Da teoria à prática - página 417
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
Eis o que estou pensando.
Se a distribuição de uma amostra de, digamos, 1.000.000 carrapatos é instável (e ainda não consigo obter esse volume em meu tempo exponencial) e muda a variação ao longo do tempo, então acontece que no meu caso nem a média aritmética nem a média ponderada podem ser usadas como medida de tendência central.
Isto me deixa com a mediana.
Os canais devem ser traçados em relação à mediana. Isso é verdade?
Esta instabilidade pode muito bem ser uma conseqüência da não-estacionariedade (não necessariamente, mas muito provavelmente). No caso de não-estacionariedade, qualquer quantidade de amostra (momentos, quantitativos, etc.) provavelmente não terá sentido. Eu não escrevi sobre os fundamentos da teorização por nada - as quantidades de amostragem são geralmente contadas para uma série de variáveis aleatórias igualmente distribuídas. No caso de incrementos não estacionários, eles são distribuídos de forma diferente (por definição)
Pessoal, você precisa pegar uma autocorrelação invertida (regressão) e usá-la para construir incrementos, observar erros, distribuições, ensinar NS ou o que você quiser
A única diferença entre as teorias do mercado eficaz e fractal é que a série não é autoregressiva, mas invertida. Portanto, existe uma memória, tal série é previsível.
Além disso, pode ser um autoregressivo invertido de n-ésima ordem, até mesmo o desbaste de Erlang pode funcionar aqui.
e cortar a massa por tonelada.
Terminarei o indicador quando voltar das férias. Mas faça-o você mesmo, não seja preguiçoso. Não está escrito em nenhum livro sobre isso, então há uma chance :)
Pessoal, você precisa pegar uma autocorrelação invertida (regressão) e usá-la para construir incrementos, observar erros, distribuições, ensinar NS ou o que você quiser
A única diferença entre as teorias do mercado eficaz e fractal é que a série não é autoregressiva, mas invertida. Portanto, existe uma memória, tal série é previsível.
Além disso, pode ser um autoregressivo invertido de n-ésima ordem, até mesmo o desbaste de Erlang pode funcionar aqui.
e cortar a massa por tonelada.
Terminarei o indicador quando voltar das férias. Mas faça-o você mesmo, não seja preguiçoso. Não está escrito em nenhum livro, então há uma chance :)
Você quer dizer Fluxo Autoregressivo Inverso (IAF)?
Você quer dizer Fluxo Autoregressivo Inverso (IAF)?
Desculpe, eu não sei o nome, talvez
necessidade de ler, se houver amostra dividida em 2 partes iguais, a primeira é invertida em espelho e contada por AF ou valores autoregressivos (o valor de defasagem é retirado da segunda amostra), então sim
e o tamanho da janela deve mudar ao buscar o menor erro nas amostras, ou seja, pegar 4 pontos, dividir por 2, virar a segunda peça no sentido do espelho, contar correlação, pegar 6 pontos, depois 8, etc. Quanto maior a janela e maior a correlação, mais interessante para o comércio
Infelizmente, eu não sei o nome, talvez
é necessário ler, se houver uma amostra dividida em 2 partes iguais, a primeira é invertida em espelho e é contada como um akf ou autoreg. por valores (o valor de defasagem é retirado da segunda amostra), então sim
e o tamanho da janela deve mudar ao procurar por menos erros nas amostras, ou seja, tirar 4 pontos, dividir por 2, virar a segunda peça no sentido do espelho, contar correlação, tirar 6 pontos, depois 8, etc. Quanto maior a janela e maior a correlação, mais interessante para o comércio
Você está delirando?
O que significa?
Infelizmente, eu não sei o nome, talvez
Preciso lê-lo, se dividir a amostra em 2 partes, a primeira é invertida em espelho e conta como um acf ou autoreg. então sim.
Aparentemente é algo mais, mas também do campo das redes neurais.
Ainda assim, acho que não há nenhuma maneira de reduzir as séries de preços a algum tipo de processo estacionário. Ao contrário, deve-se adaptar os métodos disponíveis para processos não estacionários (por exemplo, o problema da decadência)
Além disso, a amostragem ACF (como a distribuição de amostras, momentos, etc.) só faz sentido para um processo estacionário. Em caso de processo não estacionário, haverá problemas como o TCAparentemente é algo mais, mas também do campo das redes neurais.
Ainda assim, não creio que haja formas de reduzir as séries de preços a qualquer processo estacionário. Ao contrário, é necessário adaptar os métodos disponíveis para processos não estacionários (por exemplo, o problema da decadência).
Provavelmente não a série inteira, mas partes separadas dela podem ser reduzidas a tal estado usando este método com a eliminação das "más".
Mas é mais fácil terminar mais tarde e ver do que explicar em seus próprios termos inventados :)
Além disso, a ACF seletiva (assim como a distribuição seletiva, momentos, etc.) é significativa apenas para um processo estacionário. Em caso de não-estacionariedade, haverá problemas como com o TC
A busca de um processo estacionário se dá cointegrando o gráfico consigo mesmo, mas com uma parte invertida do mesmo. Peças sem sucesso são puladas e nenhuma negociação é realizada
Mas estou cansado de inventar novas entidades :) Vou demonstrá-lo mais tarde no indicador, antes de mais nada para mim
outra perversão do preço
Como simplesmente explicar a utopia de tal ocupação...?
Ah, oh!
Suponha que eu vá a uma loja e de repente comece a descobrir o quanto mais barato ou mais caro o preço se tornou? // Ou ainda pior - puxando uma Fibo na etiqueta do preço.
Eu afirmo - fiz uma estimativa do passado.
Não é provável que eu tenha uma previsão a partir desta análise, pois não?