記事"ランダムウォーク理論とトレンドインディケータ"についてのディスカッション - ページ 2

新しいコメント
 
Trolls:

そこに間違いがある。

1.連続モデルから離散モデルへの移行は正しく行われなければならない。

2.両方のモデルが同じ（連続と離散）であることは可能だが、条件を満たす必要があり、＋と-のステップが同じでなければならない。その大きさ。

3.分析するために小節を取った。片方のモデルだけが積分を持ち、もう片方は和を持つ。" すべての棒グラフが同じであることを証明しなさい。証明できますか？

4. この性質を持つチャートは1つだけ、Renkoチャートだけです...+1 -1(https://www.mql5.com/ja/code/9447#25419) と置き換えることができます。


離散コインモデルは、コインの価格を1ピップとし、各ティックでコインを1000回投げれば、純粋な（私たちになじみのある）マーケットになります。

連続モデルは、連続時間をティックに分割し、価格を1ポイントに丸めれば、純粋な市場になります。

どちらのモデルも純粋市場に収束し、上記の条件では同じです。

 
Trolls:

記事へのリンクをありがとう。読んでみて。ARFIMAモデルとランダムウォークを使うことを提案している。これらは異なるモデルだ。次の記事も読んでみると面白いだろう。そこでは、あなたの提案する市場モデルが適切であることが証明されている。言葉で主張するだけでなく、数学的に証明されている...そして、この数字の計算を考えると...

H.Y.ただ、多くの人がこの妥当性という美しい言葉を理解しているが、その計算方法さえ知らない。あなたは投稿の中で、100％適切なモデルは存在しないと書いている。まったく同感だ。問題は、提案されたモデルが市場に対して20％、30％、あるいは99.999999999％......どの程度適切かということだ。

ARFIMAもコインモデルも、為替レートのような曲線（系列）を生成する手法である。次回は、為替レートのような曲線の質を評価する方法を提案する。


現実に対するモデルの妥当性は、それだけでは評価できない。モデルは、特定の現実的な問題（コースでお金を稼ぐ、建物を建設する）を解決するために作られる。問題が完全に解決されれば、そのモデルは適切であるとみなされ、問題が50％解決されれば、そのモデルは50％適切であるとみなされる。だから、課題を定義する必要がある。コインのモデルは、コースのような曲線を生成するように設計されている。さて、このモデルは曲線を生成します。曲線は為替レートとあまり似ていませんが、モデルは単純です。だから20％で止めておく。

 
Urain:

スタックをモデリングしてみよう。スタックは明確な構造を持っており、スタックは上下に一定数 の点の順序を見る。

ジェネレータはすべてのセルを通過し（+1 -1 ではなく、ランダムな体積の生成でもよい）、スタックのすべてのセルがジェネレータによって通過された後、スタックの中間点をどこに移動するかの計算が行われる。

32768ランドを生成した後、SRANDを再起動することを忘れないでください。

価格形成のモデルを提案しているのですか？すべてはセル内のボリュームをどのように生成するかということになる。出来高はランダムではありません。中点から離れれば離れるほど、出来高は高くなる。出来高には特定のモデルが必要です。
 
Virty:
価格モデルを提案しているのですか？すべてはセル内の量をどのように生成するかということになる。ボリュームはランダムではありません。中点から離れれば離れるほど、出来高は高くなる。ボリュームの具体的なモデルが必要です。

体積は1ラグでランダムだと仮定しよう。ランダムなグラスを生成し、そのグラスの以前の値に加算し、実現されたトランザクションとして中点に最も近い体積を相互に減算し、グラスの新しい中点を計算する。

 
Urain:

ガラスをモデリングしてみよう。ガラスは明確な構造を持っており、ガラスは上下に一定の点数の入札を見ている。

ジェネレーターがすべてのセルを通過し（+1 -1ではなく、ランダムなボリュームの生成でもよい）、スタックのすべてのセルがジェネレーターによって通過された後、スタックの中央点をどこに移動させるかの計算が行われる。

32768ランドを生成した後、SRANDを再起動することを忘れないでください。

価格決定プロセスは、「ランダムボリューム生成」よりもはるかに複雑です。http://people.orie.cornell.edu/~sfs33/research.htm。
 
