Почему нормальное распределение не нормально?
Много раз слышал про толстые хвосты распределения но так и не понял в чём суть вопроса, сделал индикатор который выводит в сепарат распределение величины баров(построенного по разности Close[i]-Close[i+1]), ктонить обьяснит почему распределение слосов уже чем нормальное.
Вообще то, должно быть выше и уже. А всё по тому что, это свойство возвратности цен так влияет.
Главное и единственное условие чтобы получилось НР это независимость членов ряда. Это доказательство, что независимость не выполняется.
Оно как бы не совсем нормальное. :) Это в интуиции уже обсуждали. Говорили, что это распределение Эрланга. И хвостов говорят нету, а должны быть. :)
Про Эрланга говорил я, но здесь совсем другой вопрос. У нормального распределения 2 параметра - МО и дисперсия. В данном случае МО=0, но дисперсия нулю не равна и для того, чтобы нарисовать график нужно задаться ее значением. Вот я и спрешиваю, как Urain выбирал значение дисперсии ?
И вообще, чтобы сравнивать графики надо же их как-то привести к общему основанию. В зависимости от выбора этого основания могут быть совершенно разные картины.
Если в качестве этого общего основания взять дисперсию, то график будет уже, но появятся толстые хвосты.
Про Эрланга говорил я, но здесь совсем другой вопрос. У нормального распределения 2 параметра - МО и дисперсия. В данном случае МО=0, но дисперсия нулю не равна и для того, чтобы нарисовать график нужно задаться ее значением. Вот я и спрешиваю, как Urain выбирал значение дисперсии ?
И вообще, чтобы сравнивать графики надо же их как-то привести к общему основанию. В зависимости от выбора этого основания могут быть совершенно разные картины.
Если в качестве этого общего основания взять дисперсию, то график будет уже, но появятся толстые хвосты.
Сильное подозрение, что Urain в качестве входных параметров ожидания и дисперсии брал аналогичные характеристики полученного ряда. Но может это и не так.
У механической производственной линии по производству лампочек скорее всего нормальное распределение НЕПРЕДВИДЕННЫХ случайных сбоев, ошибок оборудования. Поэтому скорее всего количество нормально-получающихся лампочек (их яркость, сопротивление, толщина нити) будет укладываться в нормальную кривую распределения. По бокам этой нормальной кривой (её тонкие хвосты) будут расположены КРАЙНИЕ СЛУЧАИ, когда толщина нити превышает или ниже стандарта и лампочка перегорит. Но общее количество таких пограничных, ненормальных случаев можно заранее подсчитать (интегрируя кривую распределения или ещё как-то так). Поэтому на лампочном заводе заранее известно, что в ящике с лампочками может быть В СРЕДНЕМ ТРИ плохих лампочки, которые перегорят в самое ближайшее время. Их надо заменить по гарантии, и поэтому местному дистрибьютору лампочек завод, ВЕРЯ В НАУКУ СТАТИСТИКУ, докладывает В СРЕДНЕМ по 3 дополнительных лампочки на каждый ящик. Погрешности параметров лампочек укладываются в НОРМАЛЬНУЮ КРИВУЮ СЛУЧАЙНОГО СОБЫТИЯ (не сами параметры, а именно их погрешности). Случайным событием здесь является не сам выпуск лампочки, а ПОГРЕШНОСТЬ параметра лампочки.
Если же процесс производства лампочек (точнее образование параметров лампочки) не укладывается в рамки нормальной кривой, например линия поломалась и идёт брак, поставщик прислал плохой вольфрам, - тогда количество брака резко возрастёт, параметры лампочек будут "гулять". Если затем точно промерять параметры партии лампочек, то в кривую нормы они не влезут. В таком случае завод не знает, сколько докладывать лампочек дистрибьютору.
Если же измерять параметры какого-нибудь НЕслучайного процесса, то ... тут сказать ничего нельзя ВООБЩЕ. Можно построить кривую распределения вероятностей появления события - просто измеряя попадание события в какой-нибудь интервал, но ... это ничего не даёт.
Электротехники, нанятые ими математики и статистики ЛЮБЯТ имеють дело с ПОГРЕШНОСТЯМИ измерений. Которые скорее всего НОРМАЛЬНЫ (если сам прибор делал нормальный инженер). Отсюда и все их формулы.
Для ценового ряда первые разности (или ещё какие комбинации) случайным событием не являются, и их кривая распределения МОЖЕТ ИМЕТЬ КАКОЙ УГОДНО ВИД. И даже если его знать с большой степенью точности, это ничего не даёт для трейдинга.
Не придирайтесь, по теорвери и матстату у меня в унитете была 2.
Зависимости могут быть очень разными. И необязательно от самих значений предыдущих приращений, что юзает свечной анализ. М.б. например, зависимость от модуля величины приращений (волатильности). То, что волатильность автокоррелируема известный факт и за модели волатильности типа GARCH (использующие автокорреляцию) нобелевку получали. Да и самому в этом убедиться не сложно. И это один из вариантов почему у распределения "тяжелые хвосты"
З.Ы. В широком смысле независимость описана в определении стационарности
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Много раз слышал про толстые хвосты распределения но так и не понял в чём суть вопроса, сделал индикатор который выводит в сепарат распределение величины баров(построенного по разности Close[i]-Close[i+1]), ктонить обьяснит почему распределение клосов узже чем нормальное?
Эталон красная линия распределение жёлтая гистограмма.
ну и собственно индикатор которым строилось. Оригинальное название (Распределение_ГСЧ_&_норм_тест)