Zufallsstromtheorie und FOREX - Seite 50
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
Ich wollte mich nicht auf eine Diskussion einlassen, aber die Wikipedia-Definition von Standgeräuschen lautet wie folgt:
Weißes Rauschen ist stationäres Rauschen, dessen spektrale Komponenten gleichmäßig über den gesamten Frequenzbereich verteilt sind.
Ich denke, dass die Vorhersehbarkeit des Signals noch nicht ausgereift ist. Oder was wollten Sie vorhersagen? Was den ersten Punkt betrifft (dass es sich um weißes Rauschen handelt), so bin ich mir nicht so sicher, dass es....
(Dies ist nicht an "chumazik" gerichtet, sondern ganz allgemein).
Was zum Teufel sind "Frequenzen"?! Welche "Frequenzen" gibt es? Wer hat festgelegt, dass es "Frequenzen" gibt? Wer kann überhaupt behaupten, dass es eine "Sinuswelle" oder eine "Gruppe von Sinuswellen" gibt? Es gibt dort ZYKLEN, aber Zyklen sind nicht notwendigerweise ein SYNUSOID, in Bezug auf das es in der modernen Wissenschaft üblich ist, von "Frequenz" zu sprechen.
Sehen Sie? Wenn Sie Wort für Wort analysieren, können Sie selbst sehen, dass für den NAOBUM-Handel völlig unzutreffende Begriffe und Methoden verwendet werden.
Aber ist das nicht wunderbar?! So kann ein neues und zuverlässiges Vorhersagesystem geschaffen werden.
(Dies bezieht sich nicht auf den "stinkenden Mann", sondern ganz allgemein)
Welche verdammten "Frequenzen"?! Welche "Frequenzen" gibt es? Wer hat festgelegt, dass es "Frequenzen" gibt? Wer kann überhaupt behaupten, dass es eine "Sinuswelle" oder eine "Gruppe von Sinuswellen" gibt? Es gibt dort ZYKLEN, aber Zyklen sind nicht notwendigerweise ein SYNUSOID, in Bezug auf das es in der modernen Wissenschaft üblich ist, von "Frequenz" zu sprechen.
Sehen Sie? Wenn Sie Wort für Wort analysieren, können Sie selbst sehen, dass für den NAOBUM-Handel völlig unzutreffende Begriffe und Methoden verwendet werden.
Aber ist das nicht großartig! Es ist also möglich, ein neues und zuverlässiges Vorhersagesystem zu schaffen.
Frequenz, bitte :) Nehmen Sie ein Stück Zeitreihe, machen Sie eine DFT und sehen Sie sich die Sinuskurven an. Nur hier schreiben sie zum Beispiel, dass es so nicht funktioniert:
http://iticsoftware.com/articles/digital-filters-fatl-satl-stlm-ftlm-2.html
und der Grund ist die Nicht-Stationarität des Stroms der Abweichungen der Notierungen vom gleitenden Durchschnitt - wow! Ich bin nicht ins Detail gegangen...
Frequenz - bitte :) Nehmen Sie ein Stück Zeitreihe, führen Sie eine DFT durch und sehen Sie sich die Sinuskurven an. Nur hier schreiben sie zum Beispiel, dass es so nicht funktioniert:
http://iticsoftware.com/articles/digital-filters-fatl-satl-stlm-ftlm-2.html
und der Grund dafür ist die Nicht-Stationarität des Stroms der Abweichungen der Notierungen vom gleitenden Durchschnitt - wah! Ich bin nicht ins Detail gegangen...
Mach keinen Blödsinn, Chumazik. Ich kann "Sinusoide" mit einem Photoshop-Filter oder was auch immer sehen, sogar auf dem Bild eines Negers in deinem Avatar. Das bedeutet aber nicht, dass das Bild eines Negers GANZ aus einer Art Sinusoiden besteht. Sie (und andere) haben eine unterbrochene kausale Verbindung zwischen den Phänomenen: Wenn ein Filter (z. B. ein Fourier-Filter) in der Lage ist, eine Reihe von Abtastwerten mit Hilfe von Sinusschwingungen zu interpolieren, dann bedeutet dies Ihrer Meinung nach, dass der betreffende Prozess tatsächlich durch eine Gruppe von Sinusschwingungen erzeugt wird und aus Sinusschwingungen "und einem Rauschzusatz" besteht. Sehen Sie, wo Sie einen Fehler haben, oder soll ich es genauer erklären? Es gab einen Thread hier im Forum, in dem es um den Irrtum ging, "Fourier" auf alles und jedes anzuwenden:
https://forum.mql4.com/ru/19762/page29#174504
Stell dich nicht dumm, Tschumazik. Ich kann die Sinuswellen sogar auf dem Bild eines Negers in Ihrem Avatar "sehen", wenn ich will, indem ich einen Photoshop-Filter oder etwas anderes verwende. Das bedeutet aber nicht, dass das Bild eines Negers GANZ aus einer Art Sinusoiden besteht. Sie (und andere) haben eine unterbrochene kausale Verbindung zwischen den Phänomenen: Wenn ein Filter (z. B. ein Fourier-Filter) in der Lage ist, eine Reihe von Abtastwerten mit Hilfe von Sinusschwingungen zu interpolieren, dann bedeutet dies Ihrer Meinung nach, dass der betreffende Prozess tatsächlich durch eine Gruppe von Sinusschwingungen erzeugt wird und aus Sinusschwingungen "und einem Rauschzusatz" besteht. Können Sie sehen, wo Sie einen Fehler haben, oder dies genauer erklären? Es gab einen Thread hier im Forum, in dem es um den Irrtum ging, Fourier auf alles und jedes anzuwenden.
