Обсуждение статьи "Неопределенность как модель (Часть 3): Математическая статистика — как извлекать знания из данных"

[MetaQuotes]

Опубликована статья Неопределенность как модель (Часть 3): Математическая статистика — как извлекать знания из данных:

В данной части цикла разбираются механизмы Закона больших чисел (ЗБЧ) и Центральной предельной теоремы (ЦПТ) как теоретической основы для понимания рыночных закономерностей. Описывается инструментарий описательной статистики и методы нахождения точечных и интервальных оценок параметров распределений. Особое внимание уделено методологии проверки статистических гипотез, позволяющей объективно отделять истинные рыночные аномалии от случайного шума. Каждое теоретическое построение сопровождено практическим примером в приложении, что позволяет закрепить материал на конкретных данных.

Мы пишем торговые скрипты и регулярно сталкиваемся с одной и той же практической проблемой: у нас есть история котировок, но непонятно, что в ней — устойчивое свойство рынка, а что — случайная флуктуация конкретной выборки. Из‑за этого легко принять шум за сигнал: "среднее положительное", "есть корреляция", "распределение близко к нормальному" — и получить провал в реальной торговле.

Цель этой статьи — дать рабочий статистический каркас для анализа исторических данных: как корректно мыслить выборкой (и как моделью, и как конкретными числами), какие предельные законы (ЗБЧ, ЦПТ) обосновывают выводы при конечном N, и какие практические процедуры быстро применить в коде, чтобы проверить распределение, оценить параметры и отделить статистически значимые эффекты от иллюзий. При этом модель i.i.d. вводится не как догма, а как проверяемая гипотеза — ключевой предмет EDA и CDA. В статье показаны рабочие шаги и примеры MQL5‑скриптов, которые сразу можно включить в наш конвейер тестирования.

Автор: Aleksey Nikolayev