И... Niente. Il vuoto. Per un trader aspettare 1 trade al mese è impensabile - si può impazzire.
È chiaro che è possibile passare da una distribuzione esponenziale a una distribuzione normale, in una distribuzione Pearson (chi-quadrato) con gradi di libertà crescenti o in una distribuzione Erlang (Gamma) con k crescenti, con spread di punti crescenti, con la trasformazione di una distribuzione uniforme, da un lato da una uniforme - esponenziale e dall'altro lato - normale. Tutti questi sono processi casuali. La questione è trovare le deviazioni dalla casualità.
PS Alexander, ancora una volta Doc aveva ragione sul tuo fornitore di servizi, lì sia gli intervalli di tempo che gli incrementi stessi hanno deviazioni dall'esponente, tu e Doc avete confermato la distribuzione logaritmica, diminuisce più lentamente dell'esponente, in tutta la distribuzione, non solo nelle code, prova a dare valori puri, come hai fatto lì anche ogni secondo letto, su neuronka, lascia che qualcuno aiuti, vedi il risultato. Avete un'eccezione alla regola, che tra l'altro conferma la regola che sarà per lo più esponenziata e di Cauchy e la differenza è solo nelle code delle distribuzioni, dove sono di solito i divari.
È chiaro che è possibile passare da una distribuzione esponenziale a una distribuzione normale, in una distribuzione Pearson (chi-quadrato) con gradi di libertà crescenti o in una distribuzione Erlang (Gamma) con k crescenti, con spread di punti crescenti, con la trasformazione di una distribuzione uniforme, da un lato da una uniforme - esponenziale e dall'altro lato - normale. Tutti questi sono processi casuali. La questione è trovare le deviazioni dalla casualità.
PS Alexander, ancora una volta Doc aveva ragione sul tuo fornitore di servizi, lì sia gli intervalli di tempo che gli incrementi stessi hanno deviazioni dall'esponente, tu e Doc avete confermato la distribuzione logaritmica, diminuisce più lentamente dell'esponente, in tutta la distribuzione, non solo nelle code, prova a dare valori puri, come hai fatto lì anche ogni secondo letto, su neuronka, lascia che qualcuno aiuti, vedi il risultato. Avete un'eccezione alla regola, che tra l'altro conferma la regola che sarà per lo più esponenziata e Cauchy e la differenza è solo nelle code delle distribuzioni dove ci possono essere dei vuoti.
Questo mese sono ancora alle prese con i livelli, e poi con la neuronica. Non vedo altre opzioni... Lavorare con distribuzioni conosciute è bello, certo, ma sono molto nascoste... Ahimè...
Un istogramma! Se c'è una distribuzione normale - graal, no - sì, non cambia nulla...
Zii, finché non dimenticherete tutte le vostre distribuzioni, ci sarà solo polvere nelle vostre tasche)) sono disposto a scommettere 100$ su questo )))
E altri 100$ che ci vorranno altre 500 pagine per arrivare a voi)
Avete una serie temporale, non solo statistiche. Cambiare il libro di testo.Questa è una conferma, ho provato ad adattare l'esponente ai tuoi dati, puoi vedere che il picco è più piccolo e il centro non si adatta. Controllate voi stessi, o mandatemi più dati, intervalli e incrementi e cercherò di adattare l'esponente.
No, non è necessario. Tutto è già chiaro e comprensibile per me.
O semplicemente lasciare che il mio TS funzioni senza condizioni aggiuntive, ACF, Hurst, asimmetria e altre cose (ho paura che sia +0% o che fallisca),
Oppure applicare somme di incrementi e moduli agli ingressi di NS (il processo è praticamente gaussiano con ACF non delta-correlata) e lasciare che falci la cassa.
Amen.
P.S. Non credo negli ZigZag, mi dispiace :)
e poi alla neuronica. Non vedo altre opzioni...
hmmm, non mi piace la frase che ho letto su internet, ma dirò: POPKORN POPKORN!
Zii, finché non dimenticherete tutte le vostre assegnazioni, ci sarà solo polvere nelle vostre tasche)) sarei disposto a scommettere 100$ su questo )))
E altri 100 dollari che non lo otterrete prima di altre 500 pagine)
Perché solo 100 e non 1.000? 10к? Hai ancora dei dubbi? E il segreto? E la foto del profilo?
Non voglio rovinare troppo i perdenti)