Zufallsstromtheorie und FOREX - Seite 68
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 habe Ihnen gleich gesagt, dass es für Sie "das purzelnde neunte Weltwunder" bleiben wird.
Du verstehst das Thema wieder nicht, Bruder. Oder dachten Sie wirklich, ich wollte etwas von Ihnen? :-)
Ich bin es gewohnt, Beweise oder Widerlegungen für alle Fragen zu finden, die mich interessieren.
Und in diesem Fall wollte ich nur, dass Sie mir eine Quittung für Ihre Hohlheit geben. Das haben Sie getan. >> Glückwunsch.
Ich bin schockiert über den Unterschied zwischen den beiden und alles funktioniert auf einmal nicht mehr.
Junger Mann, ich warte immer noch darauf, dass Sie Ihren Fehler, auf den Sie höflich hingewiesen wurden, korrigieren, aber es juckt Sie nicht und Sie denken nicht daran, sich zu korrigieren.
Ausschüttungen
Ihre angeblichen "Normalverteilungen"
Sie haben keine Normalverteilung.
Bei Adler, wenn Kopf 1, Zahl -1, dann MO=0, D(X)=((0-1)^2+(0+1)^2)/2=1
Konstante Dispersion und konstante MO. Warum nichtstationär?
Selbst wenn wir eine kumulative Summe über eine beliebige Anzahl von Schüssen (z. B. 100) bilden, wäre die Verteilung normal mit MO=0 und einer festen, leicht zu berechnenden Varianz.
Das ist genau der Grund, warum sie nicht stationär ist, denn bei der kumulativen Summe ist sie unterschiedlich, je nachdem, wie viele Schüsse man berücksichtigt, d. h. der zweite Punkt hängt von der Zeit ab (in diesem Fall von der Anzahl der Schüsse). Die Definition von Stationarität besagt, dass das erste und zweite Moment NICHT zeitabhängig sind.
Der erzeugende Prozess - Binomial - hat also immer die Varianz 1, unabhängig davon, wie viele Würfe es gibt. Es handelt sich um einen stationären Prozess.
Darüber hinaus "merkt" sich die kumulative Summe - Random Walk - alle vorherigen Ergebnisse, sie hat ein langes Gedächtnis. Binomial erinnert sich überhaupt nicht an vergangene Würfe, d. h. sein Gedächtnis ist so kurz, dass es gleich Null ist.
Du verstehst es schon wieder nicht richtig, Bruder. Oder glaubst du wirklich, dass ich etwas von dir will? :-)
Ich bin es gewohnt, zu allen Fragen, die mich interessieren, eine Bestätigung oder Widerlegung zu finden.
Und in diesem Fall wollte ich nur, dass Sie mir eine Quittung für Ihre Hohlheit geben. Das haben Sie getan. Herzlichen Glückwunsch!
"Meli Imelia, deine Woche" - Herr "stationäres Zufallsgeschwafel".
Das ist genau der Grund, warum sie nicht stationär ist, denn für die kumulative Summe ist die Varianz unterschiedlich, je nachdem, wie viele Würfe man berücksichtigt, d.h. das zweite Momentum hängt von der Zeit ab (in diesem Fall von der Anzahl der Würfe). Die Definition von Stationarität besagt, dass das erste und zweite Moment NICHT zeitabhängig sind.
Der erzeugende Prozess - Binomial - hat also immer die Varianz 1, unabhängig davon, wie viele Würfe es gibt. Es handelt sich um einen stationären Prozess.
Um noch weiter zu gehen: Die kumulative Summe - der Random Walk - "merkt" sich alle vorherigen Ergebnisse, sie hat ein langes Gedächtnis. Binomial erinnert sich überhaupt nicht an vergangene Würfe, d. h. es hat ein so kurzes Gedächtnis, dass es gleich Null ist.