Als Nerd zu einem PTU-Studenten: Ich glaube aus bestimmten Gründen nicht an die Fourier-Analyse für Zitatströme. Ich glaube nicht, dass Zitate weißes Rauschen sind. Sollte ich mich nicht klar ausgedrückt haben, bitte ich um Entschuldigung.
P.S.
Wenn man einen Neger aus Sinusoiden macht, dann ist es albern zu behaupten, er bestünde nicht aus ihnen :) Aber eigentlich interpolieren wir hier nicht, sondern wir extrapolieren.
Ich wollte mich nicht auf eine Diskussion einlassen, aber die Wikipedia-Definition von Standgeräuschen lautet wie folgt:
Stationäres Rauschen ist ein Rauschen, das durch konstante mittlere Parameter gekennzeichnet ist: Intensität(Leistung), Intensitätsverteilung über das Spektrum(Spektraldichte) und die Autokorrelationsfunktion.
Stationäres Rauschen ist Rauschen, dessen Spektralkomponenten gleichmäßig über den gesamten Frequenzbereich verteilt sind.
Ich glaube nicht, dass die Vorhersehbarkeit des Signals noch nicht gegeben ist. Oder was wollten Sie vorhersagen? Und bei der ersten These (dass wir es mit weißem Rauschen zu tun haben) bin ich mir nicht sicher, ob sie so stimmt .....
In der Mathematik ist ein stationärer Prozess ein Prozess, dessen Mittelwert und Kovarianz unabhängig von der Zeit sind. Das heißt, die beiden grundlegenden Parameter sind Kostenfaktoren.
Das einfachste Beispiel: ein Prozess mit Normalverteilung N(0,1). Wenn bei einem solchen Prozess x(t)=2 ist, dann ist x(t+1) mit einer Wahrscheinlichkeit von 97,5% kleiner als 2. Das heißt, der Prozess wird nach unten gehen. Das ist nicht garantiert, aber in 97 von 100 Fällen wird es so sein.
Ein komplexeres Beispiel: der AR(1)-Prozess x(t)=x(t-1)*a + s(t), wobei a<1 und s(t) ein stationärer Prozess, Rauschen mit einigen endlichen Parametern ist. Dieser Prozess ist ebenfalls stationär und seine Parameter können aus den Parametern s(t) und a berechnet werden. Wenn dieser Prozess also vom Mittelwert abgewichen ist, lässt sich immer berechnen, wann er mit einer bestimmten Wahrscheinlichkeit dorthin zurückkehren wird.
Wenn aber der Parameter a=1 ist, dann haben wir einen Random Walk, d.h. einen nicht-stationären Prozess, und wo er enden wird, kann nicht vorhergesagt werden.
Natürlich werden wir in der Realität nie weißes Rauschen sehen, genauso wenig wie wir einen echten stationären Prozess sehen werden, aber mit einem gewissen Maß an Annahmen können wir davon ausgehen, dass das Rauschen immer noch weiß und der Prozess stationär ist.
Zunächst einmal wissen Sie nicht, was "stationär" ist, denn es ist ein Konzept, das in der modernen Wissenschaft für ganz andere Naturphänomene eingeführt wurde, und wenn Sie sich mit seiner Definition befassen, werden Sie bei jedem, ich wiederhole bei jedem Wort, KARDINALEN Unterschied in der Definition von "stationär (Rauschen, Prozess)" zu einem solchen MENSCHEN-Phänomen wie dem Fluss der Devisenkurse stoßen.
Das ist die Neuigkeit. "Und die Männer wissen es nicht!". Sie verleihen sich gegenseitig Nobelpreise, sie haben eine ganze Wissenschaft erfunden - die Ökonometrie. Wenn ich jemanden sehe, werde ich es ihm auf jeden Fall sagen.
Du hast zu viel französischen Alkohol getrunken oder so, du bist zu munter.
eine Verbindung zu einem Ort herzustellen, an dem Sie Ihre eigene Unwissenheit zeigen...
Das sind alles Multiplikatoren in einer diskreten Reihe, und wer mehr Multiplikatoren braucht, geht tiefer in den Tickchart.
