Legen Sie ein Wort über den gelegentlichen Wanderer ein... - Seite 24
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 wäre wahrscheinlich besser, die Aufgabe für den Markt zu ändern - hinzufügen, dass es auch 1000 Prinzessinnen gibt und sie gleichzeitig wählen, wann der nächste Bräutigam gezeigt wird. Wenn zwei Bräute den Bräutigam mögen, wird er nur die Hälfte von ihnen sein)). Sobald eine Braut insgesamt 1 Bräutigam hat, nimmt sie nicht mehr an der Show teil. Was ist die optimale Strategie für die Braut? :)
Das Problem ist natürlich nicht gelöst, wenn die Bräute nicht an den Strategien der anderen interessiert sind.))
Der Prinz ist der kumulierte Papiergewinn aus der Zeit, als der princesso eine Pose einnahm (geöffnet).
+ hundertfünfzig
Und wenn wir uns vorstellen, dass Prinzen wie auf einem Fließband gestanzt werden (sobald einer stirbt, wird ein neuer in die Warteschlange gestellt), dann ist der "Wunsch" der Prinzessin, ständig den besten verfügbaren Bräutigam zu haben (oder zumindest anzustreben), mit der Aufgabe verwandt, die die Risikoanalyseabteilungen lösen.
Sie haben das völlig falsch verstanden.
Forex ist eine Prinzessin. Als sie denkt, dass sie bereits "DORT IST ER!" ist, trifft sie ihre Wahl und kehrt um. :)
So ist es, denn der Markt hat immer das letzte und entscheidende Wort.
Das Hässliche daran ist, dass, wenn das Geschäft als Bräutigam präsentiert wird, der Markt auch mehrere Bräutigame hintereinander als Prinzessin haben kann. Die Bedingungen des Problems sind ganz anders.
Dennoch verstehe ich nicht wirklich, warum wir die Bedingung nicht so nah wie möglich am ursprünglichen Problem ansetzen wollen?
Wir haben 1000 Kurswerte, die nacheinander eintreffen. Wir müssen einen von, sagen wir, m=10 maximalen Kursen mit maximaler Wahrscheinlichkeit auswählen. Das Problem ist grundsätzlich lösbar, die notwendige und hinreichende Bedingung dafür ist die Kenntnis der Wahrscheinlichkeitsverteilung der nächsten Kurse für jeden Zeitpunkt, wenn auch willkürlich (wenn wir annehmen, dass die Kurse abhängig sind). Und diese Frage lässt sich leicht lösen, denn die Schätzung der Parameter der bedingten Verteilung bei bekannter Form ist eine ganz normale Aufgabe.
Die Methode wird in dem Artikel weiter beschrieben, nur dass die Berechnungen komplizierter sind... aber wer hindert sie daran, sie numerisch zu machen, ohne Formeln anzuhäufen?
Das Problem liegt hier nicht so sehr darin, sondern in der grundsätzlichen Möglichkeit, das Problem auf der Ebene des "Gewinns" zu lösen, denn um das Ergebnis in der Praxis zu verwenden, müssen wir mit einer Wahrscheinlichkeit von über 50 % sowohl das Maximum als auch das Minimum des Intervalls erreichen, d. h..d.h. Pmax*Pmin>=0,5, wobei Pmax und Pmin>=0,7071, d.h. es ist notwendig, m so zu wählen, dass nicht schlechter als 71% des Maximal-Minimalwerts erraten werden, was praktisch unrealisierbar sein kann.
Aber im Großen und Ganzen verdient das Problem in dieser Formulierung meiner Meinung nach große Aufmerksamkeit. Ich werde es wahrscheinlich trotzdem tun.
Dennoch verstehe ich nicht wirklich, warum wir die Bedingung nicht so nah wie möglich am ursprünglichen Problem ansetzen wollen?
Wir haben 1000 Kurswerte, die nacheinander eintreffen, es ist notwendig, mit maximaler Wahrscheinlichkeit einen von, sagen wir, m=10 Maxima zu wählen. Das Problem ist grundsätzlich lösbar, die notwendige und hinreichende Bedingung dafür ist die Kenntnis der Wahrscheinlichkeitsverteilung der folgenden Zitate für jeden Zeitpunkt, wenn auch willkürlich (wenn wir annehmen, dass die Zitate abhängig sind). Und diese Frage lässt sich leicht lösen, denn die Schätzung der Parameter einer bedingten Verteilung mit bekannter Form ist eine ganz normale Aufgabe.
