un processus complètement aléatoire et le FOREX. - page 5
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
J'ai décidé de réduire le déterminisme du générateur de nombres pseudo-aléatoires en mélangeant plusieurs fois la série de nombres aléatoires.
% shuffle
pour=1:1:10000
i1 = fix(rand*N)+1 ; ))))
i2 = fix(rand*N)+1 ; )) )
c=r(i1) ;
r(i1)=r(i2) ;
r(i2)=c ;
Si vous regardez plus haut, j'ai donné un exemple où toute la séquence a été mélangée plusieurs fois et où j'ai affiché une séquence et l'autre.
J'ai décidé de réduire le déterminisme du générateur de nombres pseudo-aléatoires en mélangeant plusieurs fois une série de nombres aléatoires.
% shuffle
pour=1:1:10000
i1 = fix(rand*N)+1 ; ))))
i2 = fix(rand*N)+1 ; )) )
c=r(i1) ;
r(i1)=r(i2) ;
r(i2)=c ;
Si vous regardez plus haut, j'ai donné un exemple où j'ai mélangé toute la séquence plusieurs fois et où j'ai affiché l'une et l'autre séquence.
fix(rand*N)+1 renvoie un entier de 1 à N. Dans Matlab, l'indexation va de 1.
putain de
et on sait qu'ils sont corrélés, c'est-à-dire qu'ils sont compris dans une période .
Essayez d'effectuer un nombre aléatoire d'appels rand entre l'obtention des index pour casser la périodicité.
rand clique sur la séquence de manière séquentielle. Les indices sont pris comme une paire de numéros de pseudo-générateurs adjacents,
et on sait qu'ils sont corrélés, c'est-à-dire qu'ils sont compris dans la période m.
Essayez d'effectuer un nombre aléatoire d'appels rand entre les index obtenus pour rompre la périodicité m.
Nous en avons déjà parlé.
le but de cette présélection est autre.
Ce serait bien si le changement était additif sous la forme d'une addition à cette rangée d'autres nombres.
Mais la nature du changement est complètement différente.
Si vous pensez que la corrélation du rand avec la permutation est si grande, un tel générateur n'a aucune valeur.
Vous comprenez ?
Même s'il s'agit d'un pseudo-aléatoire, cela ne signifie pas qu'il faille faire une insertion paranoïaque d'appels aléatoires à partir d'un nombre aléatoire.
tous ces appels auront également une distribution corrélée avec le PSG.
Le fait est qu'en mélangeant les données, la nature de la séquence reste la même.
de quelle corrélation parlez-vous ? ? ???????
close all ;
N=1000 ;
r=NORMRND(0,0.0077,1,N) ;
r1=r ;
for i=1:1:100000
i1 = fix(rand*N)+1
for j=1:1:1000
rand ;
end
i2 = fix(rand*N)+1
c=r(i1) ;
r(i1)=r(i2) ;
r(i2)=c ;
end ;
figure ;
%r=r-05 ;
for i=2:1:length(r)
r(i)=r(i)+r(i-1) ;
r1(i)=r1(i)+r1(i-1) ;
end
grid on ;
plot(r) ;
figure ;
plot(r1) ;
Before
Après
C'est encore plus cool =))
La façon dont vous formez une série aléatoire est très similaire à l'algorithme des oscillateurs linéaires congruents. Il a été prouvé depuis longtemps que cet algorithme (et ses diverses modifications) génère tout sauf une série aléatoire. Ceci est vrai pour la génération d'une séquence "dans son ensemble" et le générateur de données aléatoires lui-même(une remarque : si je ne me trompe pas, mathLab a implémenté un tel algorithme, mais ceci est facile à vérifier). De plus, l'ordinateur ne peut faire qu'une seule chose, à savoir créer une séquence aléatoire. L'utilisation des réseaux neuronaux est prometteuse dans cette direction, et les gens parviennent à obtenir à l'aide de NS, disons, des "variables aléatoires maximalement prouvées" et à défendre pour une entreprise toutes sortes de thèses de doctorat astucieuses. Les modèles de prédiction autorégressifs fonctionnent bien (dans le sens de statistiquement bien) sur de telles séries, vous pouvez essayer et vous en assurer.
Corrélation, exactement corrélation.
J. Forsyth. Machine Methods for Mathematical Computing
Knuth D.E. The Art of Programming. Vol. 2, semble-t-il.
En général, les générateurs de séquences aléatoires standard sont reconnus depuis longtemps comme étant inadaptés, s'il est nécessaire d'écrire les vôtres.
