그래, 얼마나 탐욕스러운지. 좋습니다. 변동성에 대해 이야기해 보겠습니다. 원칙적으로 이것은 KK 좌표에 대한 매우 좋은 선택입니다.
주요 질문은 다음과 같습니다. 어떤 변동성 창을 선택해야 합니까? 사실 이것은 KK 좌표의 숨겨진 매개변수입니다.
두 번째 질문: 변동성을 계산하는 방법은 무엇입니까?
가) R.C.O.? 나는 그것을 좋아하지 않는다. 변동성을 추정한 것이 아닙니다. 스코 알고리즘이 유일한 수익 분포(정상 분포)에 고유하게 대응하는 방법. 그것은 그렇지 않습니다. 여기 있는 모든 젊은이들은 그것에 대해 알고 있습니다.
b) 현실에 더 가깝다면, 그것은 반품 모듈의 평균과 같을 것입니다. Bulashev는 적어도 첫 번째 근사치에서 반품 모듈의 분포가 기하급수적으로 간주될 수 있다는 증거 없이 잘못 보여진 것 같습니다. 그러나 이 분포는 s.c.d가 아니라 개별 오차의 평균으로서 오차 추정에 더 가깝습니다.
c) ATR. 좋아요. 이념적으로는 b)에 매우 가깝습니다.
d) 백분위수 변동성 추정 방법: 다소 큰 창(약 100)을 선택하고 백분위수(예: 50)를 결정한 다음 100바 전 종가의 수익률 모듈 분포를 살펴봅니다. 분포를 양분하는 풀백에 해당하는 지점이 변동성 추정치가 됩니다.
개인적으로 이 방법이 가장 마음에 듭니다. 이는 수익률 분포의 형태에 대해 훨씬 더 강력합니다(우리는 분포 함수에 대해 가설을 세우지 않습니다). 또한 "변동성 창"에 더 강합니다.
지금으로서는 변동성에 대해 생각하는 것이 거의 전부입니다. 관심이 있다면 표시기 d)가 다른 창에서 어떻게 보이는지 보여줄 수 있습니다.
추신 네, 여기에 CC 좌표에 따른 두 번째 변동성 매개변수가 있습니다. 거래 결정을 내릴 때 비교할 특정 "경계" 변동성을 알아야 합니다.
그래, 얼마나 탐욕스러운지. 좋습니다. 변동성에 대해 이야기해 보겠습니다. 원칙적으로 이것은 KK 좌표에 대한 매우 좋은 선택입니다.
주요 질문은 다음과 같습니다. 어떤 변동성 창을 선택해야 합니까? 사실 이것은 KK 좌표의 숨겨진 매개변수입니다.
두 번째 질문: 변동성을 계산하는 방법은 무엇입니까?
가) R.C.O.? 나는 그것을 좋아하지 않는다. 변동성을 추정한 것이 아닙니다. 스코 알고리즘이 유일한 수익 분포(정상 분포)에 고유하게 대응하는 방법. 그것은 그렇지 않습니다. 여기 있는 모든 젊은이들은 그것에 대해 알고 있습니다.
b) 현실에 더 가깝다면, 그것은 반품 모듈의 평균과 같을 것입니다. Bulashev는 적어도 첫 번째 근사치에서 반품 모듈의 분포가 기하급수적으로 간주될 수 있다는 증거 없이 잘못 보여진 것 같습니다. 그러나 이 분포는 s.c.d가 아니라 개별 오차의 평균으로서 오차 추정에 더 가깝습니다.
c) ATR. 좋아요. 이념적으로는 b)에 매우 가깝습니다.
d) 백분위수 변동성 추정 방법: 다소 큰 창(약 100)을 선택하고 백분위수(예: 50)를 결정한 다음 100바 전 종가의 수익률 모듈 분포를 살펴봅니다. 분포를 양분하는 풀백에 해당하는 지점이 변동성 추정치가 됩니다.
개인적으로 이 방법이 가장 마음에 듭니다. 이는 수익률 분포의 형태에 대해 훨씬 더 강력합니다(우리는 분포 함수에 대해 가설을 세우지 않습니다). 또한 "변동성 창"에 더 강합니다.
지금으로서는 변동성에 대해 생각하는 것이 거의 전부입니다. 관심이 있다면 표시기 d)가 다른 창에서 어떻게 보이는지 보여줄 수 있습니다.
PS 네, 여기에 CC가 조정하는 두 번째 변동성 매개변수가 있습니다. 거래 결정을 내릴 때 비교할 특정 "경계" 변동성을 알아야 합니다.
1. 일중 황소는 매우 주기적이며 일중 거래 또는 일별 TF를 기반으로 하는 진입/출구가 있는 기타 항목에 대해 평가되는 경우 이를 고려해야 합니다. 사실, 하루 중 매 시간마다 표준 소와 비표준 소도 있습니다. 저것들. 하루 중 각 시간에 대한 변동성의 상대 편차를 보거나 평균 기간을 며칠로 잡아야 합니다. https://www.mql5.com/en/forum/117000 Shiryaev는 변동성에 대한 유사한 연구를 가지고 있으며 "Fundamentals of Stochastic Financial Mathematics"의 2권에 있는 것으로 보입니다.
