기고글 토론 "조합론과 트레이딩 확률(4부): 베르누이 논리"
내부자, API의 석유 매장량에 대한 뉴스가 나오기 전에 석유 변동성을 제공합니다. 즉, 가격 자체가 형성되기 전에 가격 변동 이유와 확률이 발생했다는 것입니다.
이는 일종의 비판이자 질문이기도 합니다.
내부자, API의 석유 매장량에 대한 뉴스가 나오기 전에 석유 변동성을 제공합니다. 즉, 가격 변동 이유와 확률은 가격 자체가 형성되기 전에 발생했습니다.
이는 일종의 비판이자 질문이기도 합니다.
동의하지만 트레이딩에 접근하는 방식에 따라 다릅니다. 자동매매에 대해 이야기할 때 내부자가 로봇에게 설명할 수 있는 것은 거의 없습니다. 근본 원인을 분석하거나 결과를 분석해야 합니다. 두 접근법 모두 존재할 권리가 있습니다. 전문가 어드바이저는 좀 더 간단한 데이터로 작동해야 합니다. 예를 들어 API가 죽으면 어떻게 될까요? 또한 모든 사람이 무엇을 어떻게 해야 하는지 아는 것은 아닙니다. 여기서는 최소한의 데이터로 최대한의 효과를 얻는다는 개념이 조금 다릅니다.
안녕히 주무세요, 유진!
귀하의 다른 기사를 보게되어 기쁩니다.
복수의 상태, 즉 동일한 동전을 뒤집는 예에 대한 질문을 명확히해야합니다 :
1. 스탬프가 찍힌면으로 뒤집기;
2. "꼬리"쪽에서 떨어짐;
3. 가장자리에서 떨어집니다.
첫 번째 경우-이것은 구매입니다.
두 번째 경우-판매.
세 번째 경우-흡연 및 거래하지 않음.
어쨌든 우리는 매수 또는 매도 만 있습니다.
우리는 주에서 떨어질 확률을 사용하기 때문에 추세에 대해 침묵을 지킨 다음 "타키 이익"또는 "무스"를 우연히 발견 할 수 있기 때문입니다.
질문 :
-다양한 주 측면에서 여기에 또 무엇이있을 수 있습니까?
우리는 주에서 떨어질 확률을 사용하고 운이 좋으면 "타키 이익"이거나 "무스"를 우연히 발견하기 때문에 추세에 대해 침묵합니다.
질문 :
- 여러 상태의 의미에서 여기에 또 무엇이있을 수 있습니까?
안녕하세요 알렉산더, 여기에는 여러 가지 가능성이 있을 수 있습니다. 예를 들어 ( 허브, 꼬리 ) ( 허브, 갈비 ) ( 허브, 허브 ) ( 꼬리 , 꼬리 ) ( 꼬리 , 갈비 ) ( 꼬리 , 허브 ) ( 갈비 , 꼬리 ) ( 갈비 , 꼬리 ) ( 갈비 , 갈비 ) ( 갈비 , 갈비 ) ( 갈비 , 갈비 ) ( 갈비 , 갈비 ) , 갈비 )( 갈비 , 허브 ) ( 갈비 , 허브 )
즉, 단일 이벤트를 고려하는 대신 이러한 이벤트로 구성된 체인을 고려할 수 있으며 여기에서 완전히 예상치 못한 샘플을 얻을 수 있습니다.. 이러한 세트의 수는 다음과 같이 계산됩니다:
- Pow(n,N)
- N은 체인의 길이(서로 뒤따르는 토스의 수)입니다.
- n - 동전을 던진 후 가능한 상태의 수 (그들의 확률은 완전한 그룹을 형성합니다).
즉, 던지기 결과의 수에 사슬의 길이를 곱한 값입니다. 이중 체인의 예에서 9 세트가 나왔는데 확인해 봅시다!
- 3-토스업 횟수
- 2-체인의 길이
- 3^2 = 9 - 모두 합산됩니다.
그리고 3의 체인을 고려할 수 있습니다 ... 4 .... + 상태의 무한대, 샘플의 길이에 따라 던지기로 더 많은 실험을 할수록 분석에 필요한 정보를 더 많이 얻을 수 있습니다. 이러한 모든 집합이 완전한 이벤트 그룹을 형성하기 때문에 이러한 집합의 일부 그룹의 확률에 관심이 있는 경우 집합을 결합할 수도 있습니다.
