文章 "针对交易的组合数学和概率论（第四部分）：伯努利（Bernoulli）逻辑"
内幕消息，将在 API 公布石油储量消息之前给出石油的波动情况。也就是说，价格变动的原因和概率发生在价格本身形成之前。
这既是一种批评，也是一个问题。
我们对趋势保持沉默，因为我们使用的是跌出该状态的概率，然后就看运气了，即 "Taki-profit "或偶然发现 "Moose"。
问题：
- 在多重状态的意义上，这里还能有什么？
你好，亚历山大，这里有很多可能性。你有三个事件，你可以把它们组成一组，例如 ( Herb, Tails ) ( Herb, rib ) ( Herb, Herb ) ( Tails , Tails ) ( Tails , rib ) ( Tails , Herb ) ( rib , Tails ) ( rib , rib ) ( rib , rib ) ( rib , rib ) ( rib , Herb )(肋骨 , 肋骨 )(肋骨, 草本 ) ( 肋骨 , 草本 )
也就是说，与其考虑单个事件，不如考虑由这些事件组成的链，从中可以得到完全意想不到的样本。.此类集合的数量计算如下：
- Pow(n,N)
- N 是链的长度（相继抛掷的次数）。
- n - 抛掷硬币后可能出现的状态数（它们的概率组成一个完整的组）。
换句话说，掷硬币的结果数乘以链的长度。在双链的例子中，我得到了 9 组，让我们来核对一下！
- 3-掷骰子的数量
- 2-链的长度
- 3^2 = 9 - 全部相加。
您可以考虑 3 的链 ...4 ....+ 无穷多的状态，这取决于您的样本有多长，您做的掷骰子实验越多，您就会得到越多的用于分析的挤压。如果您对这些集合中某些组的概率感兴趣，也可以将这些集合组合起来，因为所有这些集合构成了一个完整的事件组。
你好，亚历山大，这里有很多变体。你有三个事件，你可以把它们组成集合，例如 ( Herb, Tails ) ( Herb, rib ) ( Herb, Herb ) ( Tails , Tails ) ( Tails , rib ) ( Tails , Herb ) ( rib , Tails ) ( rib , Tails ) ( rib , Tails ) ( rib, Herb )。 , rib )(rib , Herb ) ( rib , Herb )
也就是说，与其考虑单个事件，不如考虑由这些事件组成的链，从中可以得到完全意想不到的样本。.此类集合的数量计算如下：
- Pow(n,N)
- N 是链的长度（相继抛掷的次数）。
- n - 抛掷硬币后可能出现的状态数（它们的概率构成一个完整的组）
换句话说，掷硬币的结果数乘以链的长度。在双链的例子中，我得到了 9 组，让我们来核对一下！
- 3-掷骰子的次数
- 2-链的长度
- 3^2 = 9 - 全部相加。
您可以考虑 3 的链 ...4 ....+ 无穷多的状态，这取决于你的样本有多长，你做的掷骰子实验越多，你就会得到越多的挤压来进行分析。如果您对这些集合中某些组的概率感兴趣，也可以将这些集合组合起来，因为所有这些集合构成了一个完整的事件组。
非常 感谢您的回答，尤金！
很好......
但比如我，在我的交易者时间线上，每年只有 200 次抛掷，即在一个交易日开始前抛掷一次。
因此，集合中只有一个事件。
根据经验，我想指出的是，不断改变交易方向对统计和财务结果有非常不好的影响。
，我认为用很多集合来解决问题是非常多余的，是一种没有实际应用的理论延伸。
，让我们更贴近实践吧！
，好吗？
非常感谢 Eugene 的回答！
很好......
