Mettete una parola sul vagabondo occasionale... - pagina 24
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Probabilmente sarebbe meglio cambiare il compito per il mercato - aggiungere che ci sono anche 1000 principesse e che scelgono allo stesso tempo quando viene mostrato il prossimo sposo. Se lo sposo piace a due spose, lui sarà solo la metà di loro)). Una volta che una sposa ha un totale di 1 sposo, non partecipa più allo spettacolo. Qual è la strategia ottimale della sposa? :)
Il problema non è chiaramente risolto se le spose non sono interessate alle strategie dell'altra)).
Il principe è il profitto cartaceo accumulato da quando il princesso si è messo in posa (aperto).
+centocinquanta
E se immaginiamo che i principi siano timbrati come in una catena di montaggio (appena qualcuno muore, uno nuovo viene aggiunto alla coda), allora il "desiderio" della principessa di avere costantemente (o almeno aspirare ad avere) il miglior sposo disponibile è simile al compito che i dipartimenti di analisi del rischio stanno risolvendo.
Hai sbagliato tutto.
Forex è una principessa. Quando pensa di essere già "Eccolo!", fa la sua scelta e torna indietro. :)
È così, perché il mercato ha sempre l'ultima e decisiva parola.
La cosa brutta è che se l'affare è presentato come uno sposo, allora il mercato può anche avere diversi sposi in fila come una principessa. Le condizioni del problema sono molto diverse.
Ancora, non capisco davvero perché non vogliamo applicare la condizione il più vicino possibile al problema originale?
Abbiamo 1000 letture di prezzo, che vengono una dopo l'altra, dobbiamo scegliere una di, diciamo, m=10 massime con la massima probabilità. Il problema è fondamentalmente decidibile, la condizione necessaria e sufficiente per esso è conoscere la distribuzione di probabilità delle prossime quotazioni per ogni momento del tempo, anche se arbitraria (se assumiamo che le quotazioni siano dipendenti). E questa domanda può essere facilmente risolta, stimare i parametri della distribuzione condizionata quando la sua forma è nota è un compito abbastanza standard.
Il metodo è descritto ulteriormente nell'articolo, tranne che i calcoli saranno più complicati... ma chi gli impedisce di farli numericamente, senza accumulare formule?
Il problema qui non è tanto in questo, ma nella possibilità fondamentale di risolvere il problema a livello "redditizio", perché per usare il risultato nella pratica, dobbiamo ottenere con una probabilità superiore al 50% al massimo e al minimo dell'intervallo, cioè.cioè Pmax*Pmin>=0,5, dove Pmax e Pmin>=0,7071, cioè è necessario scegliere m in modo tale da fornire non peggio del 71% di indovinare il massimo-minimo, che può essere praticamente irrealizzabile.
Ma nel complesso, secondo me, il problema in questa formulazione merita molta attenzione. Probabilmente lo farò comunque.
Ancora, non capisco davvero perché non vogliamo applicare la condizione il più vicino possibile al problema originale?
Abbiamo 1000 letture di prezzo, che vengono una dopo l'altra, è necessario scegliere con la massima probabilità uno di, diciamo, m=10 massimi. Il problema è fondamentalmente risolvibile, la condizione necessaria e sufficiente per esso è conoscere la distribuzione di probabilità delle seguenti citazioni per ogni momento del tempo, anche se arbitraria (se assumiamo che le citazioni siano dipendenti). E questa domanda può essere facilmente risolta, la stima dei parametri di una distribuzione condizionata con la sua forma nota è un compito abbastanza standard.
Il metodo è descritto in dettaglio nell'articolo, tranne che i calcoli saranno più complicati... ma chi ci impedisce di farli numericamente, senza un mucchio di formule?
Il problema qui non è tanto in questo, ma nella fondamentale possibilità di risolvere il problema a livello "redditizio", perché per usare il risultato nella pratica, dobbiamo ottenere con una probabilità superiore al 50% al massimo e al minimo dell'intervallo, cioècioè deve essere Pmax*Pmin>=0,5 dove Pmax e Pmin>=0,7071, cioè è necessario selezionare m in modo tale da fornire non peggio del 71% di ipotesi del massimo-minimo, che può risultare praticamente irrealizzabile.
Ma nel complesso, secondo me, il problema in questa formulazione merita molta attenzione. Probabilmente, alla fine lo farò.
Se conosciamo il tipo e i parametri della distribuzione condizionale futura, non è già abbastanza per fare soldi? Come lo sappiamo o come lo otteniamo?
Non abbastanza. La presenza di dipendenza non significa che l'aspettativa della distribuzione condizionata sarà diversa da zero. Inoltre, vi dirò, per quanto ho studiato a fondo, il MO delle distribuzioni condizionali è esattamente 0 o molto vicino ad esso perché la profondità di dipendenza sia almeno di 3 barre. Il contenuto principale della dipendenza statistica, quindi, è l'effetto delle citazioni precedenti sulla varianza di quelle successive.