Die Methode wird in dem Artikel ausführlich beschrieben, allerdings werden die Berechnungen komplizierter sein... aber wer hindert uns daran, sie numerisch zu berechnen, ohne einen Haufen Formeln?
Das Problem liegt hier nicht so sehr darin, sondern in der grundsätzlichen Möglichkeit, das Problem auf der "gewinnbringenden" Ebene zu lösen, denn um das Ergebnis in der Praxis zu verwenden, müssen wir mit einer Wahrscheinlichkeit von mehr als 50% das Maximum und das Minimum des Intervalls erhalten, d.h..d.h. es muss Pmax*Pmin>=0,5 sein, wobei Pmax und Pmin>=0,7071 sind, d.h. es ist notwendig, m so zu wählen, dass es nicht schlechter als 71% des Maximal-Minimalwerts ist, was sich als praktisch nicht realisierbar erweisen kann.
Aber im Großen und Ganzen verdient das Problem in dieser Formulierung meiner Meinung nach große Aufmerksamkeit. Wahrscheinlich werde ich es dann doch tun.
Wenn wir die Art und die Parameter der zukünftigen bedingten Verteilung kennen, ist das nicht schon genug, um Geld zu verdienen? Woher wissen wir das, oder wie können wir es erfahren?
Nicht genug. Das Vorhandensein einer Abhängigkeit bedeutet nicht, dass der Erwartungswert der bedingten Verteilung von Null verschieden ist. Außerdem kann ich Ihnen sagen, dass nach meinen Recherchen die MO der bedingten Verteilungen genau 0 oder sehr nahe daran liegt, damit die Tiefe der Abhängigkeit mindestens 3 Balken beträgt. Der Hauptinhalt der statistischen Abhängigkeit ist also die Auswirkung vorhergehender Zitate auf die Varianz der nachfolgenden Zitate.
Wir erhalten die bedingten Parameter ganz einfach. Die bedingte Dichte des aktuellen Wertes x0 der Differenzreihe in Abhängigkeit vom vorherigen x1 wird gesucht als W(x0/x1) = (a0+a1*x1)/2 * exp{-(a0+a1*x1)*|x0|} - es handelt sich um eine Exponentialverteilung, bei der die Variable linear von der vorherigen Quote abhängt. Ich habe mich mit der Form dieser Funktion beschäftigt und kann sagen, dass diese Form des Schreibens sehr gut auf den Markt passt. Dann passen wir die Parameter a0 und a1 mit einer beliebigen bekannten Methode an die aktuelle Reihe an und verwenden sie.
Nicht genug. Das Vorhandensein einer Abhängigkeit bedeutet nicht, dass der Erwartungswert der bedingten Verteilung von Null verschieden ist. Außerdem kann ich Ihnen sagen, dass nach meinen Recherchen die MO der bedingten Verteilungen genau 0 oder sehr nahe daran liegt, damit die Tiefe der Abhängigkeit mindestens 3 Balken beträgt. Der Hauptinhalt der statistischen Abhängigkeit ist also die Auswirkung vorhergehender Zitate auf die Varianz der nachfolgenden Zitate.
Wir erhalten die bedingten Parameter ganz einfach. Die bedingte Dichte des aktuellen Wertes x0 der Differenzreihe in Abhängigkeit vom vorherigen x1 wird gesucht als W(x0/x1) = (a0+a1*x1)/2 * exp{-(a0+a1*x1)*|x0|} - es handelt sich um eine Exponentialverteilung, bei der die Variable linear von der vorherigen Quote abhängt. Ich habe mich mit der Form dieser Funktion beschäftigt und kann sagen, dass diese Form des Schreibens sehr gut auf den Markt passt. Dann passen wir die Parameter a0 und a1 mit einer beliebigen bekannten Methode an die aktuelle Reihe an und verwenden sie.
