Книга посвящена всестороннему описанию вероятностных математических моделей хаотических процессов и методов их статистического анализа. Рассматривается удобный класс математических моделей стохастических хаотических процессов - подчиненные винеровские процессы (процессы броуновского движения со случайным временем). В качестве аргументации в пользу указанных моделей используется асимптотический подход, основанный на предельных теоремах для обобщенных дважды стохастических пуассоновских процессов (обобщенных процессов Кокса), которые в определенном смысле являются наилучшими математическими моделями неоднородных (и даже нестационарных) хаотических потоков на временных микромасштабах. Такой подход приводит к тому, что распределения приращений рассматриваемых процессов имеют вид сдвиг/масштабных смесей нормальных законов, и дает возможность получить не только сами формальные вероятностные модели хаотических стохастических процессов, но и в некотором смысле дать разумное теоретическое объяснение их адекватности на основе минимальных предположений о внутренней структуре изучаемых характеристик. На основе представления распределений (логарифмов) приращений процессов эволюции финансовых индексов или процессов плазменной турбулентности в виде смесей нормальных законов в книге предложена многомерная интерпретация волатильности рассматриваемых процессов. Для статистического анализа хаотических случайных процессов предложен метод скользящего разделения смесей (СРС-метод), который позволяет спонтанно разложить волатильность рассматриваемого процесса на динамический и диффузионные компоненты. Большое внимание уделено аналитическим и асимптотическим свойствам смесей нормальных распределений. Систематически рассматриваются статистические процедуры численного разделения смесей, такие как ЕМ-алгоритм и его модификации, сеточные методы разделения смесей. Обсуждаются вопросы оптимальной реализации этих методов. Рассмотрены примеры применения СРС-метода к анализу влияния информационных интервенций на финансовых рынках и к анализу данных, полученных в экспериментах с плазменной турбулентностью.
Для аспирантов, студентов и преподавателей вузов, интересующихся современным состоянием исследований в области вероятностно-статистического моделирования хаотических стохастических процессов, а также для научных работников, инженеров, специалистов в области применения методов математической и прикладной статистики к анализу характеристик финансовых рынков и плазменной турбулентности.
结论。
1.小增量的累积之和大致等于大增量之和。换句话说，无论市场在哪里小步慢走，它总是会在几次大的急剧运动后回到原来的位置。
有小投资者设定的随机徘徊，也有大投资者策划的强势修正动作？
2.?
好吧，我现在还不会故意下任何基本结论。我建议以后再来。
如果有兴趣，在我看来，这里是值得的目标。
(1）为 "混合 "的划分，即最初的报价，找到一个更容易理解的分类。即一个更适当的 "尾声"。
(2) 了解 "贝塔 "过程的属性，如果它是可预测的，那么它是很酷的，说的是--温和的
有条件地，我们可以把当天的选定工具分为高波动和低波动的两个区域。作为一个假设，我们可以假设（基于所获得的数据），市场倾向于赢回在低波动时期获得的价格运动。这里很重要的一点是，剧烈的修正不应该是随机分布的一天，而是集中在波动性较大的区域。然后出现了一个定义明确的TS。
有必要听取同事的意见...
需要听取同事的意见...
为什么？ 你认为这对粗尾巴的特性会有什么影响吗？我不这么认为。他们设定了 "节奏"，他们在塑造报价方面的权重非常大，这一事实在研究之后已经刚刚清楚。事实上，所有大的轨迹偏差都组织了 "胖尾巴 "的序列。确切地说是组织他们，他们是如何做到的，这是一个谜。
PS：你是同行之一，所以请发表意见。如果你认为这是胡说八道，没问题。我已经知道它不是。问题是要彻底研究它，并将其付诸应用。但只要这东西在队列中。
:о)
有条件地，我们可以把当天的选定工具分为高波动和低波动的两个区域。作为一个假设，我们可以假设（基于所获得的数据），市场倾向于赢回在低波动时期获得的价格运动。这里很重要的一点是，剧烈的修正不应该是随机分布的一天，而是集中在波动性较大的区域。然后出现了一个定义明确的TS。
有必要听取同事的意见...
有条件地，我们可以把当天的选定工具分为高波动和低波动的两个区域。作为一个假设，我们可以假设（基于所获得的数据），市场倾向于赢回在低波动时期获得的价格运动。这里很重要的一点是，剧烈的修正不应该是随机分布的一天，而是集中在波动性较大的区域。然后出现了一个定义明确的TS。
有必要听取同事的意见...
顺便说一句，我想起来了!关于波动性，有一本非常好的书，叫做《混沌过程波动性分解的概率-统计方法》，作者是Korolev V.
http://www.ozon.ru/context/detail/id/6298517/
Для аспирантов, студентов и преподавателей вузов, интересующихся современным состоянием исследований в области вероятностно-статистического моделирования хаотических стохастических процессов, а также для научных работников, инженеров, специалистов в области применения методов математической и прикладной статистики к анализу характеристик финансовых рынков и плазменной турбулентности.
关键词：广义Cox过程，正态分布的混合物，从属维纳过程，波动性。
就在这个话题中，几乎（有许多有趣的想法）：o))))
伙计们，我已经读完了这个主题的一半，在进入不熟悉的、相当复杂的理论时，几乎得了脑溢血。
你真的认为你必须挖得那么深才能制定一个有利可图的战略吗？
伙计们，我已经读完了这个主题的一半，在进入不熟悉的、相当复杂的理论时，几乎得了脑溢血。
你真的认为你必须挖得那么深才能制定一个有利可图的战略吗？
顺便说一句，我想起来了!关于波动性，有一本非常好的书，叫做《混沌过程波动性分解的概率-统计方法》，作者是Korolev V.
http://www.ozon.ru/context/detail/id/6298517/
就在这个话题中，几乎（有很多有趣的想法）：o))))
天啊，我对这些来自大学的聪明人感到厌烦了!自从苏联时代以来，他们就一直很聪明，很机灵。最明亮的代表是盖达尔。
但我想知道：你不把你对Eview的探究归入聪明的范畴吗？从这个意义上说，你也是一个光辉的榜样。也许比盖达尔还要好--他没有Eview，而海德里克和普雷斯科特当时也不是诺贝尔奖得主。
;)))