Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
надо преобразовать реальные данные в нормально распределенные.
Ты случаем диссертацию не вместе с дубом защищал?
То есть, найти такое преобразование исходных данных (котировок), чтобы видеть нормальные приращения? И как у него, получается?
Ты случаем диссертацию не вместе с дубом защищал?
надо преобразовать реальные данные в нормально распределенные.
Ты случаем диссертацию не вместе с дубом защищал?
Сначала надо читать научиться, и понимать, что написано, потом за вышмат браться
- Есть такая вещь как параболическое фрактальное распределение (довольно новая штука, касается моделлирования распределения реальных обьектов, типа размера города Парижа в соотношении к фругим городам Франции https://en.wikipedia.org/wiki/Parabolic_fractal_distribution). Если вы не прямо с университет ской скамьи, вас наверное этому не учили. Каким оно боком сюда, я не понял
- Стационарное распределение: если эл. вектора представляют собой эл. в пространстве состояний цепи Маркова, являются не-негативными числами, дают в сумме 1, и эл. i является сумой эл. вектора j умноженных на вероятность перехода из сотояния j в і. Как оно сюда я тоже не понял.
- Известна мне также интегральная теорема Муавра-Лапласа, что для больших n биномиальное распределение конвергирует к нормальному. Другой мне не известно, а эта сюда тоже никак.
Ну а насчет нормального распределения - котировки и так, как и писал С.В. и что лежит на ладони, распределены нормально вокруг скользящего среднего, так что тут все чисто.То есть, найти такое преобразование исходных данных (котировок), чтобы видеть нормальные приращения? И как у него, получается?
Поcт выше немного сумбурный:
- Есть такая вещь как параболическое фрактальное распределение (довольно новая штука, касается моделлирования распределения реальных обьектов, типа размера города Парижа в соотношении к фругим городам Франции https://en.wikipedia.org/wiki/Parabolic_fractal_distribution). Если вы не прямо с университет ской скамьи, вас наверное этому не учили. Каким оно боком сюда, я не понял
- Стационарное распределение: если эл. вектора представляют собой эл. в пространстве состояний цепи Маркова, являются не-негативными числами, дают в сумме 1, и эл. i является сумой эл. вектора j умноженных на вероятность перехода из сотояния j в і. Как оно сюда я тоже не понял.
- Известна мне также интегральная теорема Муавра-Лапласа, что для больших n биномиальное распределение конвергирует к нормальному. Другой мне не известно, а эта сюда тоже никак.
Ну а насчет нормального распределения - котировки и так, как и писал С.В. и что лежит на ладони, распределены нормально вокруг скользящего среднего, так что тут все чисто.1. Фрактальное распределение: имеется в виду то, которое рассматривается в книге Питерса и таблица которого есть в конце этой книги. Ссылка на книгу: http://www.ozon.ru/context/detail/id/1691158/ . Она же есть бесплатно и на Пауке, кстати. Есть и более строгое изложение у Ширяева, в "Основах стохастической финансовой математики". Под фрактальностью тут скорее подразумевается устойчивость вероятностного распределения.
2. Стационарность: да, я неточно выразился (как назло, после того как написал, подумал, что выразился неточно - обязательно кто-то придерется). Я имел в виду не стационарность распределения, а стационарность случайного процесса Returns.
3. Об этой теореме сходимости биномиального к нормальному мне известно. Я имел в виду теорему, с помощью которой можно, имея равномерно распределенную величину и зная функцию, обратную функции нормального распределения, получить на компе неплохую имитацию нормального распределения. Не помню точно, как она называется, но она одна из важнейших в тервере.
И последнее: мы не говорим о распределении котировок вокруг скользящего среднего; их нормальность... ну, интуитивно это только кажется и совсем не на поверхности. Имеются в виду именно Returns, т.е. разности цен закрытия соседних баров, - безотносительно к мувингам.
Поcт выше немного сумбурный:
- Есть такая вещь как параболическое фрактальное распределение (довольно новая штука, касается моделлирования распределения реальных обьектов, типа размера города Парижа в соотношении к фругим городам Франции https://en.wikipedia.org/wiki/Parabolic_fractal_distribution). Если вы не прямо с университет ской скамьи, вас наверное этому не учили. Каким оно боком сюда, я не понял
- Стационарное распределение: если эл. вектора представляют собой эл. в пространстве состояний цепи Маркова, являются не-негативными числами, дают в сумме 1, и эл. i является сумой эл. вектора j умноженных на вероятность перехода из сотояния j в і. Как оно сюда я тоже не понял.
