Dalla teoria alla pratica - pagina 1050
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
A questo proposito, a Kolmogorov è succeduto Einstein e qualcun altro.
Einstein e sua moglie stavano sviluppando una sorta di teorie))))
Einstein e sua moglie stavano lavorando sulle teorie))))
No, erano Curie.
No, erano le Curie.
Ho visto un film su di lui. Credo che sua moglie fosse zoppa e che si siano conosciuti all'istituto. E aveva, tipo, il 50% delle scoperte.
Domani, 14 marzo 2019 segnerà il 140° anniversario della nascita di Albert Einstein, l'uomo che apparentemente ha apportato i cambiamenti più significativi alla nostra comprensione scientifica del mondo. In termini di contributo alla scienza, Einstein è probabilmente il più grande scienziato di tutti i tempi. Nel solo "anno dei miracoli" 1905, creò la teoria speciale della relatività, gettò le basi della meccanica quantistica nell'ipotesi di quantizzazione della radiazione elettromagnetica, e pubblicò un lavoro che spiegava il meccanismo del moto browniano, che confermava la struttura molecolare della materia. Albert Einstein fu un premio Nobel per la fisica, autore di circa 300 articoli scientifici.
La prima moglie di Einstein, Mileva Maric - di nazionalità serba, il suo ruolo nel successo scientifico del marito è una fantasia folkloristica, basata sul lavoro comune sui diplomi. Certamente il giovane Einstein discusse le sue idee e i suoi piani con sua moglie e forse lei lo consigliò su qualcosa, ma niente di più. Non ha mai avuto pubblicazioni scientifiche.
Yep....
L'argomento è diventato spazzatura - nessuna ricerca, nessuna formula ambita... Peccato!
Finora ho fatto un piccolo esperimento.
Ho preso serie generate da Doc - con distribuzione gaussiana per gli incretali, sulla base della quale è conveniente simulare un processo di Wiener (alias moto browniano).
Così - sia per gli incrementi iniziali che per quelli diluiti (in ogni 2°, 3°, ecc. valore) abbiamo SEMPRE UNA e la stessa distribuzione gaussiana - con la stessa aspettativa e altri momenti di una variabile casuale. Questo conferma l'invarianza del moto browniano come processo stocastico classico rispetto al tempo e la sua autosimilarità.
Ma se prendiamo una serie di tick di mercato di quotazioni e cominciamo a sfoltirla, allora per ogni caso otteniamo distribuzioni di probabilità DIVERSE, cioè il mercato NON è autosimile e lo sfoltimento (per esempio OHLC M1) porta a una distorsione del processo e alla perdita di informazioni importanti.
Le quotazioni dei tick sono inapplicabili a causa del loro diverso numero in diverse società di intermediazione.
Punto morto. È una situazione di stallo? Penso che - per ottenere un flusso di quotazioni che deve essere visto e gestito, è importante imparare a sfoltire correttamente le quotazioni di tick iniziali, mostrando una falsa quotazione delle società di intermediazione e allo stesso tempo non perdere informazioni con un caricamento inutile, come è stato nel caso OHLC M1.
Come fare? Beh, naturalmente, convertendo il flusso di tick in Erlang di un certo ordine! Ho seguito questa strada qualche tempo fa, poi ho rinunciato, e ora ho deciso di tornare indietro.
Nel diradamento competente è il sale e il potere del Graal.
Yep....
L'argomento è diventato spazzatura - nessuna ricerca, nessuna formula ambita... Peccato!
Finora ho fatto un piccolo esperimento.
Ho preso serie generate da Doc - con distribuzione gaussiana per gli incretali, sulla base della quale è conveniente simulare un processo di Wiener (alias moto browniano).
Così - sia per gli incrementi iniziali che per quelli diluiti (in ogni 2°, 3°, ecc. valore) abbiamo SEMPRE UNA e la stessa distribuzione gaussiana - con la stessa aspettativa e altri momenti di una variabile casuale. Questo conferma l'invarianza del moto browniano come processo stocastico classico rispetto al tempo e la sua autosimilarità.