à D.Will
La façon dont vous générez une série aléatoire est très similaire à l'algorithme
pour les générateurs linéaires congruents. Il a été prouvé depuis longtemps que cet algorithme (et son
différentes modifications) forme tout sauf une série aléatoire. Ce site
concerne la génération d'une séquence "dans son ensemble" et le générateur de données aléatoires lui-même. Plus de
De plus, l'ordinateur ne peut faire qu'une seule chose, à savoir générer un code aléatoire.
série. L'utilisation des réseaux neuronaux et de la technologie de l'information est prometteuse dans cette direction.
les gens parviennent à obtenir, disons, "le maximum prouvé".
variables aléatoires" et, ce faisant, défendre toutes sortes de thèses de doctorat astucieuses. Sur ces
Les modèles autorégressifs fonctionnent bien (dans le sens de statistiquement bien).
les prédictions, vous pouvez essayer et voir par vous-même.
Vous avez un lien ? Vous devez avoir des réseaux neuronaux au comportement chaotique.
Autorégressive dont y(n+1)=a0*y(n)+b.bruit. ? en quoi sont-ils bons exactement ?
y(n+1)=a0*y(n)+a1*y(n-1) .... a5*y(n-5) + b.noise donne un neurone linéaire + bruit. qu'est-ce qui est bien ?
Au fait, votre déclaration signifie-t-elle que le processus ci-dessus peut être prédit ?
Je voulais en fait dire ce qui suit, je suppose que k est le nombre de cycles :
i1 = fix(rand*N)+1
k=fix(rand*100000)+1
pour j=1:1:k
rand ;
fin
i2 = fix(rand*N)+1
c=r(i1) ;
r(i1)=r(i2) ;
r(i2)=c ;
fin ;
à D.Will
La façon dont vous générez une série aléatoire est très similaire à l'algorithme
pour les générateurs linéaires congruents. Il a été prouvé depuis longtemps que cet algorithme (et leur
différentes modifications) forme tout sauf une série aléatoire. Ce site
concerne la génération d'une séquence "dans son ensemble" et le générateur de données aléatoires lui-même. Plus de
De plus, l'ordinateur ne peut faire qu'une seule chose, à savoir générer un code aléatoire.
série. L'utilisation des réseaux neuronaux et de la technologie de l'information est prometteuse dans cette direction.
les gens parviennent à obtenir, disons, "le maximum prouvé".
variables aléatoires" et, ce faisant, défendre toutes sortes de thèses de doctorat astucieuses. Sur ces
Les modèles autorégressifs fonctionnent bien (dans le sens de statistiquement bien).
les prédictions, vous pouvez essayer et voir par vous-même.
Vous avez un lien ? Ça doit être des réseaux neuronaux avec un comportement chaotique.
Autorégressifs que y(n+1)=a0*y(n)+b.bruit. ? en quoi sont-ils bons exactement ?
y(n+1)=a0*y(n)+a1*y(n-1) .... a5*y(n-5) + b.noise donne un neurone linéaire + bruit. qu'est-ce qui est bien ?
Au fait, votre déclaration signifie-t-elle que le processus ci-dessus peut être prédit ?
On m'a donné le matériel pour faire connaissance, cela s'appelle en mains. Mais ce n'est pas parce que tout est secret, je pense, qu'il est possible de trouver dans l'Internet.
Je pensais avoir clairement écrit :"Les modèles de prédiction autorégressifs fonctionnent bien (dans le sens de statistiquement bien) sur de telles séries, vous pouvez essayer et voir par vous-même".
Encore une fois. Très bien prédit (statistiquement) par les modèles AR, essayez de vous en convaincre. A mon humble avis, c'est une somme dérisoire pour votre génération. C'est un modèle ? ?? Vous avez vous-même souligné à juste titre qu'il ne s'agit pas d'un modèle. Vous devez d'abord créer un modèle. Tout d'abord, il suffit d'inventer une condition garantissant que le "prix" ne soit pas négatif, quelle que soit la condition initiale - vous comprendrez que ce n'est pas si simple. Et enquêtez, et ce que vous faites maintenant est une connerie au sens propre. Il existe de nombreux processus, naturels ou techniques, qui ressemblent à des citations. Vous pouvez facilement obtenir un certain nombre d'IP qui ressemblent à des cotations avec des niveaux Fibo, et d'autres attributs.
PS: Si vous voulez trouver le gnomon du phénomène, alors - fractals !!!!. :о)