안녕하세요 알렉산더, 여기에는 많은 변형이 있을 수 있습니다. 예를 들어 ( 허브, 꼬리 ) ( 허브, 갈비 ) ( 허브, 허브 ) ( 꼬리 , 꼬리 ) ( 꼬리 , 갈비 ) ( 꼬리 , 허브 ) ( 갈비 , 꼬리 ) ( 갈비 , 꼬리 ) ( 갈비 , 꼬리 ) ( 갈비 , 허브 ) ( 갈비 , 허브 )와 같은 세 가지 이벤트를 만들 수 있습니다. , 갈비 )( 갈비, 허브 ) ( 갈비 , 허브 )
즉, 단일 이벤트를 고려하는 대신 이러한 이벤트로 구성된 체인을 고려할 수 있으며, 이로부터 완전히 예상치 못한 샘플을 얻을 수 있습니다.. 이러한 세트의 수는 다음과 같이 계산됩니다:
- Pow(n,N)
- N은 체인의 길이(서로 뒤따르는 토스의 수)입니다.
- n - 동전을 던진 후 가능한 상태의 수 ( 그들의 확률은 완전한 그룹을 형성합니다 ).
즉, 던지기 결과의 수에 체인의 길이를 곱한 값입니다. 이중 체인의 예에서 9 세트를 얻었으니 확인해 봅시다!
- 3-토스업 횟수
- 2-체인의 길이
- 3^2 = 9 - 모두 합산됩니다.
그리고 3의 체인을 고려할 수 있습니다 ... 4 .... + 상태의 무한대, 샘플의 길이에 따라 던지기로 더 많은 실험을 할수록 분석에 더 많은 정보를 얻을 수 있습니다. 이러한 모든 집합이 완전한 이벤트 그룹을 형성하므로 이러한 집합 중 일부 그룹의 확률에 관심이 있는 경우 집합을 결합할 수도 있습니다.
답변 감사합니다 , 유진!
좋아요...
하지만 예를 들어 저는 트레이더 타임라인에서 연간 200회, 즉 거래일 시작 전에 한 번만 토스합니다.
따라서 세트에는 이벤트가 하나만 있습니다.
경험상 거래 방향을 지속적으로 변경하는 것은 통계 및 재무 결과에 매우 나쁜 영향을 미친다는 점을 지적하고 싶습니다.
많은 세트로 문제를 해결하는 것은 매우 중복되고 실제 적용이없는 이론적 확장이라고 생각합니다.
연습에 더 가까이 다가 가자!
알았지?
유진 , 답변 감사합니다!
좋아요...
그러나 예를 들어 저는 트레이더의 타임 라인에서 연간 200 번의 토스, 즉 거래일 시작 전에 한 번의 토스 만 있습니다.
따라서 세트에는 하나의 이벤트 만 있습니다.
경험상 거래 방향을 지속적으로 변경하는 것은 통계 및 재무 결과에 매우 나쁜 영향을 미친다는 점을 지적하고 싶습니다.
많은 세트로 문제를 해결하는 것은 매우 중복되고 실제 적용이없는 이론적 확장이라고 생각합니다.
연습에 더 가까이 다가 가자!
알았지?
실제로 해봅시다. 예를 들어 "200" 던지기를 해봅시다. 이 전체 일련의 트라이얼을 분석하면 단일 토스가 아니라 서로 다른 상태 집합을 가진 여러 체인을 구분할 수 있습니다. 트레이딩에서 일련의 거래가 아닌 가격을 분석하는 경우 이를 패턴이라고 합니다. 모든 패턴은 상태 체인으로 충분히 정확하게 표현할 수 있습니다. 흥미로운 점은 단일 상태 또는 한 단계만 고려하면 혼돈이 발생할 가능성이 높지만 이러한 상태가 체인으로 결합되면 패턴이 형성되고이 패턴은 구매와 판매 모두에 대해 말할 수 있으므로 패턴 이후에 발생하는 일을 분석하고 통계를 작성하기 만하면됩니다. 백테스트 또는 거래 내역도 곡선이며 가격 수준뿐만 아니라 가상 거래 수준에서도 패턴을 검색 할 수 있습니다. 이에 대해서는 나중에 다른 기사에서 설명하겠지만, 자료가 많아서 조만간 설명할 예정입니다.