2. 황소의 자연적인 척도는 진드기의 부피입니다. 충분히 확장된 섹션에 대한 총계를 취하면 상대적 변화는 DC와 실질적으로 독립적입니다. 다른 모든 방법은 일부 매개변수에 의한 필터링의 파생물입니다.
비록 우리가 충분히 긴 섹션(수일의 기간으로)을 취한다면, 틱 볼륨 대신 충분히 낮은 프레임 기간 동안 모든 양초의 합계(고가-저)를 취할 수 있습니다. 이 값은 비례하여 변경됩니다
아니다. 욕심에서. ;)
그래, 얼마나 탐욕스러운지. 좋습니다. 변동성에 대해 이야기해 보겠습니다. 원칙적으로 이것은 KK 좌표에 대한 매우 좋은 선택입니다.
주요 질문은 다음과 같습니다. 어떤 변동성 창을 선택해야 합니까? 사실 이것은 KK 좌표의 숨겨진 매개변수입니다.
두 번째 질문: 변동성을 계산하는 방법은 무엇입니까?
가) R.C.O.? 나는 그것을 좋아하지 않는다. 변동성을 추정한 것이 아닙니다. 스코 알고리즘이 유일한 수익 분포(정상 분포)에 고유하게 대응하는 방법. 그것은 그렇지 않습니다. 여기 있는 모든 젊은이들은 그것에 대해 알고 있습니다.
b) 현실에 더 가깝다면, 그것은 반품 모듈의 평균과 같을 것입니다. Bulashev는 적어도 첫 번째 근사치에서 반품 모듈의 분포가 기하급수적으로 간주될 수 있다는 증거 없이 잘못 보여진 것 같습니다. 그러나 이 분포는 s.c.d가 아니라 개별 오차의 평균으로서 오차 추정에 더 가깝습니다.
c) ATR. 좋아요. 이념적으로는 b)에 매우 가깝습니다.
d) 백분위수 변동성 추정 방법: 다소 큰 창(약 100)을 선택하고 백분위수(예: 50)를 결정한 다음 100바 전 종가의 수익률 모듈 분포를 살펴봅니다. 분포를 양분하는 풀백에 해당하는 지점이 변동성 추정치가 됩니다.
개인적으로 이 방법이 가장 마음에 듭니다. 이는 수익률 분포의 형태에 대해 훨씬 더 강력합니다(우리는 분포 함수에 대해 가설을 세우지 않습니다). 또한 "변동성 창"에 더 강합니다.
지금으로서는 변동성에 대해 생각하는 것이 거의 전부입니다. 관심이 있다면 표시기 d)가 다른 창에서 어떻게 보이는지 보여줄 수 있습니다.
추신 네, 여기에 CC 좌표에 따른 두 번째 변동성 매개변수가 있습니다. 거래 결정을 내릴 때 비교할 특정 "경계" 변동성을 알아야 합니다.
----------------------------------
지금으로서는 변동성에 대해 생각하는 것이 거의 전부입니다. 관심이 있다면 표시기 d)가 다른 창에서 어떻게 보이는지 보여줄 수 있습니다 .
추신 네, 여기에 CC 좌표에 따른 두 번째 변동성 매개변수가 있습니다. 거래 결정을 내릴 때 비교할 특정 "경계" 변동성을 알아야 합니다.
보여줘. 변동성 그래프가 정현파에 가깝도록 이러한 창과 TF를 선택해야 합니다. 이제 어느 것이 바로 말할 수 없지만 그렇습니다.
아니, 아니, Andrey , 아름다운 정현파가 있기를 바라지 마십시오. 그러나 (원칙적으로 평활화는 없지만) 부드러움이 있으며 따라서 일종의 예측 가능성이 있습니다. 조금 후에. 칠면조가 있지만 약간 수정해야합니다.
아니, 아니, Andrey , 아름다운 정현파가 있기를 바라지 마십시오. 그러나 (원칙적으로 평활화는 없지만) 부드러움이 있으며 따라서 일종의 예측 가능성이 있습니다. 조금 후에. 칠면조가 있지만 약간 수정해야합니다.
"아름다운" 정현파를 의미하는 것이 아니라 주기성을 갖는 유사한 것입니다. 직선 형태의 변동성은 실제로 필요하지 않지만, 반면에 한 막대의 창에서 계산된 변동성은 강력하게 " 배경".
그래, 얼마나 탐욕스러운지. 좋습니다. 변동성에 대해 이야기해 보겠습니다. 원칙적으로 이것은 KK 좌표에 대한 매우 좋은 선택입니다.
주요 질문은 다음과 같습니다. 어떤 변동성 창을 선택해야 합니까? 사실 이것은 KK 좌표의 숨겨진 매개변수입니다.
