Рассмотрены функции для работы с основными статистическими распределениями, реализованными в языке R. Это распределения Коши, Вейбулла, нормальное, логнормальное, логистическое, экспоненциальное, равномерное, гамма-распределение, центральное и нецентральные распределения Бета, хи-квадрат, F-распределения Фишера, t-распределения Стьюдента, а также дискретные биномиальное и отрицательное биномиальные распределения, геометрическое, гипергеометрическое и распределение Пуассона. Есть функции расчета теоретических моментов распределений, которые позволяют оценить степень соответствия реального распределения модельному.
!!!
蘑菇
我写了两个小时的评论。发了。它就在那儿，然后就不见了。没了
i.m.wshockerbyl....
你什么都没发，只是引用了一大段文字。
附上文字 - 这样就不会丢失了...
你什么都没写，只是引用了一大段文字。
我把文字附在后面，以免丢失.....。
谢谢你，好心人！
我不只是引用了它，我还在同一个区块中写了我的答案。
现在我将编辑并重新发布....。
至:马克西姆-罗曼诺夫
您需要尽可能频繁地关闭新系列 - 不仅要频繁，还要有足够的利润。根据我的经验：大部分时间都是缩水，盈利头寸的利润总和总是少于不盈利头寸的减去总和，在不利发展的情况下，损失呈指数 增长，而利润呈线性增长。累积利润（考虑到应保留 20%，但不要是 1 美分）通常不足以关闭最不利的交易（系列），只能关闭其中的一部分，这就是为什么我称其为 "部分"，尽管文章并没有这样的意思。
定价的理论基础 --我不会对股票说什么，但对于外汇，不知何故，我甚至没有考虑过创建它的可能性，我无法应对它。相关性是可测量的（不依赖于理论模型），也不是恒定的（时间函数），因此要以足够的概率预测相关性并非易事。
理想情况下，不需要这种算法和锁，只需要根据市场数据计算出价格反转概率最高的点。我同意，但结果是这样的：要么 100%正确入市（这根本不现实），要么在某些方向出现罕见的深度减仓。如果总利润之和远大于负数之和，那么我们就会在一周或一个月结束时一次性结清亏损和利润，我们也不会哭泣。其次是一般退出的算法。如果负数 "不小"，那么持续、迅速地割尾就是我们的一切。
根据我的观察，只建立一个与价格走势相反的头寸是有意义的。 我建议考虑以下情况。当前交易区块大小不同但价值相同的两种货币工具。我们同时买入这两种货币，并预期在两个区块内离场。一个上涨，另一个下跌，速度相同。一个区块后，我们买入更多（增加下行空间），但上行空间不大。两个区块后，我们在第一个区块上获得了 +2（并平仓），在第二个区块上我们没有平仓 -3（但我们现在刚刚在上面又买了一个区块，何时结束还不知道）。交易与其说是知识，不如说是信念。我们相信系统的可靠性，好吧，或者不相信，但信任它，有一定的信心份额，比如 0.6。我们不知道每个信号的可靠性，我们不能马上说这个信号是 100%肯定的，这个信号是错误的；我们相信所有 100%的一般信号，但只相信每个信号的 60%。如果我们如此确信一个负数系列会达到计划的结果，并将其建立起来，那么为什么我们拒绝相信最初的正数交易（不是一个系列，因为我们没有将其建立起来）呢？
- 分析区块长度的最小值和最大值，以及它们之间的比率。我观察到，有时在最小和最大搜索大小之间有足够的差异时，您可以在步骤范围的开始和结束处获得多向信号，H block =const.
