The code in this iPython notebook used to be in R. I am very grateful to Yves Hilpisch and Michael Schwed for translating my R-code to Python. For slideshow functionality I use RISE by Damián Avila. $$ \newcommand{\beas}{\begin{eqnarray*}} \newcommand{\eeas}{\end{eqnarray*}} \newcommand{\bea}{\begin{eqnarray}} \newcommand{\eea}{\end{eqnarray}}...
科尔莫戈罗夫是一个比大多数盯着显示器的人更聪明的人。而他对BP预测的要求也很简单：期望值=常数和周期性ACF。
现在要说的是。
我看了看增量分布，以及它们如何根据报价读数间隔改变其统计时刻，我意识到市场价格不具有自相似性的属性。这一特性对于具有稳定的、可无限分割的（如正态）增量分布的过程来说是独一无二的--如布朗运动。市场上的情况并非如此。
显然，曼德布罗特和他的伙伴们，没有任何物理学知识（更糟糕的是--他们有知识，但却小心翼翼地隐藏起来），故意欺骗绝望的人们，让他们去炒作tick数据和小时间框架，通过损失存款来填满他们的底袋。
好了，你去吧!
研究
http://tpq.io/p/rough_volatility_with_python.html
同https://hal.inria.fr/hal-01350915/document现在要说的是。
我看了看增量分布，以及它们如何根据报价读数间隔改变其统计时刻，我意识到市场价格不具有自相似性的特性。这一特性对于具有稳定的、可无限分割的（如正态）增量分布的过程来说是独一无二的--如布朗运动。市场上的情况并非如此。
显然，曼德布罗特和他的伙伴们，没有任何物理学知识（更糟糕的是--他们有知识，但却小心翼翼地隐藏起来），故意欺骗绝望的人们，让他们去炒作tick数据和小时间框架，通过损失存款来填满他们的底袋。
就这样吧!
你已经把阴谋论带入其中...又是一派胡言。
阅读主题。
http://inis.jinr.ru/sl/vol2/Physics/Динамические%20системы%20и%20Хаос/Федер%20Е.,%20Фракталы,%201991.pdf
只是为了清楚地说明我的目标是什么。
我刚刚开始在Erlang的第60个订单流程中工作（平均每分钟读取一次tick报价）。
例如，我们对欧元兑日元的增量有以下柱状图。
统计数据。
这实际上是一个拉普拉斯分布。
在这种SP的相当大的样本量（对M1来说是一天，对M5来说是一周）下，增量（~价格）和增量模量（~分散）的总和具有正常分布。
因此，目标是达到一个纯粹的拉普拉斯分布，那么我们将真正拥有一个直接类似于奥恩斯坦-乌伦贝克过程的回归平均值。
我还想猜猜他用哪些历史部分来构建他的图表，有几个月的趋势部分，也有横向的
以及从M1 "跳 "到M5的原则不明确，他需要一致性，或者至少需要一个理由。他的这种才能在那里是无价的，他们还成功地增加了月，然后是季度，然后是季节=我们得到了所需的统计数据
)))
只是为了清楚地说明我的目标是什么。
我刚刚开始在Erlang的第60个订单流程中工作（平均每分钟读取一次tick报价）。
例如，我们对欧元兑日元的增量有以下柱状图。
统计数据。
这实际上是一个拉普拉斯分布。
在这种SP的相当大的样本量（对M1来说是一天，对M5来说是一周）下，增量（~价格）和增量模量（~分散）的总和具有正常分布。
因此，目标是达到一个纯粹的拉普拉斯分布，那么我们将真正拥有一个直接类似于奥恩斯坦-乌伦贝克过程的回归平均值。
一般来说，我看到，峰度降低了，尾巴被挑起来了------从拉普拉斯到正常，从正常到均匀。那么开头的是什么？ 不是拉普拉斯？什么？因为它很容易用一个指数来描述，如果你取一个方面。
，这是欧元兑美元的分钟-月窗口。