Stochastische Resonanz - Seite 18
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
Es scheint, dass diese CB den Erwartungswert=0 hat, D=2*D1/M, RMS=sqrt(2*D1/M)
Avals, wenn wir speziell über die Renditen (Schlusskursinkremente) sprechen, dann gibt es leider auch hier keine Unabhängigkeit: Die Renditen sind nicht normalverteilt. Es ist in den Büchern von Peters gut beschrieben, ich habe im selben Thread irgendwo auf den ersten Seiten einen Link dazu angegeben.
Dem stimme ich zu, aber hier war das ursprüngliche Problem, dass X gaußverteilt ist.
"Angenommen, es gibt eine normalverteilte Folge von Größen X..."
Es scheint, dass dieser SV den Erwartungswert=0 hat, D=2*D1/M, RMS=sqrt(2*D1/M)
Die Summe der Inkremente ist also ebenfalls normal. Und das Problem, so wie ich es verstehe, besteht darin, diese Summe innerhalb bestimmter Grenzen mit einer bestimmten Wahrscheinlichkeit(Konfidenzintervall) zu finden
Es scheint, dass dieser SV den Erwartungswert=0 hat, D=2*D1/M, RMS=sqrt(2*D1/M)
Die Summe der Inkremente ist also ebenfalls normal. Und in dem Problem, soweit ich es verstehe, ist es notwendig, diese Summe innerhalb bestimmter Grenzen mit einer gewissen Wahrscheinlichkeit (Konfidenzintervall) zu finden
Es scheint, dass dieser SV den Erwartungswert=0 hat, D=2*D1/M, RMS=sqrt(2*D1/M)
Die Summe der Inkremente ist also ebenfalls normal. Und das Problem, so wie ich es verstehe, besteht darin, diese Summe innerhalb bestimmter Grenzen mit einer bestimmten Wahrscheinlichkeit (Konfidenzintervall) zu finden.
Dies gilt nur für die Inkremente dieses Durchschnitts. Um den Wert selbst innerhalb bestimmter Grenzen zu halten, muss man die Summe dieser Inkremente betrachten. Seine Varianz ist gleich der Summe der Varianzen: Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), wobei D1 die Varianz der ursprünglichen Reihe ist, N die Länge der ursprünglichen Reihe und M die Länge des Schiebefensters. Es ist einfacher und zuverlässiger zu montecarry :)
Wir haben einen endgültigen RMS von S*sqrt(2) ? Hm ...
Dies gilt nur für die Inkremente dieses Durchschnitts. Um den Wert selbst innerhalb bestimmter Grenzen zu halten, müssen Sie die Summe dieser Inkremente betrachten. Seine Varianz ist gleich der Summe der Varianzen: Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), wobei D1 die Varianz der ursprünglichen Reihe ist, N die Länge der ursprünglichen Reihe und M die Länge des Schiebefensters. Es ist einfacher und zuverlässiger zu montecarry :)
P.S. Entschuldigung, ich war unaufmerksam, es gibt einen Fehler, RMS kann nicht gegen unendlich gehen. Sie sollten die Summe nur für M-Inkremente nehmen
P.P.S. S bedeutet sqrt(D1)
Wir haben einen endgültigen RMS von S*sqrt(2) ? Hm ...
Dies gilt nur für die Inkremente dieses Durchschnitts. Damit der Wert selbst innerhalb bestimmter Grenzen bleibt, muss man die Summe dieser Inkremente betrachten. Seine Varianz ist gleich der Summe der Varianzen: Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), wobei D1 die Varianz der ursprünglichen Reihe ist, N die Länge der ursprünglichen Reihe und M die Länge des Schiebefensters. Es ist einfacher und zuverlässiger zu montecarry :)
Leute, danke an alle, die geantwortet haben. Ihre Diskussion hat auch mir den Kopf frei gemacht. Ein wenig. :-)
Der Ausgangspunkt sind die Preise. Er ist natürlich da. Seine Verteilung ist wahrscheinlich nicht normal. Ich habe über die Normalverteilung geschrieben, weil für sie viele Dinge analytisch berechnet werden können und weil die reale Verteilung mit einer gewissen Genauigkeit durch eine Normalverteilung angenähert werden kann.
Die Aufgabe hat nichts mit Vorhersagen oder dem Versuch zu tun, die Wahrscheinlichkeiten von Ereignissen in den hinteren Reihen zu bestimmen. Ich muss Sie damit leider enttäuscht haben. Das Problem trat auf, weil der gleitende Durchschnitt einen Bereich hat (das ist richtig, Sergey, das ist die Frage), der erheblich von der Größe des M-Fensters abhängt. Und ich, durch meine tief verwurzelte Gewohnheit, möchtegleitende Durchschnitte für verschiedene M. vergleichen, aber ich kann nicht, weil sie unterschiedliche Wertebereiche haben. Um diese gleitenden Durchschnitte auf ein Intervall zu normalisieren, müssen Sie den Normalisierungsfaktor bzw. seine Abhängigkeit von M berechnen.
Da wir über Statistiken aus der Geschichte verfügen und eine Verteilungsfunktion in Zahlen konstruiert haben, können wir diesen Koeffizienten entweder auf einfache Weise berechnen oder die Verteilungsfunktion durch Gauß annähern und analytisch berechnen. Natürlich kommt es hier nicht auf absolute Präzision an. Wichtig ist, dass die Art der Beziehung wahr ist und nicht auf einem Modell beruht. Mir fallen viele modellbasierte Beziehungen ein ...
2 Mathematik
Ich hoffe, Sie verstehen jetzt, dass es nicht um klare Grenzen geht, sondern um den Ausgleich von Wertunterschieden, die sich aus dem unterschiedlichen Stichprobenumfang ergeben. Und mit allem, was Sie gesagt haben, bin ich völlig einverstanden. :-)
Wir haben einen endgültigen RMS von S*sqrt(2) ? Hm ...
Dies gilt nur für die Inkremente dieses Durchschnitts. Damit der Wert selbst innerhalb bestimmter Grenzen bleibt, muss man die Summe dieser Inkremente betrachten. Seine Varianz ist gleich der Summe der Varianzen: Ds=(N-M+1)*D=2*(N-M+1)*D1/M. RMS=SQRT(2*(N-M+1)*D1/M), wobei D1 die Varianz der ursprünglichen Reihe ist, N die Länge der ursprünglichen Reihe und M die Länge des Schiebefensters. Es ist einfacher und zuverlässiger zu montecarry :)
P.S. Mein Fehler, ich war unaufmerksam, es gibt einen Fehler, RMS kann nicht ins Unendliche streben. Nimm die Summe nur für M Inkremente
Das heißt, die Summe einer unendlich großen Reihe von Inkrementen, wie einer SV, hat einen unendlichen RMS.