In der Mathematik ist ein stationärer Prozess ein Prozess, bei dem Mittelwert und Kovarianz unabhängig von der Zeit sind. D.h. die beiden wichtigsten Parameter sind Kostenfaktoren.
Das einfachste Beispiel: ein Prozess mit Normalverteilung N(0,1). Wenn bei einem solchen Prozess x(t)=2 ist, dann ist x(t+1) mit einer Wahrscheinlichkeit von 97,5% kleiner als 2. Das heißt, der Prozess wird nach unten gehen. Es ist nicht garantiert, aber in 97 von 100 Fällen ist es so.
Ein komplexeres Beispiel: der AR(1)-Prozess x(t)=x(t-1)*a + s(t), wobei a<1 und s(t) ein stationärer Prozess, Rauschen mit einigen endlichen Parametern ist. Dieser Prozess ist ebenfalls stationär und seine Parameter können aus den Parametern s(t) und a berechnet werden. Wenn dieser Prozess also vom Mittelwert abgewichen ist, lässt sich immer berechnen, wann er mit einer bestimmten Wahrscheinlichkeit dorthin zurückkehren wird.
Wenn aber der Parameter a=1 ist, dann haben wir einen Random Walk, d.h. einen nicht-stationären Prozess, und wo er enden wird, kann nicht vorhergesagt werden.
Natürlich werden wir in der Realität nie weißes Rauschen sehen, genauso wenig wie wir einen echten stationären Prozess sehen werden, aber mit einem gewissen Maß an Annahmen können wir davon ausgehen, dass das Rauschen immer noch weiß und der Prozess stationär ist.
Nicht ganz, denn nicht jeder Prozess ist durch Mittelwert und Kovarianz gekennzeichnet. Ihr erster Satz beschreibt... Ein stationärer Kovarianzprozess, der auch stationär ist :)
http://books.google.de/books?id=B8_1UBmqVUoC&pg=PA46&lpg=PA46&dq=process+mean+covariance&source=bl&ots=2nJH-s67AR&sig=J_QcD2llCaELbBgPt_THGGi8ZXM&hl=de&ei=ozNoSoaCOsOg_Aa__5yeCw&sa=X&oi=book_result&ct=result&resnum=6
Nicht ganz, denn nicht jeder Prozess ist durch Mittelwert und Kovarianz gekennzeichnet. Ihr erster Satz beschreibt... Ein stationärer Kovarianzprozess, der auch stationär ist :)
Er ist schwach stationär, er ist breit stationär, er ist einfach stationär. >> also?
In der Mathematik ist ein stationärer Prozess ein Prozess, bei dem Mittelwert und Kovarianz unabhängig von der Zeit sind. D.h. die beiden wichtigsten Parameter sind Kostenfaktoren.
Das einfachste Beispiel: ein Prozess mit Normalverteilung N(0,1). Wenn bei einem solchen Prozess x(t)=2 ist, dann ist x(t+1) mit einer Wahrscheinlichkeit von 97,5% kleiner als 2. Das heißt, der Prozess wird nach unten gehen. Es ist nicht garantiert, aber in 97 von 100 Fällen ist es so.
Ein komplexeres Beispiel: der AR(1)-Prozess x(t)=x(t-1)*a + s(t), wobei a<1 und s(t) ein stationärer Prozess, Rauschen mit einigen endlichen Parametern ist. Dieser Prozess ist ebenfalls stationär und seine Parameter können aus den Parametern s(t) und a berechnet werden. Wenn dieser Prozess also vom Mittelwert abgewichen ist, lässt sich immer berechnen, wann er mit einer bestimmten Wahrscheinlichkeit dorthin zurückkehren wird.
Wenn aber der Parameter a=1 ist, dann haben wir einen Random Walk, d.h. einen nicht-stationären Prozess, und wo er enden wird, kann nicht vorhergesagt werden.
Natürlich werden wir in der Realität niemals weißes Rauschen sehen, genauso wie wir niemals einen echten stationären Prozess sehen werden, aber mit einigen Annahmen können wir davon ausgehen, dass das Rauschen immer noch weiß ist und der Prozess stationär ist.
Ich kenne nur keine "stationären" Prozesse in der Mathematik. Es gibt stationäre LAUFENDE Prozesse. Was hat das mit einer Tick-Preisreihe zu tun, die durch die bewusste Tätigkeit einer Gruppe von unterschiedlichen Personen erzeugt wird, die sich ein Diagramm ansehen und Entscheidungen auf der Grundlage einer Zielfunktion treffen, die ihnen von ihren Vorgesetzten mitgeteilt wird? Was hat das mit Zufälligkeit oder stationärer Zufälligkeit zu tun? Was hat diese zufällige Stationarität mit unseren bekannten Zyklen zu tun, in denen es keine Zyklizität gibt und geben kann, weil es sich dann nicht mehr um einen Zufallsprozess handelt? Was hat das eine mit dem anderen zu tun?