그러나 우리가 "올바른" 모델을 채택했다면 "잘못된" 변동성은 그것과 어떤 관련이 있습니까?
:)
나는 달에서 온 사람입니까, 아니면 당신입니까? :) 귀하의 변동성이 잘못된 이유는 무엇이며, 실제로 귀하의 잘못된 변동성은 무엇과 관련이 있습니까? 모델을 수락하고 올바른 것으로 간주하는 것은 귀하의 권리이지만 저자의 접근 방식과 관련하여 모든 모델은 외부적이며 그의 접근 방식에는 모델이 없으며 그럴 수 없습니다. 내가 제대로 이해했다면 :)
나는 달에서 온 사람입니까, 아니면 당신입니까? :) 귀하의 변동성이 잘못된 이유는 무엇이며, 실제로 귀하의 잘못된 변동성은 무엇과 관련이 있습니까? 모델을 수락하고 올바른 것으로 간주하는 것은 귀하의 권리이지만 저자의 접근 방식과 관련하여 모든 모델은 외부적이며 그의 접근 방식에는 모델이 없으며 그럴 수 없습니다. 내가 제대로 이해했다면 :)
내가 요청할 수 있습니다?
우리는 독립을 같은 방식으로 이해합니까? 즉, 두 프로세스 모두 동일한 분포에 속하며 독립적이라고 가정합니다.
당신은 반환이 있습니다 (그리고 Aleksey는 그것이 거의 Laplacian 분포라고 주장합니다).
이제 이전 값과의 독립성에 대한 가설을 테스트합니다. 그것은 나를 걱정한다.
반품 분포 모델이 균일하면 맞습니다. 그렇지 않으면 아니요. 나는 그것에 대해 이야기한다.
그리고 변동성이 주식 거래량에 민감하다는 사실은 사실입니다. 그러나 이유는 다릅니다.
그리고 배급을 시도하면 명백한 컷이 흐려질 것입니다.
멀수록(시그마 이상) - 독립성이 클수록 ...
;)
CB는 다양한 방식으로 배포될 수 있으며 종속적이거나 독립적일 수 있습니다. 2개의 RV가 독립적이면 독립 확률 변수의 조건부 분포는 무조건 분포와 같습니다. 하나의 RV의 경우 - 분포는 이전 RV 값에 의존하지 않습니다: RV의 조건부 분포(동일한 RV의 이전 값에서)는 RV의 무조건 분포와 같습니다
제거 방법으로 일일 변동성 프로파일에 대한 증가분을 단순히 정규화하는 것이 좋습니다.
현재 순간을 나만의 방식으로 공식화할 수 있습니까?
따라서 선택한 접근 방식은 종속성이 있음을 보여줍니다. 육안 의존성이 가장 분명하고 합리적이며 가시적인 것은 변동성의 일일 주기성입니다.
따라서 연구의 논리적인 다음 단계는 데이터에서 이 명백하고 매우 강한 의존성을 배제하고 우리의 (귀하의) 방법이 다른 의존성의 존재를 보여줄지 확인하는 것 같습니다.
제거 방법으로 일일 변동성 프로파일에 대한 증가분을 단순히 정규화하는 것이 좋습니다.
물론 죄송합니다.
그러나 우리가 "올바른" 모델을 채택했다면 "잘못된" 변동성은 그것과 어떤 관련이 있습니까?
:)
나는 독립성에 대한 테스트가 균일 분포에 대한 준수에 대한 테스트와 동일하다고 "파괴적으로" 계속 주장합니다.
그리고 "비모수 통계"도 없습니다. 어리석게도 귀무 가설입니다. 교과서 작가들이 가끔 씹기엔 너무 게을러서..
MQL의 대략적인 코드-- https://www.mql5.com/en/forum/132692/page13
친애하는 전문가!
이 기계에 대해 질문이 있습니다. 탈휘발화의 결과 결과 시리즈(모듈로 취함)에 대한 자기상관은 0에 가깝습니까? 정상적인 과정에서는 시차 1과 24에서 0.11 부근의 자기상관이 중요합니다.
물론, 내가 직접 확인할 수 있습니다. 나는 일일 변동성 프로파일을 직접 수정하려고 시도했지만 어떤 이유로 자기 상관이 남아있었습니다 .... 그리고 이것은 이미 명확 해 졌기 때문에 강한 종속성의 뿌리입니다.
친애하는 전문가!
저를 그렇게 부르지 마십시오 :) Xpert - 별명, 그 밖의 아무것도, 전문가 - 특성.
탈휘발화의 결과 결과 시리즈(모듈로 취함)에 대한 자기상관은 0에 가깝습니까?
나에게 며칠 단위로 평활화 된 ATR은 순전히 실용적인 도구이며 차트를 얻는 것 이상으로 중요한 것이 없었습니다. 더 시급한 문제가 나타났습니다.
