![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
2. Stationarität des Prozesses: wahrscheinlich ja. Ich glaube auch nicht, dass sich die Verteilungsfunktion im Laufe der Zeit ändert.
1. Angesichts der letzten Bemerkung bin ich zu faul, jetzt zu lesen:
Es gibt zum Beispiel einen Kolmogorov-Smirnov-Test, mit dem man bei einer Stichprobe prüfen kann, ob die Verteilung einer Zufallsvariablen normal ist oder nicht: https://en.wikipedia.org/wiki/Kolmogorov-Smirnov_test. Wenn Ihnen das nicht ausreicht, fassen Sie bitte alle oben genannten Punkte in einer Beschreibung Ihres Vorschlags zusammen.
3. Ja, auch wenn es sich um Box-Muller handelt, gibt es eine Menge verschiedener Methoden. Auch hier gibt es eine statistische Bibliothek (von klot, glaube ich), es gibt eine Funktion, die Inverse von normal, um aus einem gleichverteilten Wert einen normalverteilten Wert zu generieren. Auf jeden Fall liegt hier das fundamentale Transformationsgesetz der Wahrscheinlichkeiten zugrunde. Das ist das Gesetz, auf das ich mich beziehe.
Was ich übersehe: Ich tue es nicht, sondern weise nur darauf hin, dass dies wahrscheinlich das ist, was S.V. tun wollte: Er wollte offenbar Statistiken über die Renditen erheben und dann, ausgehend von der empirischen Verteilung der Renditen, diese Daten in normalverteilte umwandeln, auf die man, seinen Hinweisen und den Behauptungen vonRosh zufolge, einfach Kohl hacken kann. Auf diese Weise wird jede Dimension der realen Rückflüsse eindeutig mit der "normalisierten" Dimension übereinstimmen. Auf den "normalisierten" Daten werden Geschäfte eröffnet/geschlossen und in Geschäfte auf den echten Daten umgewandelt.
1. und du liest Peters, da stehen viele interessante Sachen drin. Ich brauche den Kolmogorov-Smirnov-Test nicht durchzuführen, um die Normalität der Rückgaben zu überprüfen, da ich weiß, dass sie nicht normal sind, und dies ist wirklich offensichtlich - zum Beispiel durch die Tatsache, dass es starke Schwänze gibt. Ereignisse vom Typ Six Sigma sind auf dem realen Markt zwar recht selten, aber immer noch hunderttausendmal häufiger als das normale Gesetz.
1. Sie sollten Peters lesen, da steht eine Menge interessanter Dinge drin.
Was ist mit Peters?
Э. Peters "Chaos und Ordnung auf den Kapitalmärkten"
Э. E. Peters "Fraktale Analyse der Finanzmärkte. Anwendungen der Chaostheorie auf Investitionen und Wirtschaft".
2. Stationarität des Prozesses: wahrscheinlich ja. Ich glaube auch nicht, dass sich die Verteilungsfunktion im Laufe der Zeit ändert.
1. Angesichts der letzten Bemerkung bin ich zu faul, jetzt zu lesen:
Es gibt zum Beispiel einen Kolmogorov-Smirnov-Test, mit dem man bei einer Stichprobe prüfen kann, ob die Verteilung einer Zufallsvariablen normal ist oder nicht: https://en.wikipedia.org/wiki/Kolmogorov-Smirnov_test. Wenn Ihnen das nicht ausreicht, dann fügen Sie bitte alle oben genannten Punkte in die Beschreibung Ihres Vorschlags ein.
3. Ja, auch wenn es sich um Box-Muller handelt, gibt es eine Menge verschiedener Methoden. Auch hier gibt es eine statistische Bibliothek (von klot, glaube ich), es gibt eine Funktion, die Inverse von normal, um aus einem gleichverteilten Wert einen normalverteilten Wert zu generieren. Auf jeden Fall liegt hier das fundamentale Transformationsgesetz der Wahrscheinlichkeiten zugrunde. Das ist das Gesetz, auf das ich mich beziehe.
Was ich übersehe: Ich tue es nicht, sondern weise nur darauf hin, dass dies wahrscheinlich das ist, was S.V. tun wollte: Er wollte offenbar Statistiken über die Renditen erheben und dann, ausgehend von der empirischen Verteilung der Renditen, diese Daten in normalverteilte umwandeln, auf die man, seinen Hinweisen und den Behauptungen vonRosh zufolge, einfach Kohl hacken kann. Auf diese Weise wird jede Dimension der realen Rückflüsse eindeutig mit der "normalisierten" Dimension übereinstimmen. Auf den "normalisierten" Daten werden Geschäfte eröffnet/geschlossen und in Geschäfte auf den echten Daten umgewandelt.
