Dalla teoria alla pratica - pagina 365
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
Signori!!!!!!!!!
Sta per finire, vero? Finita la commedia, come si dice.
Vi assicuro che i flussi di Erlang sono la chiave.
Qui, letteralmente, ho appena controllato le quotazioni AUDCAD di questa settimana.
1. Nessun intervallo di tempo aiuta a leggere le citazioni in modo uniforme. In ogni caso, su M1, M5, ecc. non c'è una distribuzione simmetrica, nemmeno lontanamente simile a quella normale o di Laplace. Impossibile da ottenere, fai quello che vuoi.
2. Quando si passa dal flusso semplice al flusso Erlang di ordine 300 (qualcosa come M5), si osserva con sicurezza la distribuzione di Laplace per gli incrementi.
Non ho ancora controllato ulteriormente.
Saluti,
Il gatto di Schrödinger.
cioè la lettura esponenziale può essere rimossa, o è ancora primaria e poi Erlang?
Cioè, la lettura esponenziale può essere rimossa, o è ancora primaria e poi Erlang?
Si scopre che è possibile impostare un generatore HF con distribuzione Erlanghttps://en.wikipedia.org/wiki/Erlang_distribution di ordine 300 e leggere le quotazioni in tick a questi intervalli di tempo. Ordini più piccoli non possono essere considerati - la transizione alla distribuzione di Laplace si osserva solo a partire da 300.
Sfortunatamente, non conosco un tale "processo di Laplace" in contrapposizione a un processo di Wiener. Ma dovrebbe comunque rendere il problema molto più facile da risolvere.
Si scopre che è possibile impostare subito un generatore HF con la distribuzione Erlanghttps://en.wikipedia.org/wiki/Erlang_distribution di ordine 300 e leggere a questi intervalli di tempo le quotazioni dei tick. Ordini più piccoli non possono essere considerati - la transizione alla distribuzione di Laplace si osserva solo a partire da 300.
Sfortunatamente, non conosco un tale "processo di Laplace" in contrapposizione a un processo di Wiener. Ma dovrebbe comunque rendere il problema molto più facile da risolvere.
E c'è anche la distribuzione q-gaussiana, può in qualche modo essere rilevante qui? C'è qualcosa sull'entropia e su tutto, è solo che i codici sono già lì :)
Non ho ancora capito niente dall'articolo
Con Close a verbale, tutti lavorano. Qui si è in concorrenza con tutti, anche con i papuani. E nei flussi Erlang si è soli, e con la distribuzione Laplace con la sua nota funzione quantile.
Con Close a verbale, tutti lavorano. Qui si è in concorrenza con tutti, anche con i papuani. E nei flussi Erlang - sei solo, e con la distribuzione Laplace con la sua nota funzione quantile.
(Mm-hmm. Se si raffina la distribuzione del 2-3% - non si noteranno nemmeno questi errori sul grafico). Qui non avete nessun vantaggio, nemmeno sui papuani).
Con Close a verbale, tutti lavorano. Qui si è in concorrenza con tutti, anche con i papuani. E nei flussi Erlang si è soli, e con la distribuzione Laplace con la sua nota funzione quantile.
La distribuzione Laplace, Esponenziale come caso speciale della distribuzione Erlang a k=1, la distribuzione Gamma, analogo del flusso geometrico continuo e semplice di Poisson e un caso speciale della distribuzione Weibull hanno una caratteristica chiave - la mancanza dimemoria. La distribuzione di Laplace, anche se tende alla distribuzione normale, ha code più dense.
Mentre A_K2 sta armeggiando con i flussi di Erlang, qui ce l'abbiamo tutti da molto tempo). Prendiamo dati minuti, diciamo Close, e abbiamo già un flusso Erlang di circa 90-100 ordini. E tutte le distribuzioni sono dove dovrebbero essere. Cosa c'è da pensare? Dobbiamo scuoterci sopra.
Non avrete il tempo astronomico, si sposterà, è il tempo operativo.
La distribuzione Laplace, Esponenziale come caso speciale della distribuzione Erlang a k=1, la distribuzione Gamma, analogo del flusso continuo geometrico e semplice di Poisson e un caso speciale della distribuzione Weibull ha la proprietà chiave di non averememoria. La distribuzione di Laplace, pur tendendo alla normalità, ha code più dense.
Le code non sono la memoria. La memoria è la dipendenza dell'incremento successivo da quello precedente.
Le distribuzioni non portano la minima informazione sulla presenza/assenza di memoria - per questo dovete guardare le distribuzioni condizionali o l'autocorrelazione, che sono essenzialmente la stessa cosa.
Una semplice illustrazione: posso mescolare qualsiasi serie di gradienti (scambiare gradienti in modo casuale). La memoria può apparire o meno. Ma la distribuzione rimane invariata.
I cittadini che soffrono di questo problema, vanno su Google e studiano le basi. Altrimenti è ridicolo leggervi.