価格差の分配
トレーダーの皆様へ
私は暇な時にこのフォーラムの多くのスレッドを読みました。それらの多くは、ランダムな値の戻り（いわゆる価格増分）の分布タイプを決定する問題について議論しています。この問題が解決されていないことを自分自身で実感し、少し持っている :):)私は、この問題を解決するために、適切な教育と技術を身につけることにしました。
そこで、タスク定義。
ある通貨ペアのティックデータから、BidとAskの連続した価格増分の確率分布を求める（つまり、現在のAsk価格と以前のAsk価格の差からなるデータセットとBid価格について同じセットを分析する）こと。与えられた分布の確率密度関数、分布関数、分位関数の公式を解析的に提示すること。
確かに、この課題は難しいものでした。この分布は、正規分布でもロジスティック分布でもラプラス分布でもコーシー分布でもない、広く議論されている分布であることを申し上げておきます。
この分布（より正確には、異なる通貨ペアは、一般的に、標準偏差と 一致しないスケール係数の異なる値を持っているので、それは分布の家族です）を伝える前に、私にいくつかの質問に答えてください - この分布を知ることは、正確に何を提供するのでしょうか？FX取引にどう役立つの？
敬具
偶然通りかかって、FXに興味を持った。
Alexander_K :):)
トレーダーの皆様へ
私は暇なときにこのフォーラムの多くのスレッドを読みました - それらの多くは、ランダム変数の戻り値（いわゆる価格増分）の分布のタイプを決定する問題を議論しています。この問題が解決されていないことを自分自身で実感し、少し持っている :):)私は、この問題を解決するために、適切な教育と技術を身につけることにしました。
そこで、タスク定義。
ある通貨ペアのティックデータから、BidとAskの連続した価格増分の確率分布を求める（つまり、現在のAsk価格と以前のAsk価格の差からなるデータセットとBid価格について同じセットを分析する）こと。与えられた分布の確率密度関数、分布関数、分位関数の公式を解析的に提示すること。
確かに、この課題は難しいものでした。この分布は、正規分布でもロジスティック分布でもラプラス分布でもコーシー分布でもない、広く議論されている分布であることを申し上げておきます。
この分布（より正確には、異なる通貨ペアは、一般的に、標準偏差と 一致しないスケール係数の異なる値を持っているので、それは分布の家族です）を伝える前に、私にいくつかの質問に答えてください - この分布を知ることは、正確に何を提供するのでしょうか？FX取引にどう役立つの？
敬具
偶然通りかかって、FXに興味を持った。
Alexander_K :):)
実際（IMHO）、現在の価格が以前の価格に依存することはない。この分布を見る人は、現在の市場の時間的なトレンド（上昇トレンド、下降トレンド、横ばい）を識別したいだけなのです。トレンドが分かれば、トレーダーはそこから利益を得るチャンスを探します。
実際（IMHO）、現在の価格と前回の価格には相関がありません。この分布を見る人は、単に市場の現在のトレンド（上昇トレンド、下降トレンド、横ばい）を識別したいだけなのです。トレンドが確認されると、トレーダーはそこから利益を得る機会をうかがうことになる。
- この分布を知ることで、実際にどのようなことができるのでしょうか？FX取引にどう役立つの？
対数入力のGARCHモデルは、トレンドモデル、ボラティリティモデル、増分分布 モデルの3つの部分から構成されています。これらの分布、アルゴリズムへの影響、分布の種類による通貨ペアの違いなど、膨大な文献がありますが......。30年前のヒゲを使った問題提起ですね。金融市場における主な数学的ツールはGARCHであり、その種類は多い。機械学習のスレッドで、私は文献のセレクションをあげましたが、またそれにしがみついています。
最も広く使われているのは、ベベルドT分布である。しかし、繰り返しになりますが、完全なモデルは3つの要素で構成されています。
実際の取引で広く使われている既成のソフトウェアパッケージがあります。結果は一般刊行物でご覧いただけます。Rからは、fgarch、 rugarchが 挙げられますが、これらだけではありません。
実はそうなんです。市場には記憶がある。なぜなら、すべての取引はお金であり、取引が開かれたなら、遅かれ早かれ閉じられるからだ。
しかし、もしそのような相関関係があれば、外挿によって将来の値動きを50/50よりはるかに高い精度で予測することができるはずです。
増分値の対数を入力とするGARCHモデルは、トレンドモデル、ボラティリティモデル、増分値分布 モデルの3つの部分から構成されます。これらの分布、アルゴリズムへの影響、分布の種類による通貨ペアの違いなど、膨大な文献がありますが......。30年前のヒゲを使った問題提起ですね。金融市場における主な数学的ツールはGARCHであり、その種類は多い。機械学習のスレッドで、私は文献のセレクションをあげましたが、またそれにしがみついています。
最も広く使われているのは、ベベルドT分布である。しかし、繰り返しになりますが、完全なモデルは3つの要素で構成されています。
実際の取引で広く使われている既成のソフトウェアパッケージがあります。結果は一般刊行物でご覧いただけます。もちろん、fgarchや rugarchの ようなものもありますが、それだけではありません。
はい、非常に近い近似値、つまり歪んだt分布が示されましたね。