- Известна мне также интегральная теорема Муавра-Лапласа, что для больших n биномиальное распределение конвергирует к нормальному. Другой мне не известно, а эта сюда тоже никак.
Ну а насчет нормального распределения - котировки и так, как и писал С.В. и что лежит на ладони, распределены нормально вокруг скользящего среднего, так что тут все чисто.Аффтар жжот! Пеши исчо!
Поcт выше немного сумбурный:
- Есть такая вещь как параболическое фрактальное распределение (довольно новая штука, касается моделлирования распределения реальных обьектов, типа размера города Парижа в соотношении к фругим городам Франции https://en.wikipedia.org/wiki/Parabolic_fractal_distribution). Если вы не прямо с университет ской скамьи, вас наверное этому не учили. Каким оно боком сюда, я не понял
- Стационарное распределение: если эл. вектора представляют собой эл. в пространстве состояний цепи Маркова, являются не-негативными числами, дают в сумме 1, и эл. i является сумой эл. вектора j умноженных на вероятность перехода из сотояния j в і. Как оно сюда я тоже не понял.
- Известна мне также интегральная теорема Муавра-Лапласа, что для больших n биномиальное распределение конвергирует к нормальному. Другой мне не известно, а эта сюда тоже никак.
Ну а насчет нормального распределения - котировки и так, как и писал С.В. и что лежит на ладони, распределены нормально вокруг скользящего среднего, так что тут все чисто.1. Фрактальное распределение: имеется в виду то, которое рассматривается в книге Питерса и таблица которого есть в конце этой книги. Ссылка на книгу: http://www.ozon.ru/context/detail/id/1691158/ . Она же есть бесплатно и на Пауке, кстати. Есть и более строгое изложение у Ширяева, в "Основах стохастической финансовой математики". Под фрактальностью тут скорее подразумевается устойчивость вероятностного распределения.
2. Стационарность: да, я неточно выразился (как назло, после того как написал, подумал, что выразился неточно - обязательно кто-то придерется). Я имел в виду не стационарность распределения, а стационарность случайного процесса Returns.
3. Об этой теореме сходимости биномиального к нормальному мне известно. Я имел в виду теорему, с помощью которой можно, имея равномерно распределенную величину и зная функцию, обратную функции нормального распределения, получить на компе неплохую имитацию нормального распределения. Не помню точно, как она называется, но она одна из важнейших в тервере.
И последнее: мы не говорим о распределении котировок вокруг скользящего среднего; их нормальность... ну, интуитивно это только кажется и совсем не на поверхности. Имеются в виду именно Returns, т.е. разности цен закрытия соседних баров, - безотносительно к мувингам.
3. Ты пишешь о преобразовании Бокса-Мюллера? О генерации псевдо-случайных нормально распределенных чисел из псевдо-случайных равномерно распределенных тут: http://www.taygeta.com/random/gaussian.html. Но где у нас тут псевдо-случайные равномерно распределенные величины?
2. Стационарность процесса: вероятно, да. Я тоже не думаю что функция распределения изменяется со временем.
1. Лень сейчас рыть и читать, ввиду последнего замечания:
Существует например тест Колмогорова-Смирнова, для которого, имея случайную выборку можно протестировать, является распределение случайной величины нормальным или нет: https://en.wikipedia.org/wiki/Kolmogorov-Smirnov_test . Если тебе этого не хватает, то склей пожалуйста все тобой више написаное вразумительно в описание того, что ты предлагаешь.
Поcт выше немного сумбурный:
- Есть такая вещь как параболическое фрактальное распределение (довольно новая штука, касается моделлирования распределения реальных обьектов, типа размера города Парижа в соотношении к фругим городам Франции https://en.wikipedia.org/wiki/Parabolic_fractal_distribution). Если вы не прямо с университет ской скамьи, вас наверное этому не учили. Каким оно боком сюда, я не понял
- Стационарное распределение: если эл. вектора представляют собой эл. в пространстве состояний цепи Маркова, являются не-негативными числами, дают в сумме 1, и эл. i является сумой эл. вектора j умноженных на вероятность перехода из сотояния j в і. Как оно сюда я тоже не понял.
- Известна мне также интегральная теорема Муавра-Лапласа, что для больших n биномиальное распределение конвергирует к нормальному. Другой мне не известно, а эта сюда тоже никак.
Ну а насчет нормального распределения - котировки и так, как и писал С.В. и что лежит на ладони, распределены нормально вокруг скользящего среднего, так что тут все чисто.Аффтар жжот! Пеши исчо!