但比如我，在交易者的时间线上每年只有 200 次抛掷，即在交易日开始前抛掷一次。
因此，集合中只有一个事件。
根据经验，我想指出的是，不断改变交易方向对统计和财务结果有非常不好的影响。
，我认为用很多集合来解决问题是非常多余的，是没有实际应用的理论延伸。
，让我们更贴近实践吧！
，好吗？
让我们实际一点。以 "200 "次抛掷为例。如果我们对这一连串的试验进行分析，我们就可以区分出不同的状态，而不是单一的掷骰子。在交易中，如果我们分析的不是交易链，而是价格，那么它们就被称为模式。任何模式都可以用状态链来充分准确地表示。有趣的是，当我们考虑单个状态或仅考虑一个步骤时，很可能会出现混乱，但当这些状态组合成一个链条时，就形成了一种形态，这种形态既可以表示买入，也可以表示卖出，你需要做的就是分析形态之后发生的事情，并进行统计。回溯测试或交易历史也是一条曲线，不仅可以在价格层面，也可以在虚拟交易层面搜索形态。我稍后会在另一篇文章中介绍这一点，只是材料很多，应该会在适当的时候出现。
因此，总的来说，你试图进一步挖掘是件好事，很高兴看到这一点）。
我们对趋势保持沉默，因为我们使用的是跌出该状态的概率，然后我们可以顺其自然，即 "Taki-profit "或偶然发现的 "Moose"。
问题：
- 就状态的多重性而言，这里还能有什么？
确切地说，"泷 "的边缘落差意味着落在连接鹰的平面和尾巴的平面的边缘上。因此，出现了另一种变体--当硬币略微倾斜时，真正落在边缘上。
让我们开始练习吧。例如，"200 "次抛掷。如果我们分析这一连串的试验，我们可以识别的不是单一的抛掷，而是例如具有不同状态集的不同链。在交易中，如果我们分析的不是交易链，而是价格，它们就被称为模式。任何模式都可以用状态链来充分准确地表示。有趣的是，当我们考虑单个状态或仅考虑一个步骤时，很可能会出现混乱，但一旦这些状态组合成一个链条，就会形成一种形态，这种形态既可以表示买入，也可以表示卖出，你需要做的就是分析形态之后发生的事情，并进行统计。回溯测试或交易历史也是一条曲线，不仅可以在价格层面，也可以在虚拟交易层面搜索形态。我稍后会在另一篇文章中对此进行描述，只是材料很多，应该会在适当的时候出现。
因此，总的来说，你试图进一步挖掘是件好事，很高兴看到这一点）。
"有趣的是，当考虑单一状态或仅考虑一个步骤时，我们很可能会得到混沌......"
- 这就是我们 需要停止的地方。
市场中的混乱或动荡极少发生，5-7 年一次，它表现为急剧的逃离或涌入，
，影响快速增长，然后急剧放缓，或者金融工具价值的恐慌性下跌。
，因此，您甚至可以考虑只考虑价格形态，而不考虑价格形态，价格形态有很多，而且并不总是给出预期的方向。
，难道不是这样吗，尤金？
新文章 针对交易的组合数学和概率论（第四部分）：伯努利（Bernoulli）逻辑已发布：
在本文中，我决定重点阐述著名的伯努利（Bernoulli）规划案，并展示如何用它来描述与交易相关的数据数组。 所有这些将被用来创建一个自适应的交易系统。 我们还将寻找一个更通用的算法，一个特例是伯努利公式，并查找能够运用它的应用。
如果我们研究运用数学语言来描述交易历史和回测的可能性分析，首先我们需要理解这种分析的目的和可能的结果。 这样的分析有什么附加值吗？ 事实上，不可能马上给出一个明确的答案。 但有一个答案，它可以逐渐推导出简单而有效的解决方案。 然而，我们应该先深入了解更多细节。 鉴于之前文章的经验，我对以下问题感兴趣：
所有这些问题的答案如下。 可以将一些策略简化为分形描述。 我已经开发出这个算法，我将进一步讲述它。 它也适用于其它用途，因为它是一种通用分形。 现在，我们来研究并尝试回答以下问题：用随机数和概率论的语言来说，交易历史是什么？ 答案很简单：它是一组孤立的实体或向量，它们在一定时间段内的发生具有一定的概率和时间利用因子。 这样的每个实体的主要特征是其发生的概率。 时间利用因子是一个辅助值，有助于判定有多少可用时间来进行交易。 下图可能有助于理解这个想法：
作者：Evgeniy Ilin