- 区块大小选择为最小值......随着区块大小的减小，超出的百分比................蜡烛图收盘价与区块收盘价不一致。 我们在前面讨论过这个问题，我在这里简单重复一下。有意义的最小最近交易距离（IMHO）是三倍差价（一个用于盈利，两个用于进出执行时的亏损）。如果在较小的区块大小上，构造产生的失真误差会增大，从而影响结果（情况不一定如此），那么就需要增大区块大小。如果构造误差取决于源数据的离散化（Close），则需要关注离散化的大小。我在绘图时使用 OHLC，并以 5 * iATR(sy, PERIOD_M1, 1440) 为导向。收盘价 M1 与某一区块的收盘价不一致并不重要（在我看来），因为根据构建算法，按时间计算的最后一个区块总是在收盘价[1] M1 所在位置收盘，而其他区块很可能在两个收盘价之间收盘，因为我们最初将价格走势简化为线性收盘图。关于超调百分比：我还没有完全接受这一范式。我在历史记录上定义了一个运行频率分布图。然后，我将得到的钟形（或帽子）顶部及其附近（包括所有观察到的情况中的 N%）指定为平面。该图只取决于块的大小和统计样本的长度，同时也考虑到了样本的一般移动方向（帽子的重心将沿移动方向移动）。我任意指定了平整度的百分比。
- 趋势与持平之间没有界限- 我同意，但请参见上文。
-入市量是一个重要问题。完全同意，在我尝试过的选项中，我还没有形成一个明确的观点，认为哪个更好。
-当信号 丢失时，我会重新开始 - 这是否意味着关闭信号丢失时的开仓系列？
-由于随机性，10 美元的修复会使系统回到期望值为 0 的状态。我不同意。这篇文章写起来很长，而且都是 "我试过的"，没有任何数学计算，我只想补充一点，这不仅仅是 10 美元的修正，还有一些 F()，包括区块的成本。区块成本（就 minlot 而言--利润变化的最小阶梯）是系统的基本值，应根据财务预期（风险和利润）和存款规模来选择。F()本身就是一个研究和讨论的主题。
-总利润，我认为也是一定的 F()，它更多地取决于未平仓头寸的数量、总利润、相同的区块价值以及对信号的信心程度。
-我打算尝试部分 平仓机制。我在上面写了 "部分 "平仓的真正含义。如果我的陈述不清楚而误导了您，我很抱歉 :(
致：马克西姆-罗曼诺夫
您需要尽可能频繁地关闭新系列 - 不仅要频繁，还要有足够的利润。根据我的经验：大部分时间都是缩水，盈利头寸的利润总和总是少于不盈利头寸的减去总和，在不利发展的情况下，损失呈指数 增长，而利润呈线性增长。累积利润（考虑到应保留 20%，但不要是 1 美分）通常不足以关闭最不利的交易（系列），只能关闭其中的一部分，这就是为什么我称其为 "部分"，尽管文章并没有这样的意思。
定价的理论基础 --我不会对股票说什么，但对于外汇，不知何故，我甚至没有考虑过创建它的可能性，我无法应对它。相关性是可测量的（不依赖于理论模型），也不是恒定的（时间函数），因此要以足够的概率预测相关性并非易事。
理想情况下，不需要这种算法和锁，只需要根据市场数据计算出价格反转概率最高的点。我同意，但结果是这样的：要么 100%正确入市（这根本不现实），要么在某些方向出现罕见的深度减仓。如果总利润之和远大于负数之和，那么我们就会在一周或一个月结束时一次性结清亏损和利润，我们也不会哭泣。其次是一般退出的算法。如果负数 "不小"，那么持续、迅速地割尾就是我们的一切。
根据我的观察，只建立一个与价格走势相反的头寸是有意义的。 我建议考虑以下情况。当前交易区块大小不同但价值相同的两种货币工具。我们同时买入这两种货币，并预期在两个区块内离场。一个上涨，另一个下跌，速度相同。一个区块后，我们买入更多（增加下行空间），但上行空间不大。两个区块后，我们在第一个区块上获得了 +2（并平仓），在第二个区块上我们没有平仓 -3（但我们现在刚刚在上面又买了一个区块，何时结束还不知道）。交易与其说是知识，不如说是信念。我们相信系统的可靠性，好吧，或者不相信，但信任它，有一定的信心份额，比如 0.6。我们不知道每个信号的可靠性，我们不能马上说这个信号是 100%肯定的，这个信号是错误的；我们相信所有 100%的一般信号，但只相信每个信号的 60%。如果我们如此确信一个负数系列会达到计划的结果，并将其建立起来，那么为什么我们拒绝相信最初的正数交易（不是一个系列，因为我们没有将其建立起来）呢？
- 分析区块长度的最小值和最大值，以及它们之间的比率。我观察到，有时在最小和最大搜索大小之间有足够的差异时，您可以在步骤范围的开始和结束处获得多向信号，H block =const.
