Von der Theorie zur Praxis - Seite 440
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
Die Bücher, die ich benutzt habe, um den Markt zu bekämpfen.
Shelepin L.A.: "Die moderne Wissenschaft basiert auf dem Markovschen Paradigma. Der Bericht hebt die Entstehung eines neuen, nicht markovianischen Paradigmas hervor (Theorie der Prozesse mit Gedächtnis)."
Das ist es, was ich sagen wollte) Akademiker sind 50 Jahre hinter der Realität zurück)
Die gesamte Finanzwelt betrachtet den Markt seit langem als einen Prozess mit Gedächtnis, und das ist eine Neuigkeit für sie)))
Es macht einfach keinen Sinn, es anders zu betrachten, denn es ist aus natürlichen Gründen unmöglich, mit einem Prozess ohne Speicher Geld zu verdienen.
Shelepin L.A.: "Die moderne Wissenschaft basiert auf dem Markovschen Paradigma. Der Bericht hebt die Entstehung eines neuen, nicht markovianischen Paradigmas hervor (Theorie der Prozesse mit Gedächtnis)."
Das ist es, was ich sagen wollte) Akademiker sind 50 Jahre hinter der Realität zurück)
Die gesamte Finanzwelt betrachtet den Markt seit langem als einen Prozess mit Gedächtnis, und das ist eine Neuigkeit für sie)))
Es macht einfach keinen Sinn, es anders zu betrachten, denn es ist aus natürlichen Gründen unmöglich, mit einem Prozess ohne Speicher Geld zu verdienen.
Ich habe es nicht im Detail studiert, aber es scheint, dass Shelepins Markov-Prozess nicht ganz mit der allgemein akzeptierten Definition übereinstimmt.
Beim "Gedächtnis" besteht das Hauptproblem darin, dass nicht klar ist, wie es (d. h. multivariate Prozessverteilungen) bei nichtstationären Prozessen gezählt werden kann - dafür gibt es in der Regel nicht genügend Daten.
Man kann auch mit einem normalen Random Walk mit Drift (Trend) Geld verdienen, der ziemlich markovianisch ist.
Das Hauptproblem mit dem "Gedächtnis" besteht darin, dass nicht klar ist, wie es (d. h. multivariate Prozessverteilungen) bei nicht-stationären Prozessen berücksichtigt werden kann - in der Regel gibt es nicht genügend Daten dafür.
Es scheint dasselbe zu sein - die Abhängigkeit zwischen den Inkrementen. Und was genau sehen Sie als Problem an, warum nicht genügend Daten? Ich zum Beispiel habe kein Problem mit dem Abrufen von Erinnerungen)
Übrigens ist das Gedächtnis viel besser in der Volatilität ausgedrückt, man kann damit anfangen zu recherchieren, wenn jemand "etwas zum Anfassen" sucht. Sie können dort sofort die Folgen der Nachrichten und andere Auswirkungen sehen.
Man kann auch mit einem gewöhnlichen Random Walk mit einem Drift (Trend) Geld verdienen, der ziemlich markovianisch ist.
Natürlich, aber wir sprechen hier über Forex) und es hat keine Drift.
Es scheint dasselbe zu sein - das Verhältnis zwischen den Inkrementen. Und was genau sehen Sie als Problem, warum gibt es nicht genügend Daten? Ich zum Beispiel habe kein Problem damit, nach Speicherplatz zu suchen)
Übrigens lässt sich das Gedächtnis viel besser durch die Volatilität ausdrücken, mit der man seine Recherchen beginnen kann, wenn jemand "etwas zum Anfassen" sucht. Dort sind die Nachwirkungen nach Nachrichten sofort sichtbar, und andere Auswirkungen.
Natürlich, aber wir reden hier über Forex) und es gibt keinen Abriss.
