Dalla teoria alla pratica - pagina 70
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
Immaginiamo una scatola nera (dentro i commercianti e il mercato, la borsa) senza influenze esterne, e che vive una vita propria - l'output della scatola: un flusso di quotazioni. Anche senza influenze esterne cambierà in qualche modo.
Ora lasciamo che questo BS riceva delle delta-funzioni casuali (per l'osservatore) di segno e intensità diversi (notizie, per esempio). Il NM inizia a reagire in qualche modo e noi osserviamo non gli effetti stessi, ma la risposta del NM ad essi + vita indipendente del NM stesso.
La memoria c'è, ma l'output è una sovrapposizione di risposta a molti eventi e l'auto-vita del NM. Anche nel caso di un sistema di controllo semplice (ACS) il problema della divisione di cosa non è molto risolvibile.
Beh, in linea di principio ho già costruito da tempo tale modello, la questione è come visualizzare la proiezione dei livelli in incrementi?
Beh, in linea di principio ho già costruito da tempo un tale modello, la questione è come visualizzare la proiezione dei livelli nei gradienti?
No, non puoi.
Il terreno stesso, strutturalmente, non è altro che un integratore. Differenziando otteniamo solo la reazione di insiemi di commercianti all'impatto. In termini di filtraggio, la differenziazione sta sollevando la componente HF e sopprimendo quella LF, cioè dopo la differenziazione si ottiene solo rumore intorno allo zero.
SZZ dobbiamo integrare di nuovo per isolare qualcosa).
Immaginiamo una scatola nera (dentro i commercianti e il mercato, la borsa) senza influenze esterne, e che vive una vita propria - l'output della scatola: un flusso di quotazioni. Anche senza influenze esterne cambierà in qualche modo.
Ora lasciamo che questo BS riceva delle delta-funzioni casuali (per l'osservatore) di segno e intensità diversi (notizie, per esempio). Il NM inizia a reagire in qualche modo e noi osserviamo non gli effetti stessi, ma la risposta del NM ad essi + vita indipendente del NM stesso.
La memoria c'è, ma l'output è una sovrapposizione di risposta a molti eventi e l'auto-vita del NM. Anche nel caso di un sistema di controllo semplice (ACS) il problema della divisione di cosa non è molto risolvibile.
E le mie 36 coppie di valute? Di che tipo di supercomputer avrei bisogno per commerciare su tali flussi allo stesso tempo? Sono deluso...
Peccato... Peccato che non siamo mai riusciti a sentire il capo del dipartimento dei trasporti. (с)
Chi cancella i post degli altri e perché? Va bene, non mi dispiace farlo di nuovo:
Alexander_K2, e la distribuzione della riga modificata? È una cosa minuscola da calcolare.
Ho calcolato correttamente l'RMS?
Ecco la formula:
Ecco il risultato in Excel:
Avete calcolato correttamente l'RMS. Tuttavia, vedi quanto sarebbe se n=1. Vi chiederete che razza di assurdità è questa. Il nome "n - volume della popolazione statistica" è molto vago, di solito si scrive che n è il numero di elementi nel campione. Allora l'RMS secondo questa formula non può essere calcolato se c'è solo un elemento. Ecco perché il quadrato della RMS è chiamato una stima della varianza "distorta". Ce n'è anche uno imparziale, dove n è n1-1 invece di n nel denominatore. La radice quadrata della stima imparziale della varianza è chiamata deviazione standard.
La natura di questo conflitto è che un elemento ha un solo grado di libertà. Se molte-molte caratteristiche sono definite a partire da un piccolo numero di dati, diventano dipendenti l'una dall'altra. In questo caso la media aritmetica è inclusa nel calcolo dell'RMS. Per così dire, un grado di libertà è già stato utilizzato. Lo "strano" comportamento del denominatore della deviazione standard è solo per dire che sia la media che lo spread non possono essere determinati da un singolo elemento. Si può vedere che la deviazione standard è sempre maggiore della deviazione standard di un fattore di [n/(n-1)]^0,5. Tuttavia, se il numero di elementi nel campione è grande, potete dimenticarvene, perché non è molto. Quando n=100, è (100/99)^0.5=1.005, che è mezzo per cento. Inoltre, se sappiamo con certezza che l'RMS tende costantemente a qualche valore.
È qui che entra in gioco la parte difficile. "RMS tende a", cioè le leggi dei grandi numeri funzionano. Se il fenomeno reale che si misura ha effettivamente questa stabilità. In altre parole, l'ipotesi di base della teoria della probabilità è soddisfatta - la frequenza relativa di un evento tende a qualche valore all'aumentare del numero di eventi. Questo è anche chiamato "stabilità statistica". Se non esiste, tutta la teoria classica della probabilità è inapplicabile al fenomeno. Questa differenza è discussa nelle enormi citazioni di Oleg avtomat, che partono dahttps://www.mql5.com/ru/forum/221552/page58#comment_6191471 in poi. Sono difficili da leggere. Secondo me, è molto più divertente vedere la presentazione del rapporto di Gorban con immagini e grafici. Creerà uno stato d'animo più ottimista e costruttivo, come questa frase:
"È stato dimostrato che le mareggiate oceaniche, tradizionalmente considerate come un pronunciato fattore destabilizzante, possono migliorare le prestazioni delle stazioni idroacustiche".
Anche per i tassi di cambio, l'autore è andato in giro a cercare la frase "mediata su 16 decenni, il parametro di instabilità statistica (curva continua) e il campo di variazione di questo parametro mediato, definito da RMS, (curve tratteggiate) per la quotazione del dollaro australiano (AUD) al dollaro americano (USD) per il 2001 (a). (a) e 2002. (б)".
Allego la presentazione, e per chi vuole altre fonti, ecco un elenco di presentazioni, a volte con indirizzi di file, dalla lista "Archivio dei passati seminari "Image Computer" http://irtc.org.ua/image/seminars/archive dal 2002-2017. Gorban ha fino a una dozzina di monografie sugli sviluppi dei fenomeni "iperrandom":
I.I. Gorban Teorie dei fenomeni ipercasuali. Teoria e pratica. Sezione 7. Analisi del sistema.
I.I. HURBAN I HYPERRANDOMNESS KIEV NAUKOV DUMKA 2016. - 288 p. ISBN 978-966-00-1561-6