Die Verteilung hängt jedoch von den Eingangsdaten und der Kenntnis des Prozesses ab. Das heißt, Sie haben die bekannten Abhängigkeiten untersucht und verschiedene Effekte im Volatilitätsspeicher gefunden und können auf dieser Grundlage bedingte Varianzverteilungen erstellen. Auf der Grundlage dieses Modells mo=0 auf einem großen Datenensemble. Das bedeutet aber nicht, dass es wirklich keine Erinnerung an die Richtung der Inkremente gibt, sondern nur an die Größe der Inkremente. Es kann also gut sein, dass die Prinzen nicht wahllos zur Braut gehen, sondern dass die schlechteren und die besseren zuerst gehen). Oder in einer anderen nicht zufälligen Reihenfolge. Und diese Tatsache wird alle Karten durcheinander bringen. Das System funktioniert, wenn die Prinzen willkürlich hineingehen, unabhängig von ihrer Güte und der Güte derer, die vor ihnen hineingegangen sind. Natürlich, wenn es nur Abhängigkeiten gibt, wie z.B. ein sehr guter Prinz wird von einem sehr guten oder sehr schlechten Prinzen gefolgt (Wertabhängigkeiten), dann ja, kann das Problem unter Berücksichtigung der Art dieser Abhängigkeiten gelöst werden
Aber schließlich hängt die Verteilung von den Eingangsdaten und der Kenntnis des Prozesses ab. Das heißt, Sie haben bekannte Abhängigkeiten untersucht und verschiedene Effekte im Volatilitätsspeicher gefunden, und daraus können Sie bedingte Varianzverteilungen konstruieren. Auf der Grundlage dieses Modells mo=0 auf einem großen Datenensemble. Das bedeutet aber nicht, dass es wirklich keine Erinnerung an die Richtung der Inkremente gibt, sondern nur an die Größe der Inkremente. Es kann also gut sein, dass die Prinzen nicht wahllos zur Braut gehen, sondern dass die schlechteren und die besseren zuerst gehen). Oder in einer anderen nicht zufälligen Reihenfolge. Und diese Tatsache wird alle Karten durcheinander bringen. Das System funktioniert, wenn die Prinzen willkürlich hineingehen, unabhängig von ihrer Güte und der Güte derer, die vor ihnen hineingegangen sind. Natürlich, wenn es nur Abhängigkeiten gibt, wie z.B. ein sehr guter Prinz wird von einem sehr guten oder sehr schlechten Prinzen gefolgt (Wertabhängigkeiten), dann ja, kann das Problem unter Berücksichtigung der Art dieser Abhängigkeiten gelöst werden
Ich sage nicht, dass ich _alle_ Abhängigkeiten kenne, aber ich kenne einige und kann damit Wahrscheinlichkeiten abschätzen. Soweit ich weiß, schwanken die Parameter a0 und a1 sehr langsam, mit einer Periode von einigen Stunden auf einem Minutendiagramm, und bewegen sich in einem ziemlich engen Bereich, so dass man sie berechnen und verwenden kann.
Das Vorhandensein einer Korrelation bedeutet nicht, dass die Prinzen nicht zufällig auftauchen. Es könnte zum Beispiel sein, dass die Wahrscheinlichkeit, dass ein "etwas besserer" Prinz nach einem "schlechten" Prinzen kommt, etwas höher ist als die Wahrscheinlichkeit, dass ein "viel besserer" Prinz kommt, d.h. in diesem Fall gibt es eine positive Autokorrelation (im Gegensatz zum klassischen Schema, wo die Wahrscheinlichkeit, "viel besser" und "etwas besser" zu bekommen, gleich ist). Abhängigkeiten dieser Art beeinträchtigen die Leistungsfähigkeit des Systems nicht.
...die Wahrscheinlichkeit, dass ein "etwas besserer" Prinz nach einem "schlechten" Prinzen kommt, ist etwas höher als die Wahrscheinlichkeit, dass ein "viel besserer" Prinz kommt, d.h. in diesem Fall gibt es eine positive Autokorrelation (im Gegensatz zum klassischen Schema, wo die Wahrscheinlichkeit, "viel besser" und "etwas besser" zu werden, gleich ist). Abhängigkeiten dieser Art beeinträchtigen die Leistungsfähigkeit des Systems nicht.
Und es gibt eine Auswirkung. Die Korrelation ist hier nicht "etwas positiv", sondern nahe bei eins und über einen sehr großen Verzögerungsraum.