Ich hoffe, wir sprechen über die Abhängigkeit von Inkrementen als Zufallsvariablen? In diesem Fall benötigen wir ihre gemeinsame Verteilung. Zwei Zufallsvariablen - ihre gemeinsame 2-dimensionale Verteilung, 3 - 3-dimensional, usw. Zweidimensionale Histogramme werden manchmal noch konstruiert, aber bei höherdimensionalen Histogrammen ist nicht klar, wie sie dargestellt werden können, und die Anzahl der benötigten Daten wächst stark mit der Dimensionalität. Es ist klar, dass dies in der Regel nicht getan wird (aber manchmal muss es dennoch getan werden). Aber hier ist es noch viel schlimmer - für jedes Inkrement (Zufallsvariable) gibt es nur eine Stichprobe eines einzigen Volumens (Wert aus dem Preisdiagramm). Deshalb müssen wir alle möglichen Annahmen und Vermutungen anstellen (die nicht immer zutreffen). Ohne die Annahme der Stationarität von Inkrementen konvergiert beispielsweise ihre Stichprobenverteilung nicht mit ihrer wahren Verteilung. Das Gleiche gilt für eine bivariate Verteilung, die zur Bestimmung der paarweisen Abhängigkeit der Inkremente benötigt wird (z. B. zur Berechnung der Kovarianzfunktion). Kurz gesagt, ein nicht-stationärer Prozess ohne "Gedächtnis" (unabhängige Inkremente) kann durchaus "Gedächtnis" (Abhängigkeit der Inkremente) bekommen, wenn Methoden verwendet werden, die von Stationarität ausgehen.
Es gibt natürlich keine generelle Drift. Es kann aber durchaus einige Abschnitte geben, in denen sie vorhanden ist (wiederum Nicht-Stationarität).
Ich kann nicht herausfinden, was falsch ist. Ich berechne die Dichte nach der Formel
Erwartung = 0, Varianz = 55, X = 13.
Dichte = (1/(MathSqrt(Varianz) * MathSqrt(2 * 3.14159265358979323846)) * MathPow(2.71828182845904523536, - ((X * X)/(2 * Dispersion) ) );
Ich habe Density = 0,01979.
Hier nachsehen
https://planetcalc.ru/4986/
Dichte = 0,01157
Habe ich die Formel falsch verstanden oder liegt ein Fehler auf der Website des Rechners vor?Ich kann nicht herausfinden, was falsch ist. Ich berechne die Dichte nach der Formel
Erwartung = 0, Varianz = 55, X = 13.
Dichte = (1/(MathSqrt(Varianz) * MathSqrt(2 * 3.14159265358979323846)) * MathPow(2.71828182845904523536, - ((X * X)/(2 * Dispersion) ) );
Ich habe Density = 0,01979.
Hier nachsehen
https://planetcalc.ru/4986/
Dichte = 0,01157
Habe ich die Formel falsch verstanden oder liegt ein Fehler auf der Website des Rechners vor?In R:
in R:
Ich kann nicht herausfinden, wo mein Fehler dann liegt...
Die einzige Person mit der geringsten Bildung, die hier eine kolossale Rede halten kann, ist bas. Er ist manchmal kein schlechter Redner. Offenbar, wenn er schläft. Im Schlaf hat er eine Epiphanie. Manchmal ist es interessant zu lesen.
Nun ist die Summe der Inkremente der Preis im gleitenden Beobachtungszeitfenster, mit einem Startpunkt von =0.
Die Summe der Inkremente gibt an, wie weit sich der Graph in n Sekunden bewegt hat.
Ein hoher Wert zeigt an, wie weit sich die Kurve bewegt hat, ein niedriger Wert, wie wenig sie sich bewegt hat.
es ist die Geschwindigkeit.
doppeltes d = 55 , X = 13;
double p = (1/(MathSqrt(d) * MathSqrt(2 * 3.14159265358979323846)) * MathPow(2.71828182845904523536, - ((X * X)/(2 * d) ) );
Print(p);
0.01157429298384641
doppeltes d = 55 , X = 13;
double p = (1/(MathSqrt(d) * MathSqrt(2 * 3.14159265358979323846)) * MathPow(2.71828182845904523536, - ((X * X)/(2 * d) ) );
Print(p);
0.01157429298384641
Ich verstehe es nicht, dieselbe Formel, warum dann das unterschiedliche Ergebnis. NormalizeDouble auf 5 Ziffern kann nicht diesen Effekt haben ...