抽搐：振幅和延迟分布 - 页 4 12345678 新评论 Sceptic Philozoff 2007.05.16 08:20 #31 New: 支部开头的第一个数字显示了一个典型的噪声指数。完全相同的 指数，如果你计算，例如，速率在 5分钟内通过的点的数量，然后从点的数量创建一个直方图N，就可以得到。 谢谢你提供的宝贵信息，纽。请解释一下 "典型噪声指数 "是什么意思，即它代表哪种概率密度函数。你不必给出公式，只需给出统计学中公认的名称。 第二个图显示了一周内市场波动率的变化--那里的变化性很明显，其变化也是随机的。 我不是说那里有严格的决定性的周期性，但统计规律性是存在的，并具有客观的特征（亚洲的冷清）。在我看来，这个过程的 "决定性部分 "可以通过一个周期性的函数以可接受的精度进行建模。 寻找长期模式更为有利。 再次感谢您的提醒。我也在做同样的事情，并决定分析蜱虫，不是为了直接从它们的行为中获利，而是为了，我们可以说，形成合理的风险管理策略。 [删除] 2007.05.16 09:33 #32 Mathemat: 谢谢你提供的宝贵信息，纽。请解释什么是 "典型的噪声指数"，即它对应的具体概率密度函数。你不必给出公式，只需给出统计学中公认的名称。 是的，这更像是一个俚语。例如，如果信号振幅的大小是随机分布的， ，那么频谱将类似于第一个图，即振幅较高的信号的数量（数目） ，将呈指数级 下降。如果有任何异常情况（规律性），就会出现 " 这个反指数上的峰值和尖峰。 亚洲的冷清当然是客观存在的，除非日本鬼子发狂，但我认为很难用 。 Sceptic Philozoff 2007.05.16 09:59 #33 New: 例如，如果信号的振幅是随机分布 的， ，那么频谱将类似于第一个图，即振幅较高的信号的数量（数目） ，将呈指数级下降。如果有任何异常情况（模式），在 这个反指数上会有 "峰值 "和 "尖峰"。 我在你的答复中强调了关键的字眼。那是多么的 随机啊？ 第二：注意第一个图 不是振幅的直方图，而是滞后的直方图。几乎所有的东西都或多或少地有了振幅。 P.S. 我在互联网上没有找到 "噪声指数 "这个词。 [删除] 2007.05.16 11:35 #34 Mathemat: 我强调了你答复中的关键字句。那是多么的 随机啊？ 第二：注意第一个图不是振幅的直方图，而是滞后的直方图。振幅或多或少是清楚的。 实际上，哪个分布是高斯或泊松指数在这里和那里并不重要。 假设滞后期是按照高斯分布的。让滞后的高斯最大值位于1秒区域，那么持续时间为t的滞后数将是N0*(1/exp(t-to))，有一些kpf系数，其中N0是最大值的滞后数。为了确定分布的具体情况，人们需要仔细研究它的最大值附近（你在1秒附近），但在实践中，这通常是没有必要的，而且由于误差和限制，往往是不可能的--因此，一般的俚语称为噪声指数。在实践中，更重要的是找到偏差--如果你有一个滞后数峰值，例如50秒左右，N为3000，那么它将是有趣的。 Sceptic Philozoff 2007.05.16 12:31 #35 当然，高斯分布和泊松分布最终也没有什么特别的区别：两种情况下都有一个单一的峰值，所有靠近最大值的曲线的行为都是一样的（抛物线），这使得我们很容易忽略分布的第三和第四时刻（不对称和过剩）。 一般来说，所有单模分布之间的差异绝对是短暂的--特别是如果它们都有相同的指数。人们也可以忘记沉重的尾巴，这都是无稽之谈，来自邪恶的人...... 2012年10月31日附言：这是个笑话，但我当时不明白...... Юрий Макаров 2007.05.16 16:27 #36 Mathemat:rebus: 请不要半途而废。 我不打算放弃它：它是一个更广泛项目的一部分。只是这第二个时间表有点问题，我还没有什么真正的想法。你只需要等待一下 - 然后想法就会出现......。 P.S. 他们有。暂时只有一个。我是这样做的：在支部第一页的第二个图表上，为了在某种程度上抹平刻度线延迟的疯狂差异，我简单地计算了它们的对数。下面是4月份几个星期（1号和2号）的伪随机延迟对数过程： ....................... 