- 区块大小选择为最小值......随着区块大小的减小，超出的百分比................蜡烛图收盘价与区块收盘价不一致。 我们在前面讨论过这个问题，我在这里简单重复一下。有意义的最小最近交易距离（IMHO）是三倍差价（一个用于盈利，两个用于进出执行时的亏损）。如果在较小的区块大小上，构造产生的失真误差会增大，从而影响结果（情况不一定如此），那么就需要增大区块大小。如果构造误差取决于源数据的离散化（Close），则需要关注离散化的大小。我在绘图时使用 OHLC，并以 5 * iATR(sy, PERIOD_M1, 1440) 为导向。收盘价 M1 与某一区块的收盘价不一致并不重要（在我看来），因为根据构建算法，按时间计算的最后一个区块总是在收盘价[1] M1 所在位置收盘，而其他区块很可能在两个收盘价之间收盘，因为我们最初将价格走势简化为线性收盘图。关于超调百分比：我还没有完全接受这一范式。我在历史记录上定义了一个运行频率分布图。然后，我将得到的钟形（或帽子）顶部及其附近（包括所有观察到的情况中的 N%）指定为平面。该图只取决于块的大小和统计样本的长度，同时也考虑到了样本的一般移动方向（帽子的重心将沿移动方向移动）。我任意指定了平整度的百分比。
- 趋势与持平之间没有界限- 我同意，但请参见上文。
-入市量是一个重要问题。完全同意，在我尝试过的选项中，我还没有形成一个明确的观点，认为哪个更好。
-当信号 丢失时，我会重新开始 - 这是否意味着关闭信号丢失时的开仓系列？
-由于随机性，10 美元的修复会使系统回到期望值为 0 的状态。我不同意。这篇文章写起来很长，而且都是 "我试过的"，没有任何数学计算，我只想补充一点，这不仅仅是 10 美元的修正，还有一些 F()，包括区块的成本。区块成本（就 minlot 而言--利润变化的最小阶梯）是系统的基本值，应根据财务预期（风险和利润）和存款规模来选择。F()本身就是一个研究和讨论的主题。
-总利润，我认为也是一定的 F()，它更多地取决于未平仓头寸的数量、总利润、相同的区块价值以及对信号的信心程度。
-我打算尝试部分 平仓机制。我在上面写了 "部分 "平仓的真正含义。如果我的陈述不清楚而误导了您，我很抱歉 :(
没有理论，测量相关性和收集统计数据就没有意义。它们只会是不了解其变化的数字。理论模型是必要的。有人会说这是马丁格尔，有人会写这是 perisivitel 或网格。如果没有理论，看起来可能就是这样。有了理论模型，情况就完全不同了。例如，我可以说明改变基金的手数如何产生正期望值。从外观上看，这似乎与马丁格尔模型类似，因为手数是不断浮动的。但有一点不同：如果没有理论，这只是浮动手数，但有了理论，我就知道应该设置什么手数，为什么要设置。这个模型不应该针对外汇或基金，它应该描述市场之间的异同，包括商品和加密货币。
你不需要 100%的入场概率。总会有一些无法计算的因素，让你无法做到 100%。模型越精确，概率就越高。
再说一遍，为什么我们不能收集不同规模的统计数据并加以利用。没有理论模型，就只能是无法预测其行为的数字。要避免收集统计数据，就需要进行基于误差的校正。我们需要利用统计数据来确定市场的性质，了解市场与模型的匹配程度，并不是根据统计数据而是根据模型来确定绩效参数。如果我们只以统计数据为指导，那么....。任何人都能做到，这没有什么好奇怪的，任何数学家都能做到。但这样一来，一切都变成了追逐这些参数的波动，而我们却不明白这一切变化的原因和时间。收集统计数据并启动机器人进行交易与优化并无不同。这就是我开发理论模型的原因。机器人交易的不是市场，而是一个参数会发生变化的模型。
如果信号丢失，系列就不会关闭。我不明白 "丢失 "是什么意思。当信号出现时，系列就开始了，一直持续到价格达到计算出的收盘点。由于出现新的区块，估计的平仓点会不断调整。不可能出现头寸尚未平仓，而图表已经修正的情况。更准确地说，这种情况在我的案例中是有可能发生的，但这已经是算法实施的细节问题了，在这里会触发对无利可图仓位的补偿机制。
至于总利润，如果根据一些参数对其进行动态调整，就能得出一些有意义的结果，但我还没做过。
至于部分平仓，也有一些工作要做，但对我来说，这个阶段要晚一些，我还没有考虑过。
你好
我会加点水 )
算法不是算法 - 在不同的对子上有不同的结果
风吹了，逻辑坏了
尝试创建一个算法。
但总的来说，这很酷
，请继续
，满怀兴趣地等待最终结果
你好
我会加一点水）。
算法不是算法-- 不同的对子有不同的结果
风一吹，逻辑就坏了
尝试创建一种算法
但总的来说，这很酷
请继续
满怀兴趣地等待最终结果
这不是一个有效的说法。就像 "汽车不是汽车，在沼泽上和在柏油路上是不一样的"。这简直是胡说八道）。
Excellent article! Gives much inspiration. Ty for your hard work!