Da teoria à prática - página 440
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
Os livros que tenho usado para combater o mercado.
Shelepin L.A.: "A ciência moderna é baseada no paradigma Markoviano. A revisão destaca o surgimento de um novo paradigma não-markoviano (teoria dos processos com memória)".
É o que eu estava dizendo) os acadêmicos estão 50 anos atrás da realidade)
O mundo financeiro inteiro há muito tempo vê o mercado como um processo com memória, e isso é novidade para eles))))
Simplesmente não vale a pena considerar o contrário, pois é impossível ganhar dinheiro em um processo sem memória, por razões naturais.
Shelepin L.A.: "A ciência moderna é baseada no paradigma Markoviano. A revisão destaca o surgimento de um novo paradigma não-markoviano (teoria dos processos com memória)".
É disso que eu estava falando) os acadêmicos estão 50 anos atrás da realidade)
O mundo financeiro inteiro há muito tempo vê o mercado como um processo com memória, e isso é novidade para eles))))
Simplesmente não vale a pena considerar o contrário, pois é impossível ganhar dinheiro em um processo sem memória, por razões naturais.
Não o estudei em detalhes, mas parece que o processo Markoviano de Shelepin não coincide bem com a definição geralmente aceita.
Com "memória" o problema principal é que não está claro como ela (ou seja, distribuições de processos multivariados) pode ser contada no caso de processos não estacionários - geralmente não há dados suficientes para isso.
Também se pode ganhar dinheiro com uma caminhada aleatória normal com drift (tendência), que é bastante Markoviana.
O principal problema com a "memória" é que não está claro como ela (ou seja, distribuições de processos multivariados) pode ser considerada no caso de processos não estacionários - geralmente não há dados suficientes para fazê-lo.
Parece ser a mesma coisa - a dependência entre os incrementos. E o que exatamente você vê como um problema, por que não dados suficientes? Eu, por exemplo, não tenho nenhum problema com a recuperação de memória)
A propósito, a memória é muito melhor expressa em volatilidade, pode-se começar a pesquisar com ela, se alguém estiver procurando "algo a que se agarrar". Você pode ver imediatamente o rescaldo das notícias e outros efeitos lá.
Também se pode ganhar dinheiro em uma caminhada aleatória habitual com uma deriva (tendência), que é bastante Markoviana.
É claro, mas aqui estamos falando de Forex) e não tem nenhum desvio.
Parece ser a mesma coisa - a relação entre os incrementos. E o que exatamente você vê como um problema, por que não há dados suficientes? Eu, por exemplo, não tenho nenhum problema em procurar memória)
A propósito, a memória é muito melhor expressa em volatilidade, você pode começar sua pesquisa com ela, se alguém estiver procurando "algo a que se agarrar". Aí o rescaldo após a notícia é imediatamente visível, e outros efeitos.
É claro, mas estamos falando aqui de forex) e não tem demolição.
Espero que estejamos falando sobre a dependência de incrementos como variáveis aleatórias? Nesse caso, precisamos de sua distribuição conjunta. Duas variáveis aleatórias - sua distribuição conjunta bidimensional, 3 - tridimensional, etc. Os histogramas bidimensionais às vezes ainda são construídos, mas os de maior dimensão não estão claros como representar e o número de dados necessários cresce fortemente com a dimensionalidade. É claro que isso não costuma ser feito (mas às vezes tem que ser feito mesmo assim). Mas as coisas são muito piores aqui - para cada incremento (variável aleatória) há apenas uma amostra de um único volume (valor retirado do gráfico de preços). É por isso que temos que fazer todo tipo de suposições e suposições (que nem sempre são verdadeiras). Por exemplo, sem a suposição sobre a estacionaridade dos incrementos, sua distribuição de amostras não converge para sua verdadeira distribuição. O mesmo vale para uma distribuição bivariada que é necessária para determinar a dependência em pares dos incrementos (por exemplo, para calcular a função de covariância). Em resumo, um processo não estacionário sem "memória" (incrementos independentes) pode muito bem adquirir "memória" (dependência dos incrementos) se forem utilizados métodos que assumam estacionaridade.
Não há, é claro, nenhuma deriva em geral. Mas pode bem haver algumas seções onde ela está presente (novamente, não-estacionariedade)
Não consigo descobrir o que está errado. Calculo a densidade usando a fórmula
expectativa = 0, variância = 55, X = 13.
Densidade = (1/(MathSqrt(variance) * MathSqrt(2 * 3,14159265358979323846)) * MathPow(2,71828282845904523536, - ((X * X)/(2 * Dispersão) ) );
Eu tenho Densidade = 0,01979.
Verificação aqui
https://planetcalc.ru/4986/
Densidade = 0,01157
Eu me enganei na fórmula ou há um erro no site da calculadora?Não consigo descobrir o que está errado. Calculo a densidade usando a fórmula
expectativa = 0, variância = 55, X = 13.
Densidade = (1/(MathSqrt(variance) * MathSqrt(2 * 3,14159265358979323846)) * MathPow(2,71828282845904523536, - ((X * X)/(2 * Dispersão) ) );
Eu tenho Densidade = 0,01979.
Verificação aqui
https://planetcalc.ru/4986/
Densidade = 0,01157
Eu me enganei na fórmula ou há um erro no site da calculadora?Em R:
em R:
Então não consigo descobrir onde está o meu erro.
A única pessoa com a educação mais baixa que pode fazer um discurso colossal aqui é a base. Ele não é um mau orador às vezes. Aparentemente, quando ele está dormindo. Em seu sono, ele tem uma epifania. Às vezes é interessante de ler.
Agora, a soma dos incrementos é o preço na janela de tempo de observação móvel, com um ponto de partida de =0.
A soma dos incrementos é o quanto o gráfico viajou em n segundos.
Um alto é o quanto o gráfico viajou, um baixo é o quão pouco viajou.
é a velocidade.
duplo d = 55 , X = 13;
duplo p = (1/(MathSqrt(d) * MathSqrt(2 * 3,14159265358979323846)) * MathPow(2,71828282845904523536, - ((X * X)/(2 * d) ) )
Imprimir(p);
0.01157429298384641
duplo d = 55 , X = 13;
duplo p = (1/(MathSqrt(d) * MathSqrt(2 * 3,14159265358979323846)) * MathPow(2,71828282845904523536, - ((X * X)/(2 * d) ) )
Imprimir(p);
0.01157429298384641
Não entendo então, a mesma fórmula, porque há um resultado diferente. NormalizeDuplo a 5 dígitos não pode ter esse efeito ...