Timbo, die kumulierte Summe hat, wie Sie es ausdrücken, eine UNTERSCHIEDLICHE (UNBEGRENZTE) DISPERSION. Man muss nicht einmal Mathematiker sein, um dieses "Paradoxon" zu kennen - man muss nur Schwagers Bücher über den Handel lesen.
Hören Sie, liebe Kolleginnen und Kollegen, ich persönlich bin es leid, Ihr Durcheinander hier aufzuräumen. Es gibt im Leben interessantere Dinge zu tun. Sobald es ein vernünftiges Gespräch zwischen verantwortungsbewussten Menschen gibt, werde ich auf diesen Thread zurückkommen.
Auf Wiedersehen.
Hier, anstelle von mir, ist der Link, er sagt alles:
http://www.wikipedia.org
Das ist genau der Grund, warum sie nicht stationär ist, denn für die kumulative Summe ist die Varianz unterschiedlich, je nachdem, wie viele Würfe man berücksichtigt, d.h. das zweite Momentum hängt von der Zeit ab (in diesem Fall von der Anzahl der Würfe). Die Definition von Stationarität besagt, dass das erste und zweite Moment NICHT zeitabhängig sind.
Der erzeugende Prozess - Binomial - hat also immer die Varianz 1, unabhängig davon, wie viele Würfe es gibt. Es handelt sich um einen stationären Prozess.
Um noch weiter zu gehen: Die kumulative Summe - Random Walk - "merkt" sich alle vorherigen Ergebnisse, sie hat ein langes Gedächtnis. Binomial erinnert sich überhaupt nicht an vergangene Würfe, d. h. es hat ein so kurzes Gedächtnis, dass es gleich Null ist.
Tut mir leid, aber wir haben offenbar unterschiedliche Vorstellungen von "stationärer Verteilung". Zeitunabhängig bedeutet, dass sie sich im Laufe der Zeit nicht verändern und nicht von der Zeitdauer der Zählungen abhängen. Im obigen Münzbeispiel ändert sich die Varianz für Stichproben mit einer Abtastrate von 1 Umdrehung im Laufe der Zeit nicht. Sie ist sowohl zu Beginn als auch nach tausend Würfen konstant. D.h. der Zuwachs ist ein stationärer Prozess. Die kumulierte Summe ist ebenfalls eine stationäre Reihe. Die Varianz lässt sich auf dieselbe Weise berechnen und ändert sich im Laufe der Zeit nicht. Es ist jedoch möglich, sie anders aufzuschlüsseln, z. B. wie ich in der Aufnahmeserie geschrieben habe (z. B. durch 100), und die Inkremente werden immer noch eine stationäre Serie sein (und die kumulative Summe auch). Deshalb habe ich ein Dutzend Seiten vorher geschrieben, dass nicht der Prozess stationär oder nicht stationär ist, sondern die Aufteilung in eine Reihe von Beobachtungen.
Unendliche Varianz ist in der Tat eine Eigenschaft eines nicht-stationären Prozesses. Beispielsweise sind die Inkremente nicht Gauß-verteilt, sondern haben "dicke Schwänze" und eine Reihe anderer Unterschiede. Auf den ersten Blick sind die Unterschiede nicht wesentlich, aber sie verändern die Situation grundlegend, insbesondere für die Risikoberechnung.
Entweder hat die kumulative Summe eine unendliche Varianz, in diesem Fall kann es sich nicht um einen stationären Prozess handeln, oder die Summe ist stationär, in diesem Fall ist ihre Varianz ein konstanter (endlicher) Wert für jede Serienlänge.
Ich schlage vor, das Wort "Inkrement" vorerst überhaupt nicht zu verwenden. Wir schätzen die Summe dieser Inkremente, d. h. den Random Walk, und wir werden später erörtern, woher er stammt.
Können Sie Referenzen zu "Ihrer" Definition von Stationarität angeben? Nicht aus dem Gedächtnis, sondern mit einem Zitat aus einer guten Quelle. Wikipedia ist eine recht gute Quelle, wenn es um Statistiken geht.
