Teoría de los flujos aleatorios y FOREX - página 68

 
timbo писал(а) >>

Le dije enseguida que para usted seguiría siendo "la novena maravilla del mundo".

No lo vas a conseguir de nuevo, hermano. ¿O realmente pensaste que quería algo de ti? :-)

Estoy acostumbrado a encontrar pruebas o refutaciones de todas las cuestiones que me interesan.

Y en este caso sólo quería que me dierais un recibo de vuestra oquedad. Lo cual hiciste. >> felicitaciones.

 
FOXXXi >> :

Me sorprende la diferencia entre ambos y todo deja de funcionar de inmediato.


Joven, todavía estaba esperando que corrigieras tu error, que te fue señalado educadamente, pero no te pica y no piensas corregir.


Distribuciones


Sus supuestas "distribuciones normales"

No tienes una distribución normal.

 
Avals >> :

En el águila, si las cabezas son 1, las colas -1 entonces MO=0, D(X)=((0-1)^2+(0+1)^2)/2=1

Dispersión Conant y MO constante. ¿Por qué no es estacionario?

Incluso si tomamos una suma acumulativa sobre cualquier número fijo de disparos (por ejemplo, 100), la distribución sería normal con MO=0 y una varianza fija y fácil de calcular.

Precisamente por eso es no estacionaria, porque para la suma acumulada será diferente según el número de disparos que se tenga en cuenta, es decir, el segundo punto depende del tiempo (en este caso del número de disparos). La definición de estacionariedad es que el primer y segundo momento NO dependen del tiempo.

Por lo tanto, el proceso generador -binomial- tendrá siempre una varianza igual a 1, independientemente del número de lanzamientos. Es un proceso estacionario.

Yendo más allá, la suma acumulativa - paseo aleatorio - "recuerda" todos los resultados anteriores, tiene una larga memoria. El binomio no recuerda nada de las tiradas pasadas, es decir, su memoria es tan corta que es nula.

 
Yurixx >> :

No lo estás entendiendo bien otra vez, hermano. ¿O realmente crees que quiero algo de ti? :-)

Estoy acostumbrado a encontrar confirmación o refutación en todas las cuestiones que me interesan.

Y en este caso sólo quería que me dierais un recibo de vuestra oquedad. Lo cual hiciste. Enhorabuena.

"Meli Imelia, tu semana" - Sr. "divagación aleatoria estacionaria".

 
timbo >> :

Precisamente por eso es no estacionaria, porque para la suma acumulada la varianza será diferente dependiendo de cuántos lanzamientos se tengan en cuenta, es decir, el segundo impulso depende del tiempo (en este caso del número de lanzamientos). La definición de estacionariedad es que el primer y segundo momento NO dependen del tiempo.

Así que el proceso generador -binomial- tendrá varianza igual a 1 siempre, independientemente de cuántos lanzamientos haya. Es un proceso estacionario.

Para ir más lejos, la suma acumulativa - paseo aleatorio - "recuerda" todos los resultados anteriores, tiene una larga memoria. El binomio no recuerda nada de las tiradas pasadas, es decir, tiene una memoria tan corta que es nula.

Timbo, la suma acumulada tiene, como te dignas a decir, una DISPERSIÓN DIFERENTE (ILIMITADA). Ni siquiera hay que ser matemático para conocer esta "paradoja", basta con leer los libros de Schwager sobre trading.

Miren, colegas, personalmente, estoy cansado de limpiar su desorden aquí. Hay cosas más interesantes que hacer en la vida. En cuanto haya una conversación sensata entre personas responsables, volveré a este hilo.

Adiós.

Aquí, en mi lugar, está el enlace, lo dice todo:

http://www.wikipedia.org

 
timbo писал(а) >>

Precisamente por eso es no estacionaria, porque para la suma acumulada la varianza será diferente dependiendo de cuántos lanzamientos se tengan en cuenta, es decir, el segundo impulso depende del tiempo (en este caso del número de lanzamientos). La definición de estacionariedad es que el primer y segundo momento NO dependen del tiempo.

Por lo tanto, el proceso generador -binomial- tendrá siempre una varianza igual a 1, independientemente del número de lanzamientos. Es un proceso estacionario.

Para ir más lejos, la suma acumulativa - paseo aleatorio - "recuerda" todos los resultados anteriores, tiene una larga memoria. El binomio no recuerda nada de las tiradas pasadas, es decir, tiene una memoria tan corta que es nula.

