FR H-波动性 - 页 11

新评论
 
Prival:

只是你构建了一个概率密度函数（PDF）而不是分布函数，因为PDF有三个属性。1.它（PDF）是不递减的。2.如果x趋向于无穷大，那么PDF趋向于1。自然，如果一切都正常化了。SP和PDF通过一个积分联系起来（PDF是SP的一个积分）。

这句话 "这个图形被称为分布曲线或分布函数；函数本身被称为概率密度函数。"并不完全正确。

我明白你的意思--"误差积分 "或以另一种方式 "误差函数"（EF）。描述它的函数被称为erf(x)，定义如下：对于正态分布和

为任意的，其中f(t)是PDF或概率密度函数，K是归一化因子，从整个定义区域的PDF的单位积分的平等条件中选择。所以，不是 "FR有3个属性。1.它（FR）是不递减的。2.如果x趋向于无穷大，那么FR趋向于1"，但FO!

FR的另一个有趣的特性是不含H的ZZ臂的绝对值（图中左侧的矢量U）。

如果我们比较不同H的非归一化FF（图右），我们会看到一个令人惊讶的事情--例如，在H=10时，振幅为10点的矢量U的移动次数要比H=15时多！！！。虽然，看起来WP的高台阶肯定应该包括这些和其他一些动作......但是没有!这一点并不清楚。

 

不，你搞错了。这是一个术语的问题。这里有一张照片。再一次，这里有一个维基百科的链接，其中FR的定义是https://ru.wikipedia.org/wiki/%D0%A0%D0%B0%D1%81%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2%D0%B5%D1%80%D0%BE%D1%8F%D1%82%D0%BD%D0%BE%D1%81%D1%82%D0%B5%D0%B9

关于一个阶段。在t=0点（见你的图），我们有点不知道t=-1点的极值是否已经形成，因为矢量H可以向下逆转，这个极值会消失（变成假的）。事实证明，我们没有可靠的基准点H，尽管我可能搞错了，我的人字形指标与你的不同。

 

至于第一点，我同意。

至于Zig-Zag极值形成点的定义，如果价格偏离其最大（最小）值到左边，其数值大于或等于H（分裂步骤），则被认为已经形成。这个定义是在帕斯图霍夫的论文工作中给出的，是正确的。

 
Neutron:

至于第一点，我同意。

至于Zig-Zag极值形成点的定义，如果价格偏离其最大（最小）值到左边，其数值大于或等于H（划分的步骤），则被认为形成了Zig-Zag极值。这个定义是在帕斯图霍夫的论文工作中给出的，是正确的。


还有一个问题，如果不受折磨的话："......振幅为......的矢量U的移动次数"，这是否意味着与矢量H同方向的运动，如果它在t=0时突然向下转动也算数？
 

让我们根据ZZ预测为潜在的TS定义进入/退出点。 获利订单应放置在预测的极值水平。 如果价格没有达到这个值，我们在新的极值形成时立即关闭，即在价格刻度上低于它的H。帕斯图霍夫提出的卡吉策略并没有告诉我们关于某种预期运动的振幅，但它给出了这种运动的积分估计--H+-delta。考虑到我们将在等于H的回撤中收盘--我们将这一delta作为奖励收入囊中!在创建了一个系统，在t=0点以某种概率预测预期运动的振幅U后，我们可以估计delta的预期值为真实运动的FF的严重性中心与H之间的差异。

作为一个例子，让我们用这种技术来评估TS的delta，即 在H点从最近的顶部回撤后的每个点开仓，同时关闭之前的仓位，见图。 红线显示的是根据提议的方案估计的盈利能力（不包括点差），蓝线是根据模拟交易结果估计的盈利能力。不要被减号所迷惑，在任何情况下，策略都可以 "反转"。

正如他们所说的 "到π"，但对于粗略的估计，由于没有更好的估计，我认为它可以做到。你可以编出预测预期运动的变体 :-)

到私人公司

Еще 1 вопрос если не замучил.  ".. число ходок вектора U с амплитудой например .."  Это имеется ввиду движение в том же направлении, что и вектор H. Если он вдруг в t=0 развернулся вниз тоже считается ?

