价格增量的分配 - 页 13

新评论
 
Vladimir:

我再次建议你对刚刚拍摄的图片中显示的市场概览窗口（美元兑日元）和交易开始窗口（欧元兑美元）中的刻度增量进行评论。现在从上面引用的三个假说的角度来看。该账户是真实的。


你不想通过一个点来回分析连续变化的组吗？它们的量化函数是什么？

下午好，弗拉基米尔!

我认为根据视觉数据在刻度图上手动交易是一种徒劳的做法。分布函数和量化函数--见t2-分布 学生分布。

我曾多次写道，在分析当前状态之前，你需要分析历史数据。你在遵循一个马尔科夫链--试图在此时此刻弄清一切。由于马尔可夫过程中价格增量分布的线性偏差具有几何概率密度，p=0.5，你只能在这里说--价格将以0.5的概率上升或下降。这正是经典的游戏。

我现在是根据1.000.000个历史点来模拟这个过程。这是一幅惊人的画面--我无法相信在一些边界条件附近，价格的表现是如此相似。当然，也有罕见的、似乎无法解释的偏差--这意味着必须更严格地选择边界条件。试想一下--这个分布中只有99%的数值在7西格玛附近，而这1%的数值给大家带来了光明。但我认为这也是可以处理的。

恭敬地说。

亚历山大。

 
Petr Doroshenko:

终端组中的所有指标都假定价格形成不是形态性的，也就是说，终端的开发者（任何带有技术指标的终端）已经意识到了形态性的存在/不存在。

有一个理论假设，即市场是分形的，在小的TF上，人们可能观察到与大的TF相同的过程--这还没有被论证，也许值得论证？（幽默）https://ru.wikipedia.org/wiki/Фрактальный_анализ_рынка 。也就是说，有人已经想好了，并证明了价格形成的非工作性，至少从蜡烛图分析出现以来，当 "嘀 "等待了一个星期或一个月--形象地说，没有胡萝卜。


亲爱的交易员和统计学爱好者们，晚上好!

我已经很久没有向你们介绍我的研究的有趣结果了--现在我将展示它们。

因此，市场是分形的，人们可以在小TF上观察到与大TF相同的过程，这一理论假设可以得到实际证明。

这不是一项容易的任务。我需要找到某个不变的统计参数，在增加/减少tick数据的样本量时不会改变。这个参数原来是 非参数不对称系数(非参数倾斜).也许还有其他一些，但这足以证明这一点。

在计算中使用了一个动态FIFO类型的Tick数据缓冲器。欧元兑日元 在1,500,000个报价的一般数据集上进行分析，即事实上分析了1,500,000个有1个报价差异的连续样本。我们收到了以下结果，对于不同体积的样本，倾斜度的平均值采取了模数化。

s(10.000) =
0.185807626294058
s(11.000) =

0.186043748375457

s(12.000) =

0.18560474492056

s(13.000) =

0.184953481402386

s(14.000) =

0.184985234902438等。

简单地说-- 对于任何样本量的tick数据，非参数不对称性系数都保持不变。

结论如下：的确，小的TFs显示出与大的TFs相同的过程，在一个TF上操作的交易系统将在另一个TF上操作，反之亦然。

但有趣的是，我们得到了一个相当神秘的东西--事实证明，一些具有奇怪的平均数（我强调--平均数）的非参数偏度系数=0.185（模数）的分布在外汇中 "行走"。我个人不知道有这样的分布...也许有人能帮我确定？

也就是说，以一种简单的方式--在不同的时间时刻，这种分布就像 "出生"、"形成 "和 "死亡"，而这个过程又重新开始。在不同的时间点上，这个分布有不同的倾斜度，但平均来说，这个分布的倾斜度为系数=0.185，它是不变的。

在我了解它的平均形式是什么样的分布之前--进一步探索它没有意义......

恭敬地说。

亚历山大。

 

亚历山大，你的观察很有意思。如果你能在数据分析和统计的MQL5文章 中写一篇关于你的研究结果的文章，那就太好了。

 
Dennis Kirichenko:

亚历山大，你的观察很有意思。如果你能在"MQL5中的数据分析和统计文章"部分写一篇关于你的研究结果的文章，那就太好了。

是的，谢谢你。我自己也喜欢这样的结果--它们让我陶醉。他们非常漂亮。
 
Alexander_K:
是的，谢谢你。我自己喜欢这个结果--它很吸引人。它非常漂亮。

方法学问题。你为什么不在拟合分配之前进行异常值清除--异常值检测？

 

而且我没有时间写文章--我在工作，没有多少时间。它原来就像一个爱好。也许有人会感兴趣，比如说，答辩博士论文--我不觉得有什么遗憾。也许有人会感兴趣，并创建一个超级交易系统--这也很好。我离真正的编程还很远--让人们使用它。

 
Dennis Kirichenko:

方法学问题。你为什么不在拟合分布之前进行异常值清理--异常值检测？

奇怪的是，对于大多数货币对来说，未经处理的净增量分布是t2分布，只有一些货币对在零点时存在 "低分布"，即当交易被执行，但卖出价和买入价保持不变时，没有tick出现。我不知道为什么，而且我也不使用这种货币对（如澳元兑美元）。
 
Alexander_K:
奇怪的是，但对于大多数货币对来说，未经处理的净增量分布是t2分布，只有一些货币对在零点时存在 "低分布"，即当有交易且Ask和Bid价格保持不变时，就没有tick出现。我不知道为什么，而且我也不使用这种货币对（如澳元兑美元）。

我一定没有问对问题。我下载了你发布的虱子。所以，如果你把那里的异常值（样本中非常大和非常小的值）清理掉，就会是一个不同的分布:-)

 
Dennis Kirichenko:

我一定没有问对问题。我下载了你发布的虱子。所以，如果你把样本中的离群值（样本中非常大和非常小的值）清理掉，就会是一个不同的分布:-)。

但你不应该这么做--那么你也不会得到偏斜不变性。我说--所有这些都非常漂亮，而且好像是一个接一个，但要理解这种深度，形成一个总体的画面，我还不能做到。
 
Alexander_K:
但你不应该这样做--那么你也不会得到歪斜的不变性。我说--所有这些都非常漂亮，而且好像一个接一个，但要理解这种深度以形成一个总的画面，我还做不到。

但是，嗯，这是标准程序。要找出系统在大多数情况下的表现，而不是在罕见情况下的表现...顺便说一句，把全部人口都带走有什么意义？我认为，你必须用一个样本来工作。

1...6789101112131415161718
新评论