与延迟时间本身的过程相比，这两个过程都变得更加 "同质化"。滞后的对数现在是大约0（滞后=1秒）到7（滞后大于1000秒）之间的数字。.............. 我怀疑作为时间函数的滞后对数过程的 "准稳定性 "不是偶然出现在这里的。.......... 如果你画出刻度线之间的间隔的对数的分布函数， ，你将很可能得到接近高斯的东西。 这是统计学的一个一般模式--有点像中心极限定理（CLT）的一个推论。 如果一个随机变量是无界的（即可以从负值到正无穷大取值）， ，那么根据CPT，许多随机因素将促使该变量的分布函数达到正态规律。 当然，假设TPT的所有假设都得到满足。 同样，如果一个随机变量是严格的正 （例如，前一个和后一个事件之间的时间间隔）， ，那么这个随机变量将服从对数正态分布。 或者，同样地，该数量的对数将服从于正态分布。 这些说法对很多随机变量来说都是真的。 例如，对于价格，对于银行的存款规模，对于人的高度，等等。 Sceptic Philozoff 2007.05.16 17:21 #37 同样，如果一个随机变量是严格的正 （例如，前一个和后一个事件的时间间隔）， ，那么这个随机变量将服从对数正态分布。 。 小麦，读读彼得斯，他在蜘蛛上。他将迅速打消你在市场上的正常/认知的梦想。总之，基于正常假设的风险评估与现实有很大出入。 Юрий Макаров 2007.05.16 20:31 #38 谢谢你，改天吧... 我关于这些主题的白日梦大约在七年前就已经熄灭了。 Sceptic Philozoff 2007.05.18 03:04 #39 嗯，事实证明，已经有类似的研究：http://forum.fxclub.ru/showthread.php?t=32942。的确，北风的目标有些不同，但尽管如此，他的帖子在风格和信息方面都非常有趣--而且最有趣的是，他有相同的虱子来源。而这个人似乎已经认真负责地在高斯数据上实验证明了利润。关于这个问题的真正信息集中在该主题的前两页和最后两页。 Mak，也许你对滞后期ticks分布的对数性的看法是正确的，但它不能被直接证明... Sceptic Philozoff 2007.06.30 03:45 #40 这里有一些奇怪的结果，证明一对的结果不能扩展到其他一切。让我们来看看_DJI。这是在15:30至22:00（Alpari时间）进行交易的指数。数据是从07年6月19日到07年6月22日，共38500个点。 1.p.d.f.滞后ticks。 2. 滞后期与时间的关系（为了更清楚地看到滞后期集中的区域，必须删除几个非常大的滞后期；这些大的滞后期实际上是非常少的）。 3.振幅的pdf。 我们看到了什么？第三张图没有惊喜（和欧元兑美元一样，有两个尖锐的峰值），但前两张图让我们思考：pdf滞后在甚至 几秒钟的区域有明显的极值，滞后与时间的函数证实了这一点。 也许，这与这个指数的报价的特殊性有关。 值得注意的是，与欧元兑美元相比，黄金的类似图表/柱状图并没有显示出什么特别之处，尽管它们公认的 "噪音 "更大。 12345678 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
支部开头的第一个数字显示了一个典型的噪声指数。完全相同的 指数，如果你计算，例如，速率在 5分钟内通过的点的数量，然后从点的数量创建一个直方图N，就可以得到。
第二个图显示了一周内市场波动率的变化--那里的变化性很明显，其变化也是随机的。
我不是说那里有严格的决定性的周期性，但统计规律性是存在的，并具有客观的特征（亚洲的冷清）。在我看来，这个过程的 "决定性部分 "可以通过一个周期性的函数以可接受的精度进行建模。寻找长期模式更为有利。
再次感谢您的提醒。我也在做同样的事情，并决定分析蜱虫，不是为了直接从它们的行为中获利，而是为了，我们可以说，形成合理的风险管理策略。谢谢你提供的宝贵信息，纽。请解释什么是 "典型的噪声指数"，即它对应的具体概率密度函数。你不必给出公式，只需给出统计学中公认的名称。
是的，这更像是一个俚语。例如，如果信号振幅的大小是随机分布的，
