测量振动振幅 - 页 9

[Sceptic Philozoff]

曲线取决于特定的 "之 "字形算法。

有一个已知的之字形，它明确指出：如果当前的膝盖小于N个点--它就不会形成。而这样的 "之 "字形的膝盖不会少于N个点。

[Алексей Тарабанов]

Mathemat:

曲线取决于特定的 "之 "字形算法。

有一个已知的之字形，它明确指出：如果当前的膝盖小于N个点--它就不会形成。而这样的 "之 "字形的膝盖不会少于N个点。

天哪，阿列克谢：哪条曲线取决于特定的人字形算法？

[Sceptic Philozoff]

HideYourRichess 在上一页画的那个。

[Hide]

Mathemat:

曲线取决于特定的 "之 "字形算法。

有一个已知的之字形，它明确指出：如果当前的膝盖小于N个点--它就不会形成。而这样的 "之 "字形的膝盖不会少于N个点。

那么，有什么问题呢，我们的数据是离散的。跪下来的是一个琵琶。

[Sceptic Philozoff]

HideYourRichess: 采取一针见血的膝盖。

为什么我他妈的会想要这样一个之字形？

[Алексей Тарабанов]

你需要哪一个？

[Sceptic Philozoff]

说实话，没有一个。它们最终都是一样的 :)

[Алексей Тарабанов]

好吧，那就不要打扰我们。隐藏你的财富。祝你的努力和你的个人生活幸福。

阿列克谢，不是你。

[Mikhail Dovbakh]

tara:
你需要哪一个？

至少有两种传播方式是有意义的，可以看一下...

;)

[[删除]]

223231:

例如，第一个区间是10-13点，相当于10+30%。 我称它为有30%偏差的区间。在42-54.6点范围内的最大百分比（在图表上），它意味着在42-54.6点范围内的所有单次波动中（比如有100次），下跌了26件，即26%。这意味着，有26%的概率，价格在通过42-54.6点后会逆转，并在相反的方向通过相同数量的点。自然，范围越大，单个波动落入其中的可能性就越大。

在短暂的历史中（一个月），我们可以看到最低点和最高点；如果我们采取3年的历史，它变得几乎平坦，在开始时有一个下降。因此，历史越长，分布就越均匀。它显示了市场是如何变化的，在每个独立的时间段，振幅分布是不同的，所以为一个时期优化的TS将在最前面失败。因此，了解振幅的分布，我们可以调整TS的参数，如实时优化。

也许那样的话，开一个新的话题或者把这个话题改名为预测振幅分布这样的话题会更合理。

它本质上不过是一个反弹分布，但它取决于分布所依据的样本长度（黑体字）。

但改变样本长度和改变分布的均匀性 之间的关系是什么？ 这将是更有趣的事情。