그래서 당신은해야합니다 :). 그들이 가깝다는 사실이 아니라 논리적으로 더 가까워야 합니다.
물론 죄송합니다.
그러나 우리가 "올바른" 모델을 채택했다면 "잘못된" 변동성은 그것과 어떤 관련이 있습니까?
:)
나는 달에서 온 사람입니까, 아니면 당신입니까? :) 귀하의 변동성이 잘못된 이유는 무엇이며, 실제로 귀하의 잘못된 변동성은 무엇과 관련이 있습니까? 모델을 수락하고 올바른 것으로 간주하는 것은 귀하의 권리이지만 저자의 접근 방식과 관련하여 모든 모델은 외부적이며 그의 접근 방식에는 모델이 없으며 그럴 수 없습니다. 내가 제대로 이해했다면 :)
나는 달에서 온 사람입니까, 아니면 당신입니까? :) 귀하의 변동성이 잘못된 이유는 무엇이며, 실제로 귀하의 잘못된 변동성은 무엇과 관련이 있습니까? 모델을 수락하고 올바른 것으로 간주하는 것은 귀하의 권리이지만 저자의 접근 방식과 관련하여 모든 모델은 외부적이며 그의 접근 방식에는 모델이 없으며 그럴 수 없습니다. 내가 제대로 이해했다면 :)
내가 요청할 수 있습니다?
우리는 독립을 같은 방식으로 이해합니까? 즉, 두 프로세스 모두 동일한 분포에 속하며 독립적이라고 가정합니다.
그리고 같지 않다면?
그럼 뭐?
따라서 "잘못된".
:)
내가 요청할 수 있습니다?
우리는 독립을 같은 방식으로 이해합니까? 즉, 두 프로세스 모두 동일한 분포에 속하며 독립적이라고 가정합니다.
그리고 같지 않다면?
그럼 뭐?
따라서 "잘못된".
:)
그렇게 빨리 적응할 시간이 없어요 :). 두 가지 프로세스는 무엇입니까? 백만 개의 프로세스가 있을 수 있고 모든 분포가 있을 수 있으며 전체 결과만 볼 수 있습니다.
변동성과 그 일별 주기성은 어떤 모델과도 전혀 관련이 없는 관찰 가능한 사실일 뿐입니다. 따라서 그는 항상 정확합니다 :).
그렇게 빨리 적응할 시간이 없어요 :). 두 가지 프로세스는 무엇입니까? 백만 개의 프로세스가 있을 수 있고 모든 분포가 있을 수 있으며 전체 결과만 볼 수 있습니다.
변동성과 그 일일 주기성은 어떤 모델과도 완전히 관련이 없는 관찰 가능한 사실입니다. 따라서 그는 항상 정확합니다 :).
당신은 반환이 있습니다 (그리고 Aleksey는 그것이 거의 Laplacian 분포라고 주장합니다).
이제 이전 값과의 독립성에 대한 가설을 테스트합니다. 그것은 나를 걱정한다.
수익률 분포 모델이 균일한 경우 여기에서 논의한 바와 같이 카이제곱을 적용하는 것이 옳습니다.
그렇지 않으면 아니요. 나는 그것에 대해 이야기한다. 카이제곱 검정을 위해 라플라스 분포에 따라 빈도를 취해야 합니다. 그리고 다른 것은 생각하지 마십시오.
그리고 변동성이 주식 거래량에 민감하다는 사실은 사실입니다. 그러나 이유는 다릅니다.
그리고 배급을 시도하면 명백한 컷이 흐려질 것입니다.
멀수록(시그마 이상) - 독립성이 클수록 ...
;)
당신은 반환이 있습니다 (그리고 Aleksey는 그것이 거의 Laplacian 분포라고 주장합니다).
이제 이전 값과의 독립성에 대한 가설을 테스트합니다. 그것은 나를 걱정한다.
반품 분포 모델이 균일하면 맞습니다. 그렇지 않으면 아니요. 나는 그것에 대해 이야기한다.
그리고 변동성이 주식 거래량에 민감하다는 사실은 사실입니다. 그러나 이유는 다릅니다.
그리고 배급을 시도하면 명백한 컷이 흐려질 것입니다.
멀수록(시그마 이상) - 독립성이 클수록 ...
;)
CB는 다양한 방식으로 배포될 수 있으며 종속적이거나 독립적일 수 있습니다. 2개의 RV가 독립적이면 독립 확률 변수의 조건부 분포는 무조건 분포와 같습니다. 하나의 RV의 경우 - 분포는 이전 RV 값에 의존하지 않습니다: RV의 조건부 분포(동일한 RV의 이전 값에서)는 RV의 무조건 분포와 같습니다