1. und du liest Peters, da stehen viele interessante Sachen drin. Ich brauche den Kolmogorov-Smirnov-Test nicht durchzuführen, um die Normalität der Rückgaben zu überprüfen, da ich weiß, dass sie nicht normal sind, und dies ist wirklich offensichtlich - zum Beispiel durch die Tatsache, dass es starke Schwänze gibt. Ereignisse vom Typ Six Sigma sind auf dem realen Markt zwar recht selten, aber immer noch hunderttausendmal häufiger als das normale Gesetz.
3. Wissen wir, dass die Mengen gleichmäßig verteilt sind? Oder ganz allgemein: Was ist unsere Verteilungsfunktion? Wenn ja, haben wir eine Verteilungsfunktion, die wir transformieren können. Auch hier kann Kolmogorov helfen.
1. Wenn ich die vorangegangene Beschreibung zu Punkt 1 über die Stabilität lese, überschneidet sie sich eigentlich mit Punkt 2 über die Stationarität, soweit ich das verstehe. Über Peters - ich werde es mitnehmen und lesen, danke.
Was das Unternehmen selbst angeht - mal sehen, was sie vorhaben. Wenn sie hier plötzlich verschwinden, lohnt es sich, genauer hinzuschauen.
Was ist mit Peters?
1. Sie sollten Peters lesen, da steht eine Menge interessanter Dinge drin.
Peters, vielleicht?
Э. Peters "Chaos und Ordnung auf den Kapitalmärkten"
Э. E. Peters "Fraktale Analyse der Finanzmärkte. Anwendungen der Chaostheorie auf Investitionen und Wirtschaft".
Danke, die Links funktionieren nicht nur in Russland. Ich interessiere mich für Bücher über Geldmanagement, können Sie mir etwas empfehlen? Matemat, die Frage ist auch für dich :)
Danke, die Links funktionieren nicht nur in Russland. Ich interessiere mich für Bücher über Geldmanagement, können Sie mir etwas empfehlen? Matemat, auch eine Frage an dich :)
Klassiker des Genres.
Р. Vince, Die Mathematik des Geldmanagements.
Für Autotrading
Juri Reschetnikow "MTS und Geldmanagementmethoden"
1. Wenn ich die vorangegangene Beschreibung zu Punkt 1 über die Stabilität lese, überschneidet sie sich eigentlich mit Punkt 2 über die Stationarität, soweit ich sie verstehe.
Nein, das tut sie nicht. Eine stabile Wahrscheinlichkeitsverteilung ist die folgende (aus Schirjajew, Bd. 1, S. 232):
Etwas Ähnliches sind unendlich teilbare Verteilungen.
1. Wenn ich die vorangegangene Beschreibung zu Punkt 1 über die Stabilität lese, überschneidet sie sich eigentlich mit Punkt 2 über die Stationarität, soweit ich sie verstehe.
Nein, das tut sie nicht. Eine stabile Wahrscheinlichkeitsverteilung ist die folgende (aus Shiryaev, Bd. 1, S. 232):
Etwas Ähnliches sind die unendlich teilbaren Verteilungen.
Zu seiner Zeit war er in einigen seriösen Foren gut vertreten.
Es macht also wenig Sinn, seine Artikel zu lesen, es sei denn, man hat Spaß daran.
"Dub bewies die Unmöglichkeit eines systematischen Gewinns bei einer zufälligen Datenreihe.
- Dies ist im Allgemeinen nicht korrekt, es sei denn, die betreffende Zufallsreihe ist angegeben.
Mit einer solchen Zufallsreihe X = a + b*t + e ist es zum Beispiel sehr einfach, Geld zu verdienen (e ist eine Zufallsvariable)
Es gibt viele andere zufällige Serien, auf denen man ein System aufbauen kann.
Der wichtigste Punkt ist, dass es Zufallsreihen mit und ohne Gedächtnis gibt.
Es gibt eine Zufallsreihe mit Gedächtnis; sie hat eine Verteilungsfunktion von Inkrementen einer Zufallsvariablen (e), die NICHT von ihren vorherigen Werten abhängt.
Eine Zufallsreihe ohne Gedächtnis - ihre Verteilungsfunktion der Inkremente einer Zufallsvariablen hängt NICHT von den vorherigen Werten der Reihe ab.
Es ist unmöglich, ein gewinnbringendes System auf einer Zufallsreihe ohne Speicher zu konstruieren.
Was die Normalverteilung betrifft, so sind die Kurse normal um den gleitenden Durchschnitt herum verteilt, so wie es S.W. geschrieben hat und was in seiner Hand liegt, also sind wir hier im Reinen.
1. Die Art der Verteilungsfunktion der Preisunterschiede und des Mittelwerts hängt von der Varianz dieser Verteilung und dem Wert des Mittelwerts ab.
2. Die Verteilungsfunktion dieser Differenz ist asymmetrisch, sie kann also nicht gaußförmig sein.
3. Unter bestimmten Bedingungen tendiert die Verteilung der Differenz zu einer Gaußschen Verteilung, wird aber nie zu einer solchen.