是的。在这种情况下，它的移动等于零，我们应该谈论在t=0点形成的顶点。一切都是正确的。在这样的声明中，你不会发现绝对值小于N的ZZ边。

 

我在此公布我的研究的负面结果（也是结果）。

图中显示了右侧ZZ段的长度与2H的预期值之间的平均差异（纵轴），左侧段的长度与2H归一化的长度不同（横轴）。欧元/日元的图表是按点绘制的，欧元/美元的图表也是如此。

可以注意到，ZZ！的两侧之间没有统计学上的显著依赖性。你必须在其他地方挖掘。

我认为在我们的情况下，统计方法不会带来统计优势--任意性在市场上意外出现（至少对我来说），并意外消失。我们都知道，如果我们能够追踪它，我们会用它做什么，但我们如何检测它呢？

 
Neutron:

我深信，统计方法不会给我们的业务带来统计上的优势--任意性出乎意料地出现（至少对我来说是这样），也同样出乎意料地消失了。我们都知道，如果我们能够跟踪它，我们会做些什么，但我们如何检测它呢？


可以有两个选项，对应于两个相反的假设。

1.任意性瞬间出现（即在一瞬间），同样瞬间消失。不可能预测它何时发生或何时消失。

(2) 可仲裁性具有惯性，因此，它的出现、存在和消失是一个市场过程，需要一定的时间。因此，可仲裁性不可能立即出现或消失。不可能预测其出现的时刻，但根据其动态，可以预测其消失的时刻。

在这两种说法中，你喜欢哪一种？我的意思是，你认为哪一个是公平的、符合现实的？

如果都不是，那就提供你的版本。或者在这两者之一的基础上提供它。

 

直到最近，对我来说，答案还不是那么不清楚，但看看2007年 自动交易锦标赛 的结果，我们不得不承认存在套利或（同样的东西）市场无效率，事实上！这是不可能的。我同意你的观点，"套利发生的时刻无法预测，但其消失的时刻可以根据其动态预测"， 唯一的问题是使用哪种分析方法，哪种工具包认为是充分的。BP分析方法是基于周期性过程的假设，即趋势的先验存在（羊群效应）。这适用于分析一个大公司的销售量，但对货币系列完全不起作用。

 

因此，第二种说法被接受。我们可以把它作为一个公理，并从那里起舞。

出现了以下问题。

什么是可仲裁性？它的数学特性是什么，一系列报价的数学特性是什么，它是如何体现的？

衡量可仲裁性的最佳标准是什么？很明显，我们可以构建许多价值来衡量它。然而，正如我们所看到的，它不是很有吸引力，也不是很有效。建立一个数学特性将是很好的，这将是对报价系列任何行为的套利的衡量：在趋势和平坦时期都是如此。

很明显，这个过程是循环的。套利的可能性出现又消失了。但这种周期性不可能是静止的，甚至是准静止的。因此，有可能研究静止期的间隔，甚至有可能构建它们的FR，但这不会导致任何建设性的结果。 IMHO。

在我看来，如果人们构建了一个充分的、动态的、局部的可仲裁性衡量标准，那么人们也可以研究其惯性的特性，并独立地跟踪其变化，以确定进入和退出的时刻。也就是说，考虑一个可仲裁性指标。而要做到这一点，我们需要解决所提出的两个问题：第一，了解可仲裁性的本质（至少是数学上的），第二，作为解决第一个问题的结果，正确构建价值本身。

 
Neutron:

直到最近，对我来说，答案还不是很清楚，但看看2007年自动交易锦标赛的结果，我们不得不承认存在套利或（同样的东西）市场无效率，事实上！这是不可能的。我同意你的观点，"套利发生的时刻无法预测，但其消失的时刻可以根据其动态预测"， 唯一的问题是使用哪种分析方法，哪种工具包认为是充分的。BP分析方法是基于周期性过程的假设，即趋势的先验存在（羊群效应）。这适用于大公司的销售量分析，但对货币系列完全不起作用。


我不同意你的观点。

1.关于套利，以下是维基百科对套利的解释："经纪人A下单以18美分的价格买入某公司的100股，经纪人B下单以17美分的价格卖出同一公司的100股。如果投机者同时注意到这两个出价，他可以接受这两个出价并获利。这就是所谓的套利。" 也就是说，套利要么存在，要么不存在。其出现和消失的时间并不重要（主要是做两笔交易）。虽然我们对仲裁的理解可能不同，因为我对市场无效率这句话其实并不理解。

2.BP（时间序列）的分析方法不起作用？MA不起作用，相关系数也不起作用，等等。 BP分析的方法是一个马车和一个小车，都不起作用？用NS Better预测血压也不灵？

3）看了2007年 自动交易锦标赛 的结果，你能说明你的结论吗？

尊敬的普里瓦洛夫先生

1...456789101112131415161718...42
新评论