Otteniamo i parametri condizionali abbastanza semplicemente. La densità condizionale del valore corrente x0 della serie della differenza che dipende dal precedente x1 si cerca come W(x0/x1) = (a0+a1*x1)/2 * exp{-(a0+a1*x1)*|x0|} - è una distribuzione esponenziale con la variabile linearmente dipendente dalla quotazione precedente. Ho studiato la forma di questa funzione e posso dire che questa forma di scrittura si adatta molto bene al mercato. E poi regoliamo i parametri a0 e a1 alla serie attuale con qualsiasi metodo conosciuto e li usiamo.
Non abbastanza. La presenza di dipendenza non significa che l'aspettativa della distribuzione condizionata sarà diversa da zero. Inoltre, vi dirò, per quanto ho studiato a fondo, il MO delle distribuzioni condizionali è esattamente 0 o molto vicino ad esso perché la profondità di dipendenza sia almeno di 3 barre. Il contenuto principale della dipendenza statistica, quindi, è l'effetto delle citazioni precedenti sulla varianza di quelle successive.
Otteniamo i parametri condizionali abbastanza semplicemente. La densità condizionale del valore corrente x0 della serie della differenza che dipende dal precedente x1 si cerca come W(x0/x1) = (a0+a1*x1)/2 * exp{-(a0+a1*x1)*|x0|} - è una distribuzione esponenziale con la variabile linearmente dipendente dalla quotazione precedente. Ho studiato la forma di questa funzione e posso dire che questa forma di scrittura si adatta molto bene al mercato. E poi aggiustiamo i parametri a0 e a1 alla serie attuale con qualsiasi metodo conosciuto e li usiamo.
Ma la distribuzione dipende dai dati di input e dalla conoscenza del processo. Cioè, avete studiato le dipendenze conosciute e trovato vari effetti nella memoria della volatilità e sulla base di ciò potete costruire distribuzioni di varianza condizionata. Sulla base di questo modello mo=0 su un grande insieme di dati. Ma questo non significa che non ci sia davvero memoria nella direzione degli incrementi, solo nella grandezza degli incrementi. Quindi i principi possono anche non andare a caso alla sposa, ma chi è peggio e chi è meglio può andare prima)) O in qualche altra sequenza non casuale. E questo fatto confonderà le carte. Lo schema funziona se i principi entrano a caso, indipendentemente dalla loro bontà e da quella di chi è entrato prima di loro. Naturalmente, se ci sono solo dipendenze come un principe molto buono sarà seguito da un principe molto buono o molto cattivo (dipendenze di valore), allora sì, il problema può essere risolto considerando il tipo di queste dipendenze
Ma dopo tutto, la distribuzione dipende dai dati di input e dalla conoscenza del processo. Cioè avete studiato le dipendenze note e trovato diversi effetti nella memoria della volatilità e da questo potete costruire distribuzioni di varianza condizionale. Sulla base di questo modello mo=0 su un grande insieme di dati. Ma questo non significa che non ci sia davvero memoria nella direzione degli incrementi, solo nella grandezza degli incrementi. Quindi i principi possono anche non andare a caso alla sposa, ma chi è peggio e chi è meglio può andare prima)) O in qualche altra sequenza non casuale. E questo fatto confonderà le carte. Lo schema funziona se i principi entrano a caso, indipendentemente dalla loro bontà e da quella di chi è entrato prima di loro. Naturalmente, se ci sono solo dipendenze come un principe molto buono sarà seguito da un principe molto buono o molto cattivo (dipendenze di valore), allora sì, il problema può essere risolto considerando il tipo di queste dipendenze
Non sto dicendo che conosco _tutte_ le dipendenze, ma ne conosco alcune e posso stimare le probabilità con esse. Per quanto ne so, i parametri a0 e a1 fluttuano molto lentamente, con un periodo di qualche ora su un grafico al minuto, e fluttuano in un intervallo abbastanza stretto, quindi è possibile calcolarli e utilizzarli.
La presenza di una correlazione non significa che i principi non arrivino per caso. Per esempio, potrebbe essere che la probabilità che un principe "leggermente migliore" arrivi dopo un principe "cattivo" sia leggermente più alta della probabilità che arrivi un principe "molto migliore", cioè in questo caso c'è una certa autocorrelazione positiva (al contrario dello schema classico, dove la probabilità di ottenere "molto migliore" e "leggermente migliore" è la stessa). Dipendenze di questo tipo non influenzano le prestazioni dello schema.
...la probabilità che un principe "leggermente migliore" arrivi dopo un principe "cattivo" è leggermente più alta della probabilità che arrivi un principe "molto migliore", cioè in questo caso c'è una certa autocorrelazione positiva (a differenza dello schema classico, dove la probabilità di ottenere "molto migliore" e "leggermente migliore" è la stessa). Dipendenze di questo tipo non influenzano le prestazioni dello schema.
E c'è un impatto. La correlazione qui non è "una qualche correlazione positiva", ma vicina a una e su uno spazio di ritardo molto ampio.