Ma se prendiamo una serie di tick di mercato di quotazioni e cominciamo a sfoltirla, allora per ogni caso otteniamo distribuzioni di probabilità DIVERSE, cioè il mercato NON è autosimile e lo sfoltimento (per esempio OHLC M1) porta a una distorsione del processo e alla perdita di informazioni importanti.
Le quotazioni dei tick sono inapplicabili a causa del loro diverso numero in diverse società di intermediazione.
Punto morto. È una situazione di stallo? Penso che - per ottenere un flusso di quotazioni che deve essere visto e gestito, è importante imparare a sfoltire correttamente le quotazioni in tick iniziali, mostrando una falsa quotazione delle società di intermediazione e allo stesso tempo non perdere informazioni con un inutile caricamento di dati, come è stato nel caso OHLC M1.
Come fare? Beh, naturalmente, convertendo il flusso di tick in Erlang di un certo ordine! Ho seguito questa strada qualche tempo fa, poi ho rinunciato, e ora ho deciso di tornare indietro.
Il corretto diradamento è il sale e il potere del Graal.
Forse prima di sottrarre e sfoltire dovresti imparare a sommare i flussi?
Immaginate di ricevere 2 flussi di quotazioni da due società di brokeraggio e di generare le vostre. E vedere quali proprietà dei flussi originali rimangono come risultato e da quali opzioni di aggiunta dipendono.
Quindi, pur non facendo trading, sto solo speculando teoricamente.
E teoricamente, dobbiamo assolutamente ridurre il processo di mercato al processo di Ornstein-Uhlenbeck, che garantisce un ritorno alla media.
Le sue caratteristiche distintive sono la stazionarietà, la distribuzione stabile e infinitamente divisibile degli incrementi e l'ACF esponenzialmente decrescente.
C'è un'opinione che la somiglianza di un tale processo sarà osservata nella finestra temporale scorrevole = 24 ore, nel flusso di quotazione di Erlang di un certo ordine.
La prossima settimana cercherò di tornare in pista e vi mostrerò come diluire correttamente le serie temporali del mercato.
State svegli, bambini! Il Graal sarà trovato, punto e basta.
Yep....
L'argomento è diventato spazzatura - nessuna ricerca, nessuna formula ambita... Peccato!
Finora ho fatto un piccolo esperimento.
Ho preso serie generate da Doc - con distribuzione gaussiana per gli incretali, sulla base della quale è conveniente simulare un processo di Wiener (alias moto browniano).
Così - sia per gli incrementi iniziali che per quelli diluiti (in ogni 2°, 3°, ecc. valore) abbiamo SEMPRE UNA e la stessa distribuzione gaussiana - con la stessa aspettativa e altri momenti di una variabile casuale. Questo conferma l'invarianza del moto browniano come processo stocastico classico rispetto al tempo e la sua autosimilarità.
Ma se prendiamo una serie di tick di mercato di quotazioni e cominciamo a sfoltirla, allora per ogni caso otteniamo distribuzioni di probabilità DIVERSE, cioè il mercato NON è autosimile e lo sfoltimento (per esempio OHLC M1) porta a una distorsione del processo e alla perdita di informazioni importanti.
Le quotazioni dei tick sono inapplicabili a causa del loro diverso numero in diverse società di intermediazione.
Punto morto. È una situazione di stallo? Penso che - per ottenere un flusso di quotazioni che deve essere visto e gestito, è importante imparare a sfoltire correttamente le quotazioni di tick iniziali, mostrando una falsa quotazione delle società di intermediazione e allo stesso tempo non perdere informazioni con un caricamento inutile, come è stato nel caso OHLC M1.
Come fare? Beh, naturalmente, convertendo il flusso di tick in Erlang di un certo ordine! Ho seguito questa strada qualche tempo fa, poi ho rinunciato, e ora ho deciso di tornare indietro.
Il corretto diradamento è il sale e il potere del Graal.
Alexander, lei si definisce un fisico, ma opera esclusivamente con la statistica. Dov'è l'approccio fisico? Dov'è la fisica?
Alexander, lei si definisce un fisico, ma opera esclusivamente sulla statistica. Dov'è l'approccio fisico? Dov'è la fisica?
Il potere della ricorsione è inarrestabile...
con una domanda così semplice porti la discussione indietro di mille pagine :-)