，那么频谱将类似于第一个图，即振幅较高的信号的数量（数目）
，将呈指数级 下降。如果有任何异常情况（规律性），就会出现 "
这个反指数上的峰值和尖峰。
亚洲的冷清当然是客观存在的，除非日本鬼子发狂，但我认为很难用
。
例如，如果信号的振幅是随机分布 的， ，那么频谱将类似于第一个图，即振幅较高的信号的数量（数目） ，将呈指数级下降。如果有任何异常情况（模式），在 这个反指数上会有 "峰值 "和 "尖峰"。
第二：注意第一个图 不是振幅的直方图，而是滞后的直方图。几乎所有的东西都或多或少地有了振幅。
P.S. 我在互联网上没有找到 "噪声指数 "这个词。
我强调了你答复中的关键字句。那是多么的 随机啊？
第二：注意第一个图不是振幅的直方图，而是滞后的直方图。振幅或多或少是清楚的。
实际上，哪个分布是高斯或泊松指数在这里和那里并不重要。
假设滞后期是按照高斯分布的。让滞后的高斯最大值位于1秒区域，那么持续时间为t的滞后数将是N0*(1/exp(t-to))，有一些kpf系数，其中N0是最大值的滞后数。为了确定分布的具体情况，人们需要仔细研究它的最大值附近（你在1秒附近），但在实践中，这通常是没有必要的，而且由于误差和限制，往往是不可能的--因此，一般的俚语称为噪声指数。在实践中，更重要的是找到偏差--如果你有一个滞后数峰值，例如50秒左右，N为3000，那么它将是有趣的。
当然，高斯分布和泊松分布最终也没有什么特别的区别：两种情况下都有一个单一的峰值，所有靠近最大值的曲线的行为都是一样的（抛物线），这使得我们很容易忽略分布的第三和第四时刻（不对称和过剩）。 一般来说，所有单模分布之间的差异绝对是短暂的--特别是如果它们都有相同的指数。人们也可以忘记沉重的尾巴，这都是无稽之谈，来自邪恶的人......
2012年10月31日附言：这是个笑话，但我当时不明白......
请不要半途而废。
P.S. 他们有。暂时只有一个。我是这样做的：在支部第一页的第二个图表上，为了在某种程度上抹平刻度线延迟的疯狂差异，我简单地计算了它们的对数。下面是4月份几个星期（1号和2号）的伪随机延迟对数过程：
.......................
与延迟时间本身的过程相比，这两个过程都变得更加 "同质化"。滞后的对数现在是大约0（滞后=1秒）到7（滞后大于1000秒）之间的数字。..............
我怀疑作为时间函数的滞后对数过程的 "准稳定性 "不是偶然出现在这里的。..........
，你将很可能得到接近高斯的东西。
这是统计学的一个一般模式--有点像中心极限定理（CLT）的一个推论。
如果一个随机变量是无界的（即可以从负值到正无穷大取值），
，那么根据CPT，许多随机因素将促使该变量的分布函数达到正态规律。
当然，假设TPT的所有假设都得到满足。
同样，如果一个随机变量是严格的正
（例如，前一个和后一个事件之间的时间间隔），
，那么这个随机变量将服从对数正态分布。
或者，同样地，该数量的对数将服从于正态分布。
这些说法对很多随机变量来说都是真的。
例如，对于价格，对于银行的存款规模，对于人的高度，等等。
同样，如果一个随机变量是严格的正
小麦，读读彼得斯，他在蜘蛛上。他将迅速打消你在市场上的正常/认知的梦想。总之，基于正常假设的风险评估与现实有很大出入。（例如，前一个和后一个事件的时间间隔），
，那么这个随机变量将服从对数正态分布。
。
我关于这些主题的白日梦大约在七年前就已经熄灭了。
Mak，也许你对滞后期ticks分布的对数性的看法是正确的，但它不能被直接证明...
1.p.d.f.滞后ticks。
2. 滞后期与时间的关系（为了更清楚地看到滞后期集中的区域，必须删除几个非常大的滞后期；这些大的滞后期实际上是非常少的）。
3.振幅的pdf。
我们看到了什么？第三张图没有惊喜（和欧元兑美元一样，有两个尖锐的峰值），但前两张图让我们思考：pdf滞后在甚至 几秒钟的区域有明显的极值，滞后与时间的函数证实了这一点。 也许，这与这个指数的报价的特殊性有关。
值得注意的是，与欧元兑美元相比，黄金的类似图表/柱状图并没有显示出什么特别之处，尽管它们公认的 "噪音 "更大。