价格变化率，如何计算 - 页 3

[Candid]

alsu:

这并不是那么简单的事情。手册中的文章只适用于可微过程，而随机过程，即有随机成分的过程，在形式上不属于这种过程：极限dS/dt不存在，因此不存在导数。如上所述，价格可以在任何小的时间间隔内 "摇摆"，而我们不能因为纯粹的技术原因而进入这个间隔内。

因此，我认为分支问题有一个非琐碎的意义。

在条形图的末尾，我们有 "行进的距离"（tick volume）和 "移动"（Close-Open）。也就是说，我们只能得到平均瞬时速度和平均速度。如果在更大的范围内，选择基本上是一样的。不过问题来了，我们应该继续在微观层面（按点）计算路径，还是以某种方式重新定义价格轨迹有意义？

P.S. 我的观点是，从技术上讲，我们只能得到这个，而所得数字的意义实际上永远是一个无法解决的问题:)。

[Alexey Subbotin]

http://alnam.ru/book_kma.php，第9章

[[删除]]

这就是为什么 我在 第一篇文章中 补充了第二篇文章，扩大了 "速度 "的范围。

[Alexey Subbotin]

avtomat:
这就是为什么 我在 第一 篇文章中增加了第二篇文章，它扩大了 "速度" 的范围。

换句话说，如果我们在计算" 价格变化率"时需要一定的确定性，我们就需要理解这个率，即一个随机过程的导数，本身就是一个随机过程，而确定性只能来自对矩函数的估计。因此，我将把问题从 "如何确定价格变化率 "重新表述为 "如何估计导数的第一时刻"。然后你可以使用整个数学统计学的仪器。

[Candid]

alsu:
http://alnam.ru/book_kma.php，第9章

我们能不能说得更具体一点？我们毕竟要决定一个实施方案。

[Alexey Subbotin]

Candid:

我们可以更详细地讨论一下吗？我们必须在一个单一的实现上做出决定，不是吗？

从所有的计算与边界等，它遵循相当简单的事情：导数的第一时刻（期望，或确定性的组成部分，可以说）是初始过程的第一时刻的导数。就是说，已经有一个炉子可以跳舞了。剩下的就是正确估计第一时刻，即价格的平均值。一般来说，要准确地做到当下，理论上是非常接近于获得圣杯的，所以我会对这种可能性留下一些怀疑。但是，对于过去的时刻，没有问题：在最简单的情况下，我们采取MA(n)，并将其向后移动n/2+1期（群体延迟的平均值），我们得到我们的估计，与它的第一个差异将是导数的估计，即价格速度- 但是！只针对过去的时刻。我们越是接近当下，大数法则的影响就越小，因此我们就越是允许随机性影响结果。

再一次，结论是，在任何一点都可以得到一个速度估计值（甚至是无偏的），但该点越接近当前时刻，估计值的方差就越大。

[[删除]]

alsu:

换句话说，如果我们在计算 "价格变化的速度 "时需要任何确定性，我们应该明白，这种速度，即随机过程的导数，本身就是一个随机过程，确定性只能从矩函数的估计中得出。因此，我将把问题从 "如何确定价格变化率 "重新表述为 "如何估计导数的第一时刻"。然后你可以使用整个数学统计学的仪器。

当然，是一个随机的过程。

但正如自然界的任何过程都有一些惯性，价格运动的过程也是惯性的，上面叠加了一个噪音环境。这个较慢的惯性过程可以被看作是慢分量，而叠加在它上面的噪声则是一个单一过程的快分量。但现在，速度、加速度等的规定相当适用于慢速部分。

同样的提取操作也可以应用于快速组件---它使我们能够更深入地了解这个过程，看到它的结构。

[Alexey Subbotin]

avtomat:

当然，这是一个随机的过程。

但正如自然界的任何过程都有一些惯性，价格运动的过程也是惯性的，上面叠加了一个噪音环境。这个较慢的惯性过程可以被视为慢速分量，而叠加在它上面的噪声则是单一过程的快速分量。但现在，速度、加速度等的规定相当适用于慢速部分。

同样的提取操作也可以应用于快速组件---它使我们能够更深入地了解这个过程，看到它的结构。

事实上，同样的睾丸，只是从侧面看。

顺便说一下，评价的方式可以是不同的，不仅仅是我上面写的。主要是要一直记住：如果我们在某个时间点上 估计一个平均数，为了应用时间上的平均数，必须确定在给定的区间内的遍历性，这并不总是这样。例如，在这样一个有新闻发布 的时期，很可能不符合遍历性的条件，因此，时间平均法是不合适的。

[Candid]

alsu:

从所有的计算与边界等，它遵循相当简单的事情：导数的第一时刻（期望，或确定性的组成部分，可以说）是初始过程的第一时刻的导数。就是说，已经有一个炉子可以跳舞了。剩下的就是正确估计第一时刻，即价格的平均值。一般来说，要准确地做到当下，理论上是非常接近于获得圣杯的，所以我会对这种可能性留下一些怀疑。但是，对于过去的时刻，没有问题：在最简单的情况下，我们采取MA(n)，并将其向后移动n/2+1期（组延迟的平均值），我们得到我们的估计，与它的第一个差异将是导数的估计，即价格速度 - 但是！只对过去的时刻。我们越是接近当下，大数法则的影响就越小，因此我们就越是允许随机性影响结果。

再一次，结论是，在任何一点都可以得到速度估计值（甚至是无偏的），但该点越接近当前时刻，估计值的方差就越大。

我认为事实上所有这些推理都适用于一个或多或少有噪声的确定性函数，这样的假设是否正确？如果我们有一个分叉点呢？那么就好像我们在同一点上有两个导数，一个是所谓的 "与过去":)，另一个，唉，只与未来。有些东西告诉我，对我们来说，这样的时刻才是最有趣的 :)

[[删除]]

alsu:

实际上是同一个睾丸，只是从侧面看。

顺便说一下，估计的方式可以是不同的，不仅仅是我上面写的那样。最主要的是要时刻关注自己：如果我们在某个时间点上 估计一个平均值，那么为了对其应用时间平均法，我们应该确定该点上的遍历性，但情况并非总是如此。例如，在这样一个有新闻发布的时期，很可能不符合遍历性的条件，因此，时间平均法是不合适的。

我们在原则上不能有这种确定性--已经由于这个过程只有一个单一的实现。因此，遍历性的概念在这里没有实际价值。