um processo completamente aleatório e FOREX. - página 5
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Decidi reduzir o determinismo do gerador de números pseudo-aleatórios baralhando várias vezes a série de números aleatórios.
% de embaralhamento
for=1:1:10000
i1 = fix(rand*N)+1; ))))
i2 = fix(rand*N)+1; ) ))
c=r(i1);
r(i1)=r(i2);
r(i2)=c;
Se você olhar acima, eu dei um exemplo onde a seqüência inteira foi embaralhada várias vezes. e exibi tanto uma como a outra seqüência.
Decidiu reduzir o determinismo do gerador de números pseudo-aleatórios embaralhando uma série de números aleatórios. várias vezes.
% de embaralhamento
for=1:1:10000
i1 = fix(rand*N)+1; ))))
i2 = fix(rand*N)+1; ) ))
c=r(i1);
r(i1)=r(i2);
r(i2)=c;
Se você olhar acima, eu dei um exemplo onde a seqüência inteira foi embaralhada várias vezes. e exibi tanto uma como a outra seqüência.
fix(rand*N)+1 retorna um número inteiro de 1 a N. Em Matlab, a indexação vai de 1.
foda-se
e são conhecidos por serem correlacionados, ou seja, encontram-se dentro de um período .
Tente realizar um número aleatório de chamadas rand entre obter os índices para quebrar a periodicidade.
rand clica a seqüência seqüencialmente. Os índices são tomados como um par de números pseudo-geradores adjacentes,
e são conhecidos por serem correlacionados, ou seja, encontram-se dentro do período m.
Tente realizar um número aleatório de chamadas rand entre obter índices para quebrar a periodicidade m.
sobre isto, já discutimos.
o objetivo desta predefinição é algo mais.
Seria bom se a mudança fosse aditiva na forma de soma a esta linha de outros números.
Mas a natureza da mudança é completamente diferente.
Se você acredita que a correlação em rand com permutação é tão grande, tal gerador não tem valor.
você entende?
Mesmo que seja pseudo-aleatória, isso não significa que você deve fazer inserções paranóicas de chamadas aleatórias a partir de um número aleatório.
todas essas chamadas também terão uma distribuição correlacionada com o PSG.
O fato é que ao misturar os dados, a natureza da seqüência permanece a mesma.
de que correlação você está falando????????
fechar tudo;
N=1000;
r=NORMRND(0,0.0077,1,N);
r1=r;
para i=1:1:100000
i1 = fix(rand*N)+1
para j=1:1:1000
rand;
end
i2 = fix(rand*N)+1
c=r(i1);
r(i1)=r(i2);
r(i2)=c;
end;
figure;
%r=r-05;
para i=2:1:length(r)
r(i)=r(i)+r(i-1);
r1(i)=r1(i)+r1(i-1);
end
grid on;
plot(r);
figure;
plot(r1);
antes de
Depois de
É ainda mais frio =)))
A forma como você forma uma série aleatória é muito semelhante ao algoritmo para osciladores lineares congruentes. Há muito tempo está provado que este algoritmo (e suas várias modificações) gera tudo menos uma série aleatória. Isto é verdade para a geração de seqüências "como um todo" e o próprio gerador de dados aleatórios(uma observação: se não estou enganado, o laboratório matemático implementou tal algoritmo, mas é fácil verificá-lo). Além disso, um computador pode fazer tudo menos uma coisa - isto é, gerar uma seqüência aleatória. O uso de redes neurais é promissor nesta direção, e as pessoas conseguem com a ajuda da NS, digamos, "variáveis aleatórias comprovadas ao máximo" e para uma empresa defender todos os tipos de teses de doutorado inteligentes. Os modelos de previsão autoregressivos funcionam bem (no sentido de estatisticamente bem) em tais séries, você pode tentar e ter certeza.
Correlação, exatamente correlação.
J. Forsyth. Métodos de Máquina para Computação Matemática
Knuth D.E. A Arte da Programação. Vol. 2, ao que parece.