Junger Mann, ich habe darauf gewartet, dass Sie Ihren Fehler korrigieren, auf den ich Sie höflich hingewiesen habe, aber es juckt Sie nicht und Sie denken nicht daran, ihn zu korrigieren.
Ich behaupte nicht, einen akademischen Abschluss zu haben, ich darf das. Wenn Sie solch einen Ballast an Wissen haben, ist dieses Forum nichts für Sie. Die Aufgabe war zu zeigen, dass die Verteilung von drei Sigmas einfach zu bekommen ist, es gibt zu viele fettschwänzige Tiere.
Entweder hat die kumulative Summe eine unendliche Varianz, in diesem Fall kann es sich nicht um einen stationären Prozess handeln, oder die Summe ist stationär, in diesem Fall ist ihre Varianz ein konstanter (endlicher) Wert für jede Serienlänge.
Ich schlage vor, das Wort "Inkrement" vorerst überhaupt nicht zu verwenden. Wir schätzen die Summe dieser Inkremente, d.h. den Random Walk, und wir werden später erörtern, woher er stammt.
Können Sie Hinweise auf "Ihre" Definition von Stationarität geben? Nicht aus dem Gedächtnis, sondern mit einem Zitat aus einer guten Quelle. Wikipedia ist eine ziemlich gute Quelle, wenn es um Statistiken geht.
Die Begriffe Varianz, Stationarität usw. werden für eine Reihe definiert. Welche Serien kommen für Sie in Frage? Es hängt alles davon ab.
Nimm eine Münze und ihren kumulierten Betrag. Dies ist die Serie. Er ist gleich dem vorherigen Wert + Inkrement. Da die MO des Inkrements gleich Null ist, ist die MO des nächsten Terms in der Reihe gleich dem vorherigen Wert, und die Varianz ist gleich der Varianz des Inkrements (Eins). Somit ändert sich die Varianz nicht, und die MO hat keine Zufallskomponente und ist zu jedem Zeitpunkt eindeutig bestimmt. Wir haben diese ursprüngliche Reihe und können dann eine weitere Reihe daraus machen, indem wir sie zum Beispiel in Reihen fester Länge unterteilen. Diese neue Serie wird stationär sein. Seine MO ist gleich dem endlichen Wert der kumulativen Summe des vorherigen Terms, und die Streuung kann leicht berechnet werden (die Inkremente sind normal verteilt).
Die ursprüngliche Serie hätte anders aufgeteilt werden können: nicht durch eine feste Länge, sondern beispielsweise durch eine Variable. In diesem Fall wird die neue Reihe nicht stationär sein - ihre Varianz wird variieren. Es hängt alles von der Aufteilung der ursprünglichen Serie ab. Nimmt man zum Beispiel die EUR-Uhr (Zeitintervall 1 Stunde), so ist ihre Verteilung nicht stationär, obwohl dies die Möglichkeit anderer Stichproben nicht ausschließt, bei denen die Verteilung stationär ist. Und das nicht unbedingt rechtzeitig.
Stationarität ist die Eigenschaft eines probabilistischen Prozesses, über die Zeit konstant zu bleiben. AlexEro gab eine detailliertere Definition zu 'Random Flow Theory and FOREX'
und weiter zu Verteilungen, die gegenüber Zeitverschiebungen invariant sind. Das heißt, sie bleibt bei Zeitverschiebungen unverändert.
Ich habe Sie gebeten, das Wort "Erhöhung" nicht zu verwenden. Wenn Sie eine Unterteilung vornehmen, sprechen Sie wieder von Inkrementen, und die Frage bezieht sich auf die kumulierte Summe. Der Prozess läuft folgendermaßen ab. Zufälliges Umherwandern. Ob es nun stationär ist, wie einige Genossen hier behaupten, oder nicht, wie ich behaupte.