Lo siento, pero parece que tenemos conceptos diferentes de "distribución estacionaria". Independiente del tiempo significa que no cambia con el tiempo, que no depende del valor del tiempo para los recuentos. En el ejemplo de la moneda anterior, la varianza de las muestras con una frecuencia de muestreo de 1 vuelta no cambia con el tiempo. Es constante tanto al principio como después de mil lanzamientos. Es decir, el incremento es un proceso estacionario. La suma acumulada también es una serie estacionaria. La varianza se puede calcular de la misma manera, y no cambia con el tiempo. Aunque es posible desglosarlo de otra manera, por ejemplo como escribí en la serie de disparos (por 100 por ejemplo), y los incrementos seguirán siendo una serie estacionaria (y la suma acumulada también). Por eso, una docena de páginas antes escribí que no es el proceso lo que es estacionario o no estacionario, sino la descomposición en una serie de observaciones.

La varianza infinita es efectivamente una propiedad de un proceso no estacionario. Por ejemplo, los incrementos no tendrán una distribución gaussiana, sino con "colas gruesas" y un par de diferencias más. A primera vista, las diferencias no son principales, pero cambian la situación de forma cardinal, especialmente en lo que respecta a la contabilidad de riesgos.

 
Avals >> :

O bien la suma acumulada tiene una varianza infinita, en cuyo caso no puede ser un proceso estacionario, o bien la suma es estacionaria, en cuyo caso su varianza es un valor constante (finito) para cualquier longitud de la serie.

Sugiero no utilizar la palabra "incremento" en absoluto por el momento. Estimamos la suma de estos incrementos, es decir, el paseo aleatorio, y hablaremos de su origen más adelante.

¿Puede proporcionar referencias a "su" definición de estacionariedad? No de memoria, sino una cita a una fuente decente. Wikipedia es una fuente bastante decente cuando se trata de estadísticas.

 
AlexEro >> :

Joven, he estado esperando a que corrija su error, que se le ha señalado educadamente, pero no se pica y no piensa corregirlo.

No pretendo tener un título académico, se me permite. Si tienes ese bagaje de conocimientos, este foro no es para ti. La tarea era demostrar que la distribución de tres sigmas es fácil de conseguir, hay demasiados animales de cola gorda.

 
timbo писал(а) >>

O bien la suma acumulada tiene una varianza infinita, en cuyo caso no puede ser un proceso estacionario, o bien la suma es estacionaria, en cuyo caso su varianza es un valor constante (finito) para cualquier longitud de la serie.

Sugiero no utilizar la palabra "incremento" en absoluto por el momento. Estimamos la suma de estos incrementos, es decir, el paseo aleatorio, y hablaremos de su origen más adelante.

¿Puede proporcionar referencias a "su" definición de estacionariedad? No de memoria, sino una cita a una fuente decente. Wikipedia es una fuente bastante decente cuando se trata de estadísticas.

Se definen los conceptos de varianza, estacionariedad, etc. para una serie. ¿Qué serie está considerando? Todo depende de ello.

Toma una moneda y su importe acumulado. Es una serie. Es igual al valor anterior + incremento. Como la MO del incremento es cero, la MO del siguiente término de la serie será igual al valor anterior, y la varianza será igual a la varianza del incremento (uno). Por lo tanto, la varianza no cambia, y la MO no lleva un componente aleatorio y está determinada sin ambigüedad en cualquier momento. Tenemos esta serie inicial y luego podemos hacer otra serie a partir de ella, por ejemplo, dividiéndola en series de longitud fija. Esta nueva serie será estacionaria. Su MO será igual al valor finito de la suma acumulada del término anterior, y la dispersión puede calcularse fácilmente (los incrementos se distribuirán normalmente).

La serie original podría haberse dividido de otra manera: no por una longitud fija, sino por una variable, por ejemplo. En este caso, la nueva serie será no estacionaria: su varianza variará. Todo depende de la partición de la serie original. Por ejemplo, si tomamos el reloj EUR (intervalo de tiempo de 1 hora), su distribución será no estacionaria, aunque no excluye la posibilidad de otros muestreos en los que la distribución sea estacionaria. Y no necesariamente a tiempo.

La estacionariedad es la propiedad de un proceso probabilístico de permanecer constante en el tiempo. AlexEro dio una definición más detallada sobre la 'Teoría de los flujos aleatorios y el FOREX'

y, además, las distribuciones son invariantes con respecto a los desplazamientos temporales. Es decir, no se modifica con los cambios de tiempo.

 
Avals >> :

Te pedí que no usaras la palabra incremento. Al hacer cualquier partición, se está hablando de nuevo de incrementos, y la pregunta es sobre la suma acumulada. El proceso es así. Vagabundeo al azar. Tanto si es estacionaria como afirman algunos compañeros aquí o no como afirmo yo.