Ressonância estocástica - página 19

 

para Yurixx

Então esta dependência é mais fácil de obter experimentalmente. A série de preços não tem nenhuma distribuição normal e construir "modelos" nesta base levará a erros substanciais.

 
Avals:
lna01:

P.S. Meu erro, desatento, um erro aí, RMS não pode aspirar ao infinito. Pegue a soma somente para os incrementos M

Com N tendendo ao infinito mais rápido que M, obtemos que o RMS tende ao infinito, ou seja, a realização pode ir tão longe quanto se quer, o que é confirmado pelas leis do arcsine.
Um valor normalmente distribuído pode ir até o infinito, mas com probabilidade infinitesimal. Ou seja, não requer um RMS infinitamente grande. M é finito pelas condições do problema. Se escrevermos a fórmula de soma infinita de incrementos com M, vemos que após os primeiros passos M o número de termos na soma se estabiliza e depois permanece igual a 2M, ou seja, no passo M+1 o primeiro valor de X deixará a soma, em M+2 o segundo deixará a soma, e assim por diante.
 

Yuri, um primeiro vislumbre desta mesma dependência. A primeira coisa que veio à mão foi um relógio EURUS. A faixa em estudo é (10000 - mentira) 5000 contagens, o tamanho da janela passou de 50 para 3000 em intervalos de 50. Eis o que saiu (como esperado):


  • Eixo X - tamanho da janela
  • Eixo Y - spread (máx(y)-min(y))

PS: a coisa mais fácil a fazer é aproximá-la e obter uma função analítica muito precisa.

 
lna01:
Avals:
lna01:

P.S. Meu erro, desatento, um erro aí, RMS não pode aspirar ao infinito. Pegue a soma somente para os incrementos M

Com N tendendo ao infinito mais rápido que M, obtemos que o RMS tende ao infinito, ou seja, a realização pode ir tão longe quanto se quer, o que é confirmado pelas leis do arcsine.
Um valor normalmente distribuído pode ir até o infinito, mas com probabilidade infinitesimal. Ou seja, não requer um RMS infinitamente grande. M é finito pelas condições do problema. Se escrevermos a fórmula para soma infinita de incrementos com M, vemos que após os primeiros passos de M o número de termos na soma se estabiliza e depois permanece igual a 2M, ou seja, no passo M+1 o primeiro valor de X deixará a soma, em M+2 o segundo, e assim por diante.

Acordado :)
 

E aqui está o próprio vício, um pouco áspero:

 
Obrigado Sergei. 10000 é um número pequeno demais para o intervalo M 50 - 3000. É por isso que há tanta falta de movimento como na parte superior de sua curva. Além disso, a área de pequenos valores, que é o que me interessa, tem divergências muito grandes. Vou tentar a idéia de calcular desta forma. A única coisa que temo é que terei que recalcular cada vez que mudar para um novo instrumento, ou t/f, ou o que quer que seja.
 
Yurixx:
Obrigado, Sergey. 10000 é um número muito pequeno para um intervalo M de 50 - 3000. É por isso que existem não-fumantes como no topo de sua curva. Além disso, a área dos pequenos valores, que é o que me interessa, tem demasiadas divergências. Vou tentar a idéia de calcular desta forma. A única coisa que temo é que terei que recalcular cada vez que mudar para um novo instrumento, ou t/f, ou o que quer que seja.

De nada, não foi um resultado final. :о) Parece-me que esta é a única maneira normal, mas perfeitamente válida, de obter um resultado. As conclusões teóricas podem dar uma estimativa mais aproximada, mas aqui temos estatísticas. Você pode pegar a amostra inteira e executar o algoritmo com o passo ideal para o tamanho da janela.

E por alguma razão me parece que o coeficiente no poder será aproximadamente o mesmo para os demais casos, mas o primeiro coeficiente certamente mudará e simbolizará a dispersão da amostra original. A propósito, você pode verificar - condições semelhantes, mas levar outra série em geral em outro lugar:

Dependência


A função analítica


Os coeficientes não diferem muito:

Opção 1: -0.0005

Variante 2: -0,0004

Assim, ao tomar mais dados brutos você pode obter uma dependência mais ou menos exata sem se ligar ao primeiro coeficiente :o) Tenho certeza!

 

Eu não estou discutindo, mas...

Foi basicamente onde eu comecei. Mas depois descobri que a situação muda para diferentes TFs. É compreensível - menos barras (ou mais) - obtemos um N diferente. Tal dependência do M, como mostrado nos gráficos acima, foi obtida por mim desde o início, mas quando mudo para outro TP, como resultado da mudança do número total de barras, esta curva se desloca verticalmente. Acontece que não devemos procurar uma dependência do M, mas da proporção de N para M.

 
Yurixx:

Eu não estou discutindo, mas...

Foi basicamente onde eu comecei. Mas depois descobri que a situação muda para diferentes TFs. É compreensível - menos barras (ou mais) - obtemos um N diferente. Tal dependência do M, como mostrado nos gráficos acima, foi obtida por mim desde o início, mas quando mudo para outro TP, como resultado da mudança do número total de barras, esta curva se desloca verticalmente. Acontece que você tem que procurar uma dependência não de M, mas da proporção de N para M.

Sim, prazos diferentes devem corrigir o resultado e provavelmente é mais fácil obter a dependência para cada um deles do que tentar encontrar uma fórmula universal (tudo depende do critério preço - qualidade). Talvez a escolha (H+L)/2 suavizaria as diferenças?

 
Entendo corretamente, a propagação se estende por toda a janela N? Se assim for, então, imho, é difícil contar com qualquer constância. Ao contrário, pode ser visto para diferenças de muwings, por exemplo, com um muwing mais alto (com um M máximo).