从理论到实践 - 页 886

[Yuriy Asaulenko]

Renat Akhtyamov:

尤里，在维基 中有一个关于它如何看的python程序。

你作为python的专家，在这里向大家展示这个程序的结果，不会有什么困难吗？

我使用它，但我不是一个专家。我只知道我需要什么。

不，这在某种程度上取决于你。我对熵并不熟悉)。

[Renat Akhtyamov]

Yuriy Asaulenko:

我使用它，但我不是一个专家。我只知道我需要什么。

不，那是由你决定的。我不知道熵的情况）。

顺便说一下，关于吉布斯 效应。

有一个帖子

的效果被完全消除。

然而，在这幅 图中，效果是存在的，而且是故意引入的，因此，计算的原理并不清楚。

还有一个关于技术分析的错误方法会发生什么的结论

[Yuriy Asaulenko]

Renat Akhtyamov:

顺便说一下，关于吉布斯 效应。

有一个帖子。

这种影响完全被根除了。

没有人可以，但你做到了。你应该获得诺贝尔奖）。他们在看什么？

[Renat Akhtyamov]

Yuriy Asaulenko:

没有人能做到，而你已经做到了。你应该得到诺贝尔奖））。他们在看什么？

我什么都不想要。

我还没说完呢。

[Sergey Chalyshev]

Renat Akhtyamov:

然而，在这幅 图中，效果是存在的，而且是故意引入的，因此，计算的原理并不清楚。

我什么都看不到！(

图片中出现了什么？

[Alexander_K2]

我无法忘却阿索伦科的假设，即最真实的移动平均线 是其线性价格偏差形成正态分布的。

我给受难者们布置了一个任务。

1.收集任何货币对一年内的CLOSE M1数据。

2.选择一个滚动的时间窗口=24小时（1440值）。

3.计算价格与移动平均线的线性偏差。

a) 中位数

b) 算术平均数

c) 具有不同权重的加权平均数（时间、增量的绝对值、增量的概率等）。

d) 你选择的任何其他平均数

4.绘制直方图

5.计算获得的分布的中心矩

6.展示成果

谢谢你。

[Yuriy Asaulenko]

Alexander_K2:

我无法忘却阿索伦科的假设，即最真实的移动平均线 是其线性价格偏差形成正态分布的。

请原谅，先生。但我从未说过或暗示过任何关于正常的事情。只不过，当回归线被正常绘制时，没有观察到尾巴。而且，尾巴不过是处理技术的结果，但不是信号的属性。

[Alexander_K2]

Yuriy Asaulenko:

请原谅，先生。但我没有说过任何关于正常的事情，也没有暗示什么。只不过，当回归线被正常绘制时，没有观察到尾巴。还有关于尾巴不过是处理技术的结果，但不是信号的属性。

说，并展示了直方图。这是一个非常、非常好的假设，不要否认它。

[Alexander_K2]

Yuriy Asaulenko:

我还要告诉你--我已经做了一些研究，结果发现，奇怪的是，简单的MA并不是衡量中心趋势的最佳方法。最好的之一，但不在第一位。

我有兴趣将我的研究与其他人的研究进行比较。尽管如此，受难者除了掏空口袋外，没有更好的办法--让他们做一点工作。

[Yuriy Asaulenko]

Alexander_K2:

我还要告诉你--我已经做了一些研究，结果发现，奇怪的是，简单的MA并不是衡量中心趋势的最佳方法。最好的之一，但不在第一位。

这一点不需要任何研究就很清楚。而且是在很长一段时间内）。