Em geral, os geradores de seqüência aleatória padrão são reconhecidos há muito tempo como inadequados, se for necessário escrever o seu próprio.
a D.Will
A forma como você gera uma série aleatória é muito semelhante ao algoritmo
para geradores lineares congruentes. Há muito tempo está provado que este algoritmo (e seu
diferentes modificações) forma tudo menos uma série aleatória. Este
diz respeito à geração de uma seqüência "como um todo" e ao próprio gerador de dados aleatórios. Mais
Além disso, o computador pode fazer tudo menos uma coisa - a saber, gerar um
série. Promissor nesta direção é o uso de redes neurais e
as pessoas conseguem, digamos assim, "provar ao máximo
variáveis aleatórias" e no processo defendem todo tipo de tese de doutorado inteligente. Em tais
Os modelos autoregressivos funcionam bem (no sentido de estatisticamente bem).
previsões, você pode tentar e ver por si mesmo.
Você tem um elo? Você deve ter redes neurais com comportamento caótico.
Autoregressivo que y(n+1)=a0*y(n)+b.noise. ? como eles são bons exatamente?
y(n+1)=a0*y(n)+a1*y(n-1) .... a5*y(n-5) + b.noise resulta em um neurônio linear + ruído. o que há de bom nisso?
A propósito. sua declaração significa que o processo acima pode ser previsto?
Na verdade, eu quis dizer o seguinte, assumo que k é o número de ciclos:
i1 = fix(rand*N)+1
k=fix(rand*100000)+1
para j=1:1:k
rand;
fim
i2 = fix(rand*N)+1
c=r(i1);
r(i1)=r(i2);
r(i2)=c;
fim;
a D.Will
A forma como você gera uma série aleatória é muito semelhante ao algoritmo
para geradores lineares congruentes. Há muito tempo está provado que este algoritmo (e seus
diferentes modificações) forma tudo menos uma série aleatória. Este
diz respeito à geração de uma seqüência "como um todo" e ao próprio gerador de dados aleatórios. Mais
Além disso, o computador pode fazer tudo menos uma coisa - a saber, gerar um
série. Promissor nesta direção é o uso de redes neurais e
as pessoas conseguem, digamos assim, "provar ao máximo
variáveis aleatórias" e no processo defendem todo tipo de tese de doutorado inteligente. Em tais
Os modelos autoregressivos funcionam bem (no sentido de estatisticamente bem).
previsões, você pode tentar e ver por si mesmo.
Você tem um elo? Devem ser redes neurais com comportamento caótico.
Autoregressivos que y(n+1)=a0*y(n)+b.noise. ? como eles são bons exatamente?
y(n+1)=a0*y(n)+a1*y(n-1) .... a5*y(n-5) + b.noise resulta em um neurônio linear + ruído. o que há de bom nisso?
A propósito. sua declaração significa que o processo acima pode ser previsto?
Mas não é porque tudo é secreto, penso eu, que é possível encontrar na Internet.
Eu pensei ter escrito claramente:"Modelos de previsão autoregressivos funcionam bem (no sentido de estatisticamente bem) em tais séries, você pode tentar ver por si mesmo".
Novamente. Muito bem (estatisticamente) previsto pelos modelos AR, tente convencer-se. No meu humilde entendimento - uma ninharia para a sua geração. Isso é um modelo???? O próprio senhor mesmo assinalou, com toda razão, que não se trata de um modelo. Antes de mais nada, criar um modelo. Em primeiro lugar, simplesmente invente uma condição que garanta que o "preço" não seja negativo sob nenhuma condição inicial - você entenderá que não é tão simples assim. E investigar isso, e o que você está fazendo agora é uma besteira no sentido literal. Há muitos processos, tanto naturais como técnicos, que se assemelham a citações. Você pode obter facilmente uma série de PI's que se parecem com citações com Fibo, níveis e outros atributos.
PS: Se você quiser encontrar o gnomon do fenômeno, então - fractals!!!!. :о)