Calcular a probabilidade de inversão - página 7
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
Não são as formas de estimar os parâmetros de uma distribuição normal (encaixe, aproximação) que a mostram em absoluto. É a distribuição normal em si que não tem caudas grossas. Pergunte a Alexander_K2, ele estava procurando por essas caudas. Basta olhar para a tabela com os parâmetros da unidade. Há tabelas em cada livro didático de TV, acho eu, e em cada livro de referência matemática. Não importa como você o ajuste, você tem que mudar a distribuição de variantes para capturar caudas gordurosas. E por que você precisa exatamente de uma distribuição do tipo? Exatamente a distribuição de probabilidade? Por que estes carimbos para "alguns dados"? Ou afinal não são alguns dados, mas freqüências relativas amostradas, como eu adivinhei?
Talvez a questão seja que a representação probabilística não descreve seus dados de forma alguma? Lembre-se, como o pagamento esperado dança na foto de Yuriy Asaulenko https://www.mql5.com/ru/forum/221552/page162#comment_6399653 sobre taxas Forex. Você não quer usar a representação probabilística para eles? Depois fica claro de onde vêm os rabos pesados.
Bem, é claro, amostras de freqüências relativas de aumentos de preços. Pensei que isso era bastante claro, não há muitas pessoas interessadas nas outras opções)
Eu não uso distribuições para negociação, apenas queria preencher lacunas de conhecimento. Muitas nuances práticas do matstat não são descritas nos livros didáticos por algum motivo.
Neste caso, não estou interessado nos parâmetros de distribuição, ou mesmo em seu tipo, mas simplesmente na forma da curva. Quão perto está do Gaussiano, onde se afasta dele e por quanto se afasta dele. Há centenas de páginas em livros didáticos sobre estimativa de parâmetros, e nenhuma sobre estimativa de forma.
O que você vai tentar, para reduzir o erro? Na formulação da fórmula o problema definido por você é resolvido em uma linha na formulação geral, mesmo a comparação dos resultados com seu próprio experimento com k=0,65 é feita. Ou você não entendeu que p10^(1/10) é a solução?
Não o leu com atenção no início. A primeira coisa que me veio à cabeça foi a estimativa do limite, que é como eu a estimo originalmente. Mas então surgiu uma pergunta, e se tomarmos o ponto central do histograma em vez das bordas? E então percebi que não é tão simples, um grau não é suficiente. De qualquer forma, graças à sua participação, muito provavelmente resolverei o problema de frente, como sempre, iterando e fazendo uma fórmula completa para cada ponto de interesse.
"a olho nu" significa traçar a trama quantil-quantil(ou probabilidade-probabilidade) para a amostra e a distribuição normal e certificar-se de que ela se aproxime bem da linha reta.
Bem, aí vai ser o mesmo problema. O valor absoluto do erro nas caudas é muitas vezes menor do que no centro. E a contribuição deve ser a mesma, presumo eu.
Suspeito que esta linha não foi criada por acidente :))))
Lembro que, de alguma forma, você consegue reduzir a dupla distribuição gama de incrementos no mercado ao puro normal... E agora você está procurando uma resposta para a pergunta - o que vem a seguir!
Eu apoio Bas com seus conselhos - você precisa passar para as opções. O modelo Black-Scholes deve obviamente trabalhar com seus dados.
Nem por isso) o que vem a seguir eu decidi há muito tempo, mesmo antes de começar a fazer. Mas costumo projetar algoritmos de certa forma à minha própria maneira, devido ao meu conhecimento limitado de matemática, eles muitas vezes consomem muitos recursos e resolvem o problema de maneiras específicas.
Às vezes faço algo e, algum tempo depois, encontro uma solução, que se revela muito mais fácil e econômica.
Ou seja, ainda quero evoluir e ter uma abordagem mais inteligente cada vez.
Quanto ao modelo Black-Scholes, quando ouvi falar dele pela primeira vez, fiquei muito surpreso que eles deram um Prêmio Nobel para um modelo tão primitivo e pensei: "vejo onde a ciência de mercado está no fundo", usei uma tecnologia semelhante em meus antigos desenvolvimentos, mas não sabia que eles davam Prêmios Nobel por isso))). Agora eu sei onde estão os erros e se eu vou para as opções de comércio, não é com esta fórmula.Bem, aí vai ser o mesmo problema. O valor absoluto do erro nos rabos é muitas vezes menor do que no centro. E a contribuição deve ser a mesma, como eu suponho.
Devemos observar como esses erros são distribuídos ao longo do tempo na amostra inicial e se não há dependência entre eles. Se não houver dependência e elas estiverem localizadas mais ou menos uniformemente, devemos selecionar outra família paramétrica de distribuições. Caso contrário, as condições do teorema de Glivenko-Kantelli são violadas e não se deve esperar que o histograma se aproxime da densidade de alguma distribuição.
É necessário ver como esses erros são distribuídos ao longo do tempo na amostra original e se não há dependência entre eles. Se não houver dependência e eles forem distribuídos mais ou menos uniformemente, devemos escolher outra família paramétrica de distribuições. Caso contrário, as condições do teorema de Glivenko-Kantelli serão violadas e não devemos esperar que o histograma se aproxime da densidade de alguma distribuição.
A questão é se estou fazendo isso corretamente, dando aos erros nas caudas o mesmo peso que no centro (usando os dois métodos acima mencionados que eu mesmo tive que inventar devido à ausência deles nos livros didáticos).
Não estou interessado em um tipo particular de distribuição. Somente diferenças em relação aos gaussianos são de interesse.
A questão é se estou fazendo a coisa certa ao dar aos erros na cauda o mesmo peso que os erros no centro (usando os dois métodos acima, que eu mesmo tive que inventar devido à ausência deles nos livros didáticos).
Não estou interessado em um tipo particular de distribuição. Interessados apenas nas diferenças em relação aos gaussianos.
Vamos considerar um gráfico de densidade de distribuição uniforme no intervalo de zero a um. Gaussianos com que parâmetros irão aproximar-se corretamente?
Uma contrapergunta - vamos ter um gráfico da densidade de uma distribuição uniforme em um segmento de zero a um. Que parâmetros do Gaussiano o aproximarão corretamente?
Bem, estamos falando de distribuições que se parecem com uma gaussiana.
Bem, estamos falando de distribuições semelhantes às gaussianas.
OK, vamos então tomar uma densidade de distribuição Cauchy ou Laplace.