Teorema de Bernoulli, Moab-Laplace; critério Kolmogorov; esquema de Bernoulli; fórmula Bayes; desigualdades Chebyshev; lei de distribuição Poisson; teoremas Fisher, Pearson, Student, Smirnov etc., modelos, linguagem simples, sem fórmulas. - página 8
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
Faça como você quiser. Não posso aconselhá-lo, pois não conheço as características do processo de ticking.
Não se trata de simular um processo de carrapato real. Pelo contrário, tudo o que eu preciso até agora são as distribuições normais clássicas na forma de OHLC. Grosso modo, o problema se resume a determinar Alto e Baixo, se Aberto = Fechado-1, e Fechado = sqrt(N), onde N é o número de carrapatos.
Não se trata de simular um processo de carrapato real. Pelo contrário, tudo o que eu preciso até agora é de uma distribuição normal clássica na forma OHLC. Grosso modo, o problema é determinar Alto e Baixo, se Aberto = Fechado-1, e Fechado = sqrt(N), onde N é o número de carrapatos.
Até onde me lembro, para uma série aleatória, o comprimento do corpo do castiçal |Close-Open| é igual à soma média dos comprimentos das sombras superior e inferior. Portanto, tendo modelado Close como sqrt(N), então modelamos o comprimento da sombra superior como |sqrt(N/4)| e, de forma semelhante, a sombra inferior. Naturalmente, esta é uma variante da sb simétrica (mo=0). Para um assimétrico é ligeiramente diferente
Até onde me lembro, para uma série aleatória, o comprimento do corpo da vela |Close-Open| é igual à soma média dos comprimentos das sombras superior e inferior. Portanto, tendo modelado Close como sqrt(N), então modelamos o comprimento da sombra superior como |sqrt(N/4)| e, de forma semelhante, a sombra inferior. Naturalmente, esta é uma variante da sb simétrica (mo=0). Para uma assimétrica, é ligeiramente diferente
embora não, será errado. Porque o comprimento do corpo do castiçal e o comprimento das sombras são dependentes. É por isso que é melhor gerar muitos castiçais, e depois obter novas séries como um candelabro arbitrário deste conjunto, do que procurar a distribuição analítica das sombras
Pensei, porque não simplificar: tomamos quatro valores gerados: o primeiro será a diferença entre Aberto e Baixo, a soma do segundo e do terceiro será a diferença entre Baixo e Alto, e o quarto será a diferença entre Alto e Fechado:
Com grandes quantidades de dados Fechado convergirá para Aberto, e o spread Alto/Baixo terá o dobro da variação do valor dos segmentos (quatro números com uma determinada variação).
Não se trata de imitar um processo de carrapato real. Pelo contrário, tudo o que eu preciso é da clássica distribuição normal na forma de OHLC. Grosso modo, a tarefa é determinar Alto e Baixo, se Aberto = Fechado-1, e Fechado = sqrt(N), onde N é o número de carrapatos.
Era uma vez, há muito tempo, eu estava gerando citações artificiais aleatórias. Fiz o seguinte - para cada minuto eu encontrei 3 variáveis aleatórias independentes H, L e dlt - turno por barra. Eu os encontro seguindo o método gaussiano (em pontos) com pagamento esperado de zero e uma variação especificada. Ao mesmo tempo, peguei o módulo de valor obtido. Também escolhi a direção do turno - sgn - por acaso, 50/50. Então Fechar = Abrir+sgn*dlt, para encontrar Hg peguei o maior de (Abrir, Fechar) e adicionei H a ele; para encontrar Lw peguei o menor de (Abrir, Fechar) e subtraí L dele.
É claro que as citações obtidas são comparadas com as reais (embora no nível da percepção subjetiva). Fiquei surpreso então que a única quantidade que define a "similaridade" de citações artificiais com as reais é a variação de offset - dlt. Para que seja semelhante aos cotiers naturais, a variação do desvio deve ser muito pequena, ou seja, a maior parte dos desvios de minutos deve ser zero. Caso contrário, o resultado seria um mercado ultra-volátil. A variação de Hg e Lw influenciou o grau de "feitio" do quociente. A fim de imitar uma tendência, mudei ligeiramente a probabilidade de seleção de direção - 49/51 - temos uma tendência poderosa se a visualizarmos em um dia.
Assim, como resultado, conseguimos um modelo muito simples de geração de diferentes modos - eu precisava de uma tendência altamente volátil - aumentei a variação de turno e mudei a probabilidade de direção. Eu precisava de um plano de baixa volatilidade - fiz a variação de turno muito pequena e a direção 50/50.
Pensei, porque não simplificar: tomamos quatro valores gerados: o primeiro será a diferença entre Aberto e Baixo, a soma do segundo e do terceiro será a diferença entre Baixo e Alto, e o quarto será a diferença entre Alto e Fechado:
Com grandes quantidades de dados Fechado convergirá para Aberto, e o spread Alto/Baixo terá o dobro da variação do valor dos segmentos (quatro números com uma determinada variação).
...Mas é um método muito lento e inútil.
Não é tão lento assim, você não terá tempo de acender um cigarro.
As idéias de botas são inadequadas?
O que é o bootsrap?
Não tão lento, você não terá tempo de acender um cigarro.
Tenho uma pergunta sobre o assunto
Estou tentando entender o escopo das seguintes distribuições:
Distribuição Generalizada de Pareto(GPD) e Distribuição de Valor Extremo(GEV)
Qual é a relação destas distribuições entre si, para uma distribuição normal e, respectivamente, para uma distribuição uniforme? Em outras palavras, como na vida real podem ocorrer os eventos que eles descrevem?
O que é o bootsrap?
Há no VIKI.
A idéia é trocar uma amostra disponível aleatoriamente para que as freqüências converjam para a probabilidade dos parâmetros disponíveis na amostra.