Trolls:

酔っぱらった船乗りを例えに出すと、ステップの大きさが違ってくる。大雑把に言えば、パブから移動する場合、1歩の長さは80センチ、（パブへ）戻る場合は60センチである。トレンドは同じで、市場の下降は上昇よりも速いことも知られている。そして、この記事ではすべてのステップが同じ+1または-1である。

だから、このモデルは適切とは言えない。これは単なるコインであり、その分布特性は長い間知られ、研究されてきた。

数学者たちは、急激な値下がりの影響をレバレッジ効果の 増大によって説明しているが、私の考えでは、これは非常に弱く、起こっているプロセスの説明としては明らかに不十分である。

このモデルは、等ボリュームのデータ・スライスではなく、より高度な対数ボラティリティ・モデルを使用することで改善できるだろう。逆に、価格が高ければ出来高も多くなり、結果としてボラティリティも高くなる。つまり、これらのインターバルでのTSのリスクと収益性は高くなります。ところで、ボラティリティの補正はかなり大きくなる可能性があり、この補正を考慮に入れなければ、結論で大きな間違いを犯す可能性があることを意味する。これは特に株式で顕著である。TSは、低揮発性の期間でよく稼いでいたが、その収益性は、高揮発性の期間では有意にマイナスではないものの、それは、実際にはそうではありませんが、完全なドレインのように見えるかもしれません。ところで、このことは、大きな時間スケールのチャートは、線形スケールではなく、対数スケールで見るべきだということも意味している。通常の株価チャートにはそのようなオプションがある。

一般に、どのような数学的モデルも、常に経済的な仮定によって定義されるべきである。経済理論のないモデルそのものは無意味である。したがって、ランドを使う前に、経済学の教科書を読んでおくとよいだろう。

 
lea:
価格決定プロセスは、「ランダムなボリューム生成」よりもはるかに複雑です。http://p eople.orie.cornell.edu/~sfs33/research.htm

ゴタゴタに餌を与えたり、指をさすのはやめましょう :o)

私は斜め読みして、一連の文字から、回帰モデルがカップのピッチの大きさと方向を計算するために使用されることを理解した。

 
Urain:

出来高は1ラグでランダムであると仮定しよう。ランダムなグラスを生成し、そのグラスの以前の値に加算し、実現取引として真ん中に最も近い体積を差し引き、グラスの新しい真ん中を計算する。


私が理解する限り、このモデルは価格が変動するコインのレートに 還元されます。同じコインを投げますが、コインを投げるたびに、限られた範囲から新しいランダムな価格が設定されます。そして、価格の確率分布がある。

もし価格の確率分布が正規分布に近ければ（このようなグラスではそうなる）、一定の価格を持つコインの古いレートが得られる。ちょうど今、コインを100回連続で投げて、100回投げた後だけ結果を見ます。そして、コインの値段は一定であるが、新しい値段である。

もし価格の確率分布がトリッキーであれば、そのレートはコインのレートのようには見えません。ランダムでないパターンが現れる。現実のレートでそれらをキャッチしようとすることはできますが、まず価格の確率分布を設定する必要があります。

 
Urain:

ルンバに餌をやるのをやめて、指をさすんだ :o)

http://p eople.orie.cornell.edu/~sfs33/LimitOrderBook.pdf

あなたは明らかにビーカーの模型についての記事を読んだ。モデルはモデルであり、スタックで起きていることを完全に説明するものではない。

しかし、流動性提供のアルゴリズムは価格決定原則のヒントを与えてくれる（つまり、上記の記事を読めば、スタック内のボリュームがいかに「ランダムに」クロールするかがわかる）。

 
Virty:

価格の確率分布がトリッキーであれば、レートはもはやコインのレートの ようにはならない。そこには非ランダムな規則性が現れる。現実の為替レートでそれを捕らえようとすることは可能だが、まずは価格の確率分布を定義しなければならない。

増分値の分布、ACFの形状、増分値の2乗のACFの形状、および時間的な分散挙動が、実際に観測されたものとよく似ている合成値をモデル化する方法を私が知っていると仮定しよう。これは価格のモデル化にどのように役立つでしょうか？
123456
新しいコメント