実際、私の計算では、自由度＝2の、いわゆる非標準化スチューデントのt分布が得られた。尺度係数は標準偏差とは 一致せず、各通貨ペアで個別に計算されます。
しかし、これはまさに価格刻みで言えることです。現実の価格はこれらのt分布の混合物であり、増分の分布を知ったところで、個人的にはプロセス全体を理解することはできない。
それでも、私はこのスレッドを閉じないようにお願いします - ある聡明な頭脳が、特定の知識から一般への知識を得る方法を教えてくれるかもしれません。
私としては、このコーナーに私の数学的演習を掲載し、フィードバックやコメントを注意深く読むことを約束します。
リーズナブル。
Alexander_K
しかし、もしそのような関係があれば、外挿によって将来の値動きを50/50よりはるかに高い精度で予測することができたはずです。
外挿ができない理由はいくつかあります。まず、サンプリングレートが正しくないと、正弦波でもランダムな時間でサンプリングしてしまうと、正弦波を予測することはできません。そして第二に、各参加者がいつ取引を成立させるのか、それがわからないのに、どうやって予測するのか。取引開始した参加者全員が取引を終了することは分かっているが、いつ終了するかは既に不明である。それとも、オープントレードがすべてクローズされることに納得がいかないのでしょうか？
このことからわかるのは、正規分布に比べて平均からの大きな偏差が多く、サンプルが小さいほど大きな誤差が生じる可能性が高いということです。尾が太いだけの分布で、相場が正規分布でないことは昔から誰でも知っていることです。通常、彼らはそれを記憶や慣性と関連付ける。つまり、大きな変化の後には大きな変化が引用され、小さな変化の後には小さな変化が（平均的に）続くが、それでも小さな変化は大きな変化より多いのである。
もしそうであれば、一回のシステムで相場を予測することは不可能である。つまり、大きな変化から小さな変化にジャンプする瞬間やその逆は、統計的に推測不可能なのだ。だから、いろいろな時間軸で相場を見て、確率を比較する必要がある。その結果、現在どのような相場変動が起きているのか（小さいのか大きいのか）を判断することが難しい、あるいは不可能な場合に、相場の履歴や最大規模を確認する必要があるのです。
しかし、許容できるイベントホライズンや特定の状況下では、非効率性を予測・探索することはおそらく可能であり、それは部分的にシックテイルを形成する。
このことからわかるのは、正規分布に比べて平均からの大きな偏差が多く、サンプルが小さいほど大きな誤差が生じる可能性が高いということです。尾が太いだけの分布で、相場が正規分布でないことは昔から誰でも知っていることです。通常、彼らはそれを記憶の有無と関連付ける。つまり、大きな変化の後には大きな変化が引用され、小さな変化の後には小さな変化が（平均的に）続くが、それでも小さな変化の方が大きな変化よりも多いのである。
私の計算で具体的な例を挙げてみましょう。
通貨ペアEURJPYの 値動き分布は、自由度2、スケール係数（シグマ）=1.43ポイントの非標準化スチューデントのt分布です（数学的に控えめすぎて申し訳ありません）。価格差の95%が±6.19シグマの許容範囲に収まっています。この範囲を超えたら、あるサンプルの売買が成立するということでしょうか。1000分の1まで計算した精度は、意味があるのでしょうか？
ここで、私の計算による具体的な例を挙げてみましょう。
通貨ペアEURJPYの場合、価格上昇の分布は、自由度2、スケール係数（シグマ）=1.43ポイントの非標準化スチューデントのt分布です（数学的に几帳面すぎて失礼しました）。価格差の95%が±6.19 シグマの許容 範囲に収まっています。この範囲を超えたら、あるサンプルの売買が成立するということでしょうか？1000分の1という計算の精度は、意味があるのでしょうか？
お恥ずかしい話ですが、誰に対して寛容な のでしょうか？通常、1人が3シグマを持っているように見えますが...。
SanSanychは、この分野の興味深い情報とソースをたくさん提供してくれました。私の記憶では、前述のGARCHモデルだけがティックを扱わず、日中の終値の刻みを扱っています。
- 無料取引アプリ
- 8千を超えるシグナルをコピー
- 金融ニュースで金融マーケットを探索
トレーダーの皆様へ
私は暇なときにこのフォーラムの多くのスレッドを読みました - それらの多くは、ランダム変数の戻り値（いわゆる価格増分）の分布のタイプを決定する問題を議論しています。この問題が解決されていないことを自分自身で実感し、少し持っている :):)私は、この問題を解決するために、適切な教育と技術を身につけることにしました。
そこで、タスク定義。
ある通貨ペアのティックデータから、BidとAskの連続した価格増分の確率分布を求める（つまり、現在のAsk価格と以前のAsk価格の差からなるデータセットとBid価格について同じセットを分析する）こと。与えられた分布の確率密度関数、分布関数、分位関数の公式を解析的に提示すること。
確かに、この課題は難しいものでした。この分布は、正規分布でもロジスティック分布でもラプラス分布でもコーシー分布でもなく、広く議論されている分布の一つではないことを申し上げておきます。
この分布（より正確には、分布のファミリーです。異なる通貨ペアは、一般に、標準偏差と 一致しないスケール係数の異なる値を持っているので）をお伝えする前に、2つの質問にお答えください - この分布を知ることで、一体何が得られるのでしょうか？FX取引にどう役立つの？
敬具
偶然通りかかって、FXに興味を持った。
Alexander_K :):)