文章 "随机游走和趋势指标" - 页 2

新评论
 
Trolls:

这就是错误所在。

1.从连续模型到离散模型的转换必须正确进行。

2. 两种模型可以相同（连续和离散），但必须满足一个条件，即 "+"和"-"的步长必须相同。其大小。

3. 通过条形图分析，您的说法 "它们是相同的 "是正确的。证明所有条形图都是一样的。你能证明吗？

4. 只有一种图表具有这种特性，即 Renko 图表......您可以用 +1 -1(https://www.mql5.com/zh/code/9447#25419) 代替它。


如果我们将一枚硬币的价格等同于 1 点，并且在每个刻度中抛掷硬币 1000 次，那么离散硬币模型将变成一个纯粹的（我们熟悉的）市场。

如果我们将连续时间划分为刻度，并将价格四舍五入为 1 点，那么连续模型就会变成一个纯粹的市场。

在上述条件下，这两个模型都会收敛到纯市场，并且是相同的。

 
Trolls:

感谢您提供的文章链接。请阅读。它建议使用 ARFIMA 模型，即随机漫步模型。这些是不同的模型。阅读下面这篇文章会很有意思，包括你和作者的文章。这篇文章证明了你所提出的市场模型是充分的。不只是用文字断言，而是用数学证明......并给出了这个数字的计算方法......

H.Y. 只是很多人都掌握了 "充分性 "这个美丽的词，但如何计算却连自己都不知道。您在帖子中写道，100% 充分的模型是不存在的。我完全同意您的观点。问题是所提出的模型对市场的充分程度是 20%、30% 还是 99.999999999%....。

ARFIMA 和硬币模型都是生成类似汇率曲线（序列）的方法。在下一篇文章中，我将提出一种评估类似汇率曲线质量的方法。


模型本身并不能评估其是否与现实相符。建立模型的目的是为了解决一个具体的实际问题（在课程中赚钱、建造大楼）。如果问题得到完全解决，模型就被认为是适当的；如果问题解决了 50%，模型就被认为是适当的 50%。因此，有必要确定任务。硬币模型的设计目的是生成类似于路线的曲线。模型生成了曲线。这些曲线与汇率不太相似，但模型很简单。所以我打算在 20% 的时候停止。

 
Urain:

试着建立一个堆栈模型，该堆栈有一个清晰的结构，堆栈会看到上下一定数量点的命令。

生成器通过所有单元格（可以不是 +1 -1 而是生成随机量），然后在生成器通过堆栈的所有单元格后，计算堆栈中间点的移动位置。

在生成 32768 个兰特后，不要忘记重新启动 SRAND，否则您的序列将重复。

你是在提出一个价格形成模型吗？这取决于我们如何在单元格中生成交易量。成交量不是随机的。距离中点越远，成交量越大。我们需要一个特定的成交量模型。
 
Virty:
您是否提出了定价模式？这一切都取决于我们如何在电池中生成容量。容量不是随机的。距离中点越远，体积越大。我们需要一个特定的交易量模型。

我们假设体积是随机的，有 1 个滞后点。我们随机生成一个玻璃杯，与玻璃杯之前的值相加，相互减去最接近中间的体积作为实现的交易，然后计算出玻璃杯新的中间值，循环结束。

 
Urain:

试着模拟一个玻璃杯，玻璃杯有一个清晰的结构，玻璃杯可以看到上下一定数量的出价。

生成器通过所有单元格（可以不是 +1 -1 而是生成随机体积），然后在生成器通过堆栈的所有单元格后，计算堆栈中间点的移动位置。

生成 32768 个兰特后，不要忘记重新启动 SRAND，否则序列将重复。

定价过程要比 "随机卷生成 "复杂得多。请阅读： http://people.orie.cornell.edu/~sfs33/research.htm
 
Trolls:

文章中有一处不准确的地方，如果我们以醉酒的水手作为类比，那么台阶的大小是不同的。粗略地说，如果从酒馆出发，1 步的长度是 80 厘米，返回（到酒馆）一步的长度是 60 厘米。趋势是一样的，众所周知，市场向下运动的速度快于向上运动的速度。而在文章中，所有的步数都是一样的+1 或-1。

因此，不能认为这个模型是适当的。它只是一枚硬币，其分布特性早已为人所知，并被研究了很久。

数学家用杠杆效应 增加来解释价格快速下跌比缓慢上涨的影响，但在我看来，这种解释非常薄弱，显然不足以解释所发生的过程。

该模型可以通过使用更先进的对数波动率模型而不是等量数据切片来加以改进，在等量数据切片中，低价格会产生低成交量，这反过来又会导致低波动率，从而降低基于该数据的交易系统的风险和盈利能力。相反，高价格将决定高成交量，从而导致高波动率。这意味着，在这些区间内进行 TS 交易的风险和收益率都会较高。顺便说一句，波动率的修正可能相当显著，这意味着如果不考虑这些修正，您可能会在结论中犯下大错。这一点在股票上尤为明显。如果 TS 在低波动期的收益很好，但在高波动期其盈利能力虽然没有出现明显的负值，那么它看起来就像是完全亏损了，但事实上并非如此。顺便说一下，这也意味着大时间尺度的图表应该用对数尺度而不是线性尺度来查看。所有普通股票图表都有这样的选项。

一般来说，任何数学模型都应该由经济假设来定义。没有经济理论的模型本身是毫无意义的。因此，在使用 RAND 之前，最好先阅读一下经济学教科书。

 
lea:
定价过程要比 "随机生成交易量 "复杂得多。有时间不妨读一读： http://people.orie.cornell.edu/~sfs33/research.htm

别再胡言乱语，指手画脚了：o)

我是斜着读的，从整组信件中，我了解到是用回归模型来计算杯距的大小和方向的。

 
Urain:

假设交易量是随机的，有 1 个滞后期。我们随机生成一个玻璃杯，加上玻璃杯之前的值，减去最接近中间的体积作为已实现的交易，然后计算出玻璃杯新的中间值。


据我所知，这种模式将简化为价格可变的硬币率。我们抛掷同一枚硬币，但每次抛掷都会从某个有限的范围内随机产生一个新的价格。而且价格有一定的概率分布。

如果价格的概率分布接近正态分布（使用这种玻璃杯时也是如此），那么我们将得到价格不变的硬币的旧比率。现在，我们连续抛掷 100 次硬币，100 次之后再看结果。硬币的价格是不变的，但它是新的。

如果价格的概率分布是棘手的，那么比率就不会像硬币的比率那样。其中会出现非随机模式。您可以尝试在实际比率上捕捉它们，但必须首先设置价格的概率分布。

 
Urain:

别再喂伦巴饲料了，指指点点吧:o)

好吧，http://people.orie.cornell.edu/~sfs33/LimitOrderBook.pdf

很明显，你读了一篇关于烧杯模型的文章。模型就是模型，并不能完全描述堆栈中发生的事情。

但是，提供流动性的算法可以让人了解定价原则（也就是说，如果您阅读了上述文章，您就会知道堆栈中的交易量是如何 "随机 "爬行的）。

 
Virty:

如果价格的概率分布是棘手的，那么汇率就不再像硬币的汇率。其中会出现非随机的规律性。我们可以尝试在实际汇率上抓住它们，但我们必须首先定义价格的概率分布。

假设我知道如何建立合成模型，合成模型的增量分布、ACF 形状、增量平方的 ACF 形状以及在时间上的离散行为与实际观察到的非常相似。这对我们建立价格模型有何帮助？
123456
新评论