Resonancia estocástica - página 19

 

a Yurixx

La serie de precios no tiene ninguna distribución normal y la construcción de "modelos" sobre esta base conducirá a un error considerable.

 
Avals:
lna01:

P.D. Mi error, desatento, un error allí, RMS no puede aspirar al infinito. Tome la suma sólo para los incrementos M

Con N que tiende a infinito más rápido que M, obtenemos que la RMS tiende a infinito, es decir, la realización puede ir tan lejos como uno quiera, lo que se confirma por las leyes del arcoseno.
Un valor con distribución normal puede llegar al infinito, pero con una probabilidad infinitesimal. Es decir, no requiere un RMS infinitamente grande. M es finito por las condiciones del problema. Si escribimos la fórmula de la suma infinita de incrementos con M, vemos que después de los primeros M pasos el número de términos de la suma se estabiliza y luego se mantiene igual a 2M, es decir, en el paso M+1 el primer valor de X saldrá de la suma, en M+2 saldrá el segundo, y así sucesivamente.
 

Yuri, un primer vistazo a esta misma dependencia. Lo primero que llegó a las manos fue un reloj EURUS. El rango en estudio es (10000 - mentido) 5000 cuentas, el tamaño de la ventana fue de 50 a 3000 en intervalos de 50. Esto es lo que salió (como se esperaba):


  • Eje X - tamaño de la ventana
  • Eje Y - dispersión (max(y)-min(y))

P.D.: lo más fácil es hacer una aproximación y obtener una función analítica muy precisa.

 
lna01:
Avals:
lna01:

P.D. Culpa mía, desatento, un error ahí, RMS no puede aspirar al infinito. Tome la suma sólo para los incrementos M

Con N que tiende a infinito más rápido que M, obtenemos que la RMS tiende a infinito, es decir, la realización puede ir tan lejos como uno quiera, lo que se confirma por las leyes del arcoseno.
Un valor con distribución normal puede llegar al infinito, pero con una probabilidad infinitesimal. Es decir, no requiere un RMS infinitamente grande. M es finito por las condiciones del problema. Si escribimos la fórmula de la suma infinita de incrementos con M, vemos que después de los primeros M pasos el número de términos de la suma se estabiliza y queda igual a 2M, es decir, en el paso M+1 el primer valor de X saldrá de la suma, en M+2 el segundo, y así sucesivamente.

De acuerdo :)
 

Y aquí está la adicción en sí misma, un poco dura:

 
Gracias Sergei. 10000 es un número demasiado pequeño para el intervalo M 50 - 3000. Por eso hay esas inseguridades como en la parte superior de tu curva. Además, la zona de valores pequeños, que es la que me interesa, tiene divergencias demasiado grandes. Voy a probar la idea de calcular de esta manera. Lo único que temo es tener que recalcular cada vez que cambie a un nuevo instrumento, o t/f, o lo que sea.
 
Yurixx:
Gracias, Sergey. 10000 es un número demasiado pequeño para un intervalo M de 50 - 3000. Por eso hay tales no-suavidades como en la parte superior de su curva. Además, la zona de valores pequeños, que es la que me interesa, tiene divergencias demasiado grandes. Voy a probar la idea de calcular de esta manera. Lo único que temo es tener que recalcular cada vez que cambie a un nuevo instrumento, o t/f, o lo que sea.

De nada, no era un resultado acabado. :о) Me parece que esta es la única forma normal y perfectamente válida de obtener un resultado. Las conclusiones teóricas pueden dar una estimación más aproximada, pero aquí tenemos estadísticas. Puede tomar toda la muestra y ejecutar el algoritmo con el paso óptimo para el tamaño de la ventana.

Y por alguna razón me parece que el coeficiente en la potencia será aproximadamente el mismo para el resto de los casos, pero el primer coeficiente seguramente cambiará y simbolizará la dispersión de la muestra inicial. Por cierto, se puede comprobar - condiciones similares, pero tomar otra serie en general en otro lugar:

Dependencia


La función analítica


Los coeficientes no difieren mucho:

Opción 1: -0,0005

Variante 2: -0,0004

Así, tomando más datos brutos se puede obtener una dependencia más o menos exacta sin vincularse al primer coeficiente :o) ¡Estoy seguro!

 

No estoy discutiendo, pero...

Ahí es básicamente donde empecé. Pero luego descubrí que la situación cambia para diferentes TFs. Es comprensible - menos barras (o más) - obtenemos una N diferente. Dicha dependencia de M, tal y como se muestra en los gráficos anteriores, la he obtenido desde el principio, pero al pasar a otro TP, como resultado de cambiar el número total de barras, esta curva se desplaza verticalmente. Resulta que no debemos buscar una dependencia de M, sino de la relación entre N y M.

 
Yurixx:

No estoy discutiendo, pero...

Ahí es básicamente donde empecé. Pero luego descubrí que la situación cambia para diferentes TFs. Es comprensible - menos barras (o más) - obtenemos una N diferente. Dicha dependencia de M, tal y como se muestra en los gráficos anteriores, la he obtenido desde el principio, pero al pasar a otro TP, como resultado de cambiar el número total de barras, esta curva se desplaza verticalmente. Resulta que hay que buscar una dependencia no de M, sino de la relación entre N y M.

Sí, los diferentes plazos deberían corregir el resultado y probablemente sea más fácil obtener la dependencia para cada uno de ellos que tratar de encontrar una fórmula universal (todo depende del criterio precio-calidad). ¿Quizás la elección de (H+L)/2 suavizaría las diferencias?

 
¿He entendido bien que el diferencial se toma sobre toda la ventana N? Si es así, entonces, en mi opinión, es difícil contar con alguna constancia. Más bien, puede verse por diferencias de mu wings, por ejemplo, con un muwing más alto (con un M máximo).