价格增量的分配 - 页 12

 
Dennis Kirichenko:

Matlab有一个类似的Simulink包其方便之处在于与Matlab本身的联系。

亚历山大,一个方法上的问题:为什么要拿虱子?那里有很多的噪音。这是值得密切关注的价格,我认为。或者更准确地说,是接近价格的回报。

就我的分析而言,只有所谓的 "差距 "可以被认为是 "噪音"。我认为其余的数据是可靠的,并且完全在t2分布的学生t检验的容忍(置信)区间内。

 
Dennis Kirichenko:

Matlab有一个类似的Simulink包其方便之处在于与Matlab本身的联系。

例如,是否可以在Matlab中计算中位数(20000),即20000个样本的中位数?
 
Alexander_K:
我们能在Matlab中计算出median(20000),即20000个样本的中位数吗?

是的,事实上,只有硬件限制...


例如,这里是一个大小为2e6 的双数类型的伪随机数的样本,其中数值从1到10k。 样本的最后一个元素是9439。中值是5003。

 
Dennis Kirichenko:

是的,事实上,只有硬件限制...


例如,这里有一个大小为2e6 的双数类型的伪随机数样本,其数值从1到10k。 样本的最后一个元素是9439。中值是5003。


不幸的是,VisSim有一个样本大小限制=16384。但它对从DDE和其他数据源获得的动态数据非常有效。而函数的数学能力是MQL中无法比拟的。

这不是一个广告!但对于统计分析,甚至在动力学方面,我还没有看到一个更好的系统。

 
Dennis Kirichenko:

Matlab有一个类似的Simulink包其方便之处在于与Matlab本身的联系。

亚历山大,方法论问题:为什么要拿蜱虫?那里有很多的噪音。最好是采取接近的价格,我认为。或者更准确地说,是接近价格的回报。

丹尼斯,请原谅我之前说过,所有的虱子都应该被考虑到。我当时很着急。我已经采取了一个相当困难的对CHFJPY。我不能使用Tudent分布的增量,但就是这样。

我决定取两个传入点之间的平均值--这里是(见附件)。

结论: 显然,即使有NDD/ECN账户,DC也不能提供所有的数据,或者以某种方式扭曲数据,是的--我们需要应用简单的过滤器进行数据处理(进一步增加平均化的样本没有效果,所以只是取两个传入值的平均值)。

附加的文件:
 
Alexander_K:

2.Tick报价流中价格增量(回报)的概率分布是一个离散的,渐进地由学生分布描述,有2个自由度,量化函数Q(p)=2*s*(p-1/2)*sqrt(2/a),其中a=4*p*(1-p),s是非参数标准 差。

具有2个自由度的学生分布 具有无限的方差。

在一些机构中,交易员会因为交易风险高于限额而立即被风险经理责骂,而根据你的假设,风险是无限的。因此,一个合乎逻辑的问题出现了--如果不允许交易,为什么这些机构需要交易员?

期货所需的保证金数额也与风险挂钩,并具有有限的价值。

唉,你的假说是不真实的。

 
anonymous:

具有2个自由度的学生分布具有无限的方差。

在一些机构中,交易员会因为超过风险限额的交易而被风险经理立即解雇,而在你的假设中,风险是无限的。因此,一个合乎逻辑的问题出现了--如果不允许交易,为什么这些机构需要交易员?

期货所需的保证金数额也与风险挂钩,并具有有限的价值。

唉,你的假设并不真实。


是的,它是。你只需要应用非参数化的方差、期望值和不对称性措施。

 
Alexander_K:

对应的是。你只需要应用非参数化的方差、期望值和不对称性措施。

请将你的理论进行到底,或者接受它是不正确的。既然你声称这个过程服从于有两个自由度的学生分布--那么即使在理论上也不存在有限方差,用非参数方法对这样一个过程进行测量,你会得到垃圾,这与现实没有关系。

 
anonymous:

请将你的理论进行到底,或者接受它是不正确的。既然你声称这个过程服从于有两个自由度的学生分布--那么即使在理论上也没有有限方差,用非参数方法对这样一个过程进行测量,你会得到垃圾,这与现实没有关系。

请阅读文献http://www.mathnet.ru/php/archive.phtml?wshow=paper&jrnid=znsl&paperid=1692&option_lang=rus,并进一步了解所用文献,包括英语文献。

我们谈论的是t2分布,作为具有比例因子而不是标准差 的分布家族的代表。这个比例系数是一个非参数参数,计算方法甚至不是四分位数范围的一半,而是更复杂一点。

但是,我再说一遍--对我来说,现在最重要的是得到实际的结果,而不是直接证明我的假设。

我目前正在努力工作--我很快就会在论坛上介绍用历史数据的进入/退出点对这个过程进行建模的结果。之后将在模拟账户上测试该模型,然后在真实账户上测试。

那我为什么要写中间的结果呢?仅供人们阅读,尤其是年轻人--这个话题相当有趣:))

 
Alexander_K:

因此,我制定了关于外汇市场过程的基本假设,这些假设可以被认为是通过经验和实验证明的(事实上,以分析形式证明这些假设的人,可以很容易地到诺贝尔委员会去领奖 :))))

1.卖价和买价的形成过程是非马尔科夫式的。

在实践中--所有不考虑历史数据分析的专家顾问、指标和顾问(如布林线、快速傅里叶变换等)都不能从 "根本 "上考虑。

2.Tick报价流中价格增量(回报)的概率分布是一个离散的,渐进地由学生分布描述,有2个自由度,量化函数Q(p)=2*s*(p-1/2)*sqrt(2/a),其中a=4*p*(1-p),s-非参数标准偏差

在实践中 -所有在计算中使用高斯正态分布(以及其他经典分布)的EA、指标和顾问,"3σ "规则等也可以被忽略

3. 卖价或买价的概率分布 是具有2个自由度的学生分布的叠加。

在实践中,从叠加中提取特定的分布是一项很酷的任务。

实际上,基于对历史tick数据的分析,或者简单地通过对某些样本量的统计参数的平均化,就可以得出当前价格值超过某些历史边界条件的结论。只有在这之后,才会 分析当前的分布参数--分散度、偏度、偏度比等,以找出新的学生分布是否已经开始或已经结束。在第一种情况下--交易是按照趋势进行的,在第二种情况下--是逆势而为的。

真诚的。

亚历山大_K

我再次建议你评论一下市场回顾窗口(USDJPY)和交易开仓窗口(EURUSD)中的刻度线增量,这些刻度线显示在刚刚拍摄的图片中。现在从上面引用的三个假说的角度来看。该账户是真实的。


难道你不想立即分析一组连续变化的一个点来回吗?它们的量化函数是什么?