두 번째 질문: 변동성을 계산하는 방법은 무엇입니까?
가) R.C.O.? 나는 그것을 좋아하지 않는다. 변동성을 추정한 것이 아닙니다. 스코 알고리즘이 유일한 수익 분포(정상 분포)에 고유하게 대응하는 방법. 그것은 그렇지 않습니다. 여기 있는 모든 젊은이들은 그것에 대해 알고 있습니다.
b) 현실에 더 가깝다면, 그것은 반품 모듈의 평균과 같을 것입니다. Bulashev는 적어도 첫 번째 근사치에서 반품 모듈의 분포가 기하급수적으로 간주될 수 있다는 증거 없이 잘못 보여진 것 같습니다. 그러나 이 분포는 s.c.d가 아니라 개별 오차의 평균으로서 오차 추정에 더 가깝습니다.
c) ATR. 좋아요. 이념적으로는 b)에 매우 가깝습니다.
d) 백분위수 변동성 추정 방법: 다소 큰 창(약 100)을 선택하고 백분위수(예: 50)를 결정한 다음 100바 전 종가의 수익률 모듈 분포를 살펴봅니다. 분포를 양분하는 풀백에 해당하는 지점이 변동성 추정치가 됩니다.
개인적으로 이 방법이 가장 마음에 듭니다. 이는 수익률 분포의 형태에 대해 훨씬 더 강력합니다(우리는 분포 함수에 대해 가설을 세우지 않습니다). 또한 "변동성 창"에 더 강합니다.
지금으로서는 변동성에 대해 생각하는 것이 거의 전부입니다. 관심이 있다면 표시기 d)가 다른 창에서 어떻게 보이는지 보여줄 수 있습니다.
PS 네, 여기에 CC가 조정하는 두 번째 변동성 매개변수가 있습니다. 거래 결정을 내릴 때 비교할 특정 "경계" 변동성을 알아야 합니다.
1. 일중 황소는 매우 주기적이며 일중 거래 또는 일별 TF를 기반으로 하는 진입/출구가 있는 기타 항목에 대해 평가되는 경우 이를 고려해야 합니다. 사실, 하루 중 매 시간마다 표준 소와 비표준 소도 있습니다. 저것들. 하루 중 각 시간에 대한 변동성의 상대 편차를 보거나 평균 기간을 며칠로 잡아야 합니다. https://www.mql5.com/en/forum/117000 Shiryaev는 변동성에 대한 유사한 연구를 가지고 있으며 "Fundamentals of Stochastic Financial Mathematics"의 2권에 있는 것으로 보입니다.
2. 황소의 자연적인 척도는 진드기의 부피입니다. 충분히 확장된 섹션에 대한 총계를 취하면 상대적 변화는 DC와 실질적으로 독립적입니다. 다른 모든 방법은 일부 매개변수에 의한 필터링의 파생물입니다.
비록 우리가 충분히 긴 섹션(수일의 기간으로)을 취한다면, 틱 볼륨 대신 충분히 낮은 프레임 기간 동안 모든 양초의 합계(고가-저)를 취할 수 있습니다. 이 값은 비례하여 변경됩니다
주요 질문은 다음과 같습니다. 어떤 변동성 창을 선택할 것인가? 사실 이것은 KK 좌표의 숨겨진 매개변수입니다.
두 번째 질문: 변동성을 계산하는 방법은 무엇입니까?
1. 이것은 정말로 주요 질문입니다.
2. 용어의 논리에 따라 Close가 아닌 High와 Low로 계산해야 합니다. 예를 들어 나는 이것을했다
또한, 최소한 평균(즉, 계수), 최소한 제곱 평균만 고려할 수 있습니다.
Shiryaev는 변동성에 대한 유사한 연구를 가지고 있으며 "Fundamentals of Stochastic Financial Mathematics"의 2권에 있는 것으로 보입니다.
첫 번째 볼륨에 나타납니다. 거기에서 틱 및 변동성에 대한 통계가 고려됩니다. 예를 들어, 여기에 그림이 있습니다)))
글쎄, 무슨 탐욕. 자, 변동성에 대해 이야기해 보겠습니다.
=========
죽은 주제...
Lovins와 "Gadflies" 규칙.
:(
=========
죽은 주제...
Lovins와 "Gadflies" 규칙.
:(
누군가가 주제의 주요 아이디어를 생산적으로 구현했는지 여부조차 알려지지 않았습니다. 불쌍해.
그녀는 익사 하고 떠올랐다.
세상의 종말이 가까운 것 같습니다. 죽은 자들이 무덤에서 일어나고 있습니다. 잘. 그걸로 살아야지...
===
더 이상 글을 쓰지 않겠습니다. 이것은 무의미하고 쓸모가 없습니다. 러시아 폭동처럼.
누군가를 계몽하고 싶습니까?
죄송합니다. 물론 아닙니다.
도대체 먹여살릴게 뭐가 있어?
무심코 멍한 놈은?
-
날 해고해 결혼 후...