따라서 일반적으로 더 파헤치려고 노력하는 것이 좋습니다.)
연습해 봅시다. 예를 들어 "200번" 던지기를 해봅시다. 이 전체 시도 시퀀스를 분석하면 단일 토스가 아니라 예를 들어 서로 다른 상태 집합을 가진 서로 다른 체인을 식별할 수 있습니다. 트레이딩에서 거래 체인을 분석하는 것이 아니라 가격을 분석하는 경우 이를 패턴이라고 합니다. 모든 패턴은 상태 체인으로 충분히 정확하게 표현할 수 있습니다. 흥미로운 점은 단일 상태 또는 한 단계만 고려하면 혼돈이 발생할 가능성이 높지만 이러한 상태가 체인으로 결합되면 패턴이 형성되고이 패턴은 구매와 판매 모두에 대해 말할 수 있으므로 패턴 이후에 발생하는 일을 분석하고 통계를 작성하기 만하면됩니다. 백테스트 또는 거래 내역도 곡선이며 가격 수준뿐만 아니라 가상 거래 수준에서도 패턴을 검색 할 수 있습니다. 이에 대해서는 나중에 다른 글에서 설명하겠지만, 자료가 많아서 조만간 설명할 예정입니다.
따라서 일반적으로 더 파헤치려고 노력하는 것이 좋습니다.)
"단일 상태 또는 한 단계 만 고려할 때 혼란이 발생할 가능성이 가장 높다는 것이 흥미 롭습니다 ..."
- 여기서 멈춰야합니다.
시장의 혼돈이나 난기류는 5-7 년에 한 번씩 매우 드물게 발생하며 급격한 비행 또는 유입으로 표현됩니다
이는 급격한 성장에 영향을 미치고 급격히 수축하거나 금융 상품의 가치가 공황 상태로 떨어집니다.
따라서 가격 패턴이 많고 항상 예상되는 방향을 제공하지 않는 가격 패턴 없이도 고려할 수 있습니다.
사실이 아닙니까, Eugene?
새로운 기고글 조합론과 트레이딩 확률(4부): 베르누이 논리 가 게재되었습니다:
이 글에서는 잘 알려진 베르누이 기법을 알아보고 이를 트레이딩과 관련한 데이터 배열을 설명하는 데 어떻게 사용할 수 있는지 보여드리겠습니다. 그런 다음 이 모든 것이 스스로 적응하는 트레이딩 시스템을 만드는 데에 사용될 것입니다. 우리는 또한 베르누이 공식의 특별한 경우인 보다 일반적인 알고리즘을 찾아보고 관련된 응용 프로그램을 찾아볼 것입니다.
우리가 수학의 언어로 트레이딩의 내역과 백테스트를 설명할 수 있는 가능성을 분석 하려면 먼저 이러한 분석의 목적과 분석에 따른 가능한 결과를 이해해야 합니다. 이러한 분석에 어떤 부가적인 가치가 있을까요? 사실 당장 명확한 답변을 드리는 것은 불가능합니다. 그러나 점차 간단하고 효과적인 솔루션으로 이어질 수 있는 해답이 있습니다. 이를 위해 먼저 더 자세한 내용을 살펴볼 필요가 있습니다. 이전 기사의 내용을 상기해 보면 다음과 같은 질문이 생깁니다:
이 모든 질문에 대한 답변은 다음과 같습니다. 일부 전략을 프랙탈 설명으로 축소할 수 있습니다. 제가 이 알고리즘을 개발한 사람으로서 이에 대해 자세히 설명하겠습니다. 이는 범용 프랙탈이기 때문에 다른 용도로도 적합합니다. 이제 다음 질문에 대해 생각해보고 답해 봅시다: 난수와 확률 이론의 언어로 거래 내역이란 무엇을 말하는 것일까요? 답은 간단합니다: 이는 고립된 엔티티 또는 벡터의 집합으로 특정 기간에 특정 확률과 시간 활용 계수를 갖는 발생입니다. 이러한 각 엔티티의 주요 특징은 발생의 확률입니다. 시간 사용 계수는 사용 가능한 시간 중 트레이딩에 사용되는 시간을 결정하는 데 도움이 되는 보조 값입니다. 다음 그림이 아이디어를 이해하는 데 도움이 될 것입니다:
작성자: Evgeniy Ilin