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
Вот решил уменьшить детерминированность псеводо генератора сл.чисел. произведя перемешивание ряда случайных чисел. несколько раз.
% перемешаем
for i=1:1:10000
i1 = fix(rand*N)+1; ))))
i2 = fix(rand*N)+1; )))
c=r(i1);
r(i1)=r(i2);
r(i2)=c;
Если Вы посмотрите выше я привел пример где всю последовательность перемешал несколько раз. и отобразил, как одну так и вторую последовательность.
Вот решил уменьшить детерминированность псеводо генератора сл.чисел. произведя перемешивание ряда случайных чисел. несколько раз.
% перемешаем
for i=1:1:10000
i1 = fix(rand*N)+1; ))))
i2 = fix(rand*N)+1; )))
c=r(i1);
r(i1)=r(i2);
r(i2)=c;
Если Вы посмотрите выше я привел пример где всю последовательность перемешал несколько раз. и отобразил, как одну так и вторую последовательность.
fix(rand*N)+1 возращает целое число от 1 до N. В Матлабе индексация идет от 1.
ппц
а они, доподлинно известно, коррелированы, т.е. леажт внутри периода .
Попробуйте между получением индексов выполнить случайное число вызовов rand, чтобы разрушить периодичность.
rand щелкает последовательность последовательно. Индексы взяты как пара соседних чисел псевдо-генератора,
а они, доподлинно известно, коррелированы, т.е. леажт внутри периода m.
Попробуйте между получением индексов выполнить случайное число вызовов rand, чтобы разрушить периодичность m.
об этом мы уже говорили.
суть этой пресетановки в другом. понизить дитерминизм.
Ладно бы если изменение было бы аддитивно ввыде суммирования к этому ряду еще сл. чисел.
тут же характер изменения носит вовершенно др. зарактер.
если Вы считаете, что корреляция в rand при перестановке настолько велика, то грош цена такому генератору.
понимате?
несмотря на то что он псевдо случаен, это неговорит о том, что стоит делать параноидальные вставки случайных вызовов от случайного числа.
все эти вызовы также будут иметь распределение корелированно с ПСГ.
Факт в том, что премешав данные. характер последовательности остался тотже.
о какой корреляции вы говорите????????
close all;
N=1000;
r=NORMRND(0,0.0077,1,N);
r1=r;
for i=1:1:100000
i1 = fix(rand*N)+1
for j=1:1:1000
rand;
end
i2 = fix(rand*N)+1
c=r(i1);
r(i1)=r(i2);
r(i2)=c;
end;
figure;
%r=r-0.5;
for i=2:1:length(r)
r(i)=r(i)+r(i-1);
r1(i)=r1(i)+r1(i-1);
end
grid on;
plot(r);
figure;
plot(r1);
До
После
Тут даде круче получислось =))
То, как Вы формируете случайный ряд очень напоминает алгоритм для линейных конгруэнтных генераторов. Давно доказано, что этот алгоритм (и их различные модификации) формирует все, что угодно но только не случайный ряд. Это касается генерации последовательности «в целом» и генератора самих случайных данных (дописка: если не ошибаюсь, то mathLab реализован такой алгоритм, но это легко проверить). Более того, компьютер умеет все, что угодно, кроме одного – а именно создавать случайный ряд. Перспективными в этом направлении является использование нейронных сетей и народ умудряется получать с помощью НС, скажем так, «максимально доказанные случайные величины» и за компанию защищать всякие умные докторские. На таких рядах хорошо (в смысле статистически хорошо) работают авторегрессионные модели предсказания, можете попробовать и убедиться.
Kорреляция, именно корреляция.
Дж.Форсайт. Машинные методы математических вычислений
Кнут Д.Е. Исскуство программирования. Кажись т.2.
И вообще, штатные генераторы псведо случайных последовательностей давно признаны не пригодныии, если надо пишут свои.
to D.Will
То, как Вы формируете случайный ряд очень напоминает алгоритм
для линейных конгруэнтных генераторов. Давно доказано, что этот алгоритм (и их
различные модификации) формирует все, что угодно но только не случайный ряд. Это
касается генерации последовательности «в целом» и генератора самих случайных данных. Более
того, компьютер умеет все, что угодно, кроме одного – а именно создавать случайный
ряд. Перспективными в этом направлении является использование нейронных сетей и
народ умудряется получать с помощью НС, скажем так, «максимально доказанные
случайные величины» и за компанию защищать всякие умные докторские. На таких
рядах хорошо (в смысле статистически хорошо) работают авторегрессионные модели
предсказания, можете попробовать и убедиться.
Есть ссылочка? небось нейронные сети с хаотическим поведением.
Авторегрессионные которые y(n+1)=a0*y(n)+б.шум. ? чем именно они хорошие?
y(n+1)=a0*y(n)+a1*y(n-1) .... a5*y(n-5) + б.шум получаем линейный нейрон + шум. что тут хорошего?
Кстати говоря. означает ли Ваше утвержение, что представленный выше процесс можно прогнозировать?
вообще то я имел ввиду слeдующее, полагаю что k это число циклов:
i1 = fix(rand*N)+1
k=fix(rand*100000)+1
for j=1:1:k
rand;
end
i2 = fix(rand*N)+1
c=r(i1);
r(i1)=r(i2);
r(i2)=c;
end;
to D.Will
То, как Вы формируете случайный ряд очень напоминает алгоритм
для линейных конгруэнтных генераторов. Давно доказано, что этот алгоритм (и их
различные модификации) формирует все, что угодно но только не случайный ряд. Это
касается генерации последовательности «в целом» и генератора самих случайных данных. Более
того, компьютер умеет все, что угодно, кроме одного – а именно создавать случайный
ряд. Перспективными в этом направлении является использование нейронных сетей и
народ умудряется получать с помощью НС, скажем так, «максимально доказанные
случайные величины» и за компанию защищать всякие умные докторские. На таких
рядах хорошо (в смысле статистически хорошо) работают авторегрессионные модели
предсказания, можете попробовать и убедиться.
Есть ссылочка? небось нейронные сети с хаотическим поведением.
Авторегрессионные которые y(n+1)=a0*y(n)+б.шум. ? чем именно они хорошие?
y(n+1)=a0*y(n)+a1*y(n-1) .... a5*y(n-5) + б.шум получаем линейный нейрон + шум. что тут хорошего?
Кстати говоря. означает ли Ваше утвержение, что представленный выше процесс можно прогнозировать?
Мне давали материал для ознакомления, что называется в руки. Но это не потому, что все секретно, думаю, в инете можно найти.
Я же вроде ясно написал: «На таких рядах хорошо (в смысле статистически хорошо) работают авторегрессионные модели предсказания, можете попробовать и убедиться.»
Еще раз. Весьма неплохо (статистически) прогнозируется моделями АР, пробуйте и убеждайтесь. В моем скромном понимании - грош цена вашей генерации. Это что, модель??? Сами совершенно справедливо заметили, что не модель. Создайте сначала именно модель. Для начала просто придумайте условие что бы «цена» гарантированно не была отрицательной при любом начальном условии – поймете, что не так все просто. И ее исследуйте, а то чем Вы сейчас занимаетесь – фигня в прямом смысле. Процессов, как природных, так технических, напоминающих котировки очень много. Вы и из числа PI легко получите ряд, напоминающий котировки с фибо, уровнями и прочими атрибутами.
PS: Если хотите найти гномон явления, то тогда – фракталы!!!!. :о)