Calcolare la probabilità di inversione - pagina 7
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
Non sono i modi di stimare i parametri di una distribuzione normale (adattamento, approssimazione) che lo mostrano affatto. È la distribuzione normale stessa che non ha code spesse. Chiedi ad Alexander_K2, lui stava cercando quelle code. Basta guardare la tabella con i parametri delle unità. Ci sono tabelle in ogni libro di testo sulla TV, credo, e in ogni libro di riferimento di matematica. Non importa come lo regoli, devi cambiare la distribuzione delle varianti per catturare le code grasse. E perché esattamente avete bisogno di una distribuzione di probabilità? Esattamente la distribuzione di probabilità? Perché questi timbri per "alcuni dati"? Oppure non si tratta di dati, ma di frequenze relative campionate, come avevo intuito?
Forse il punto è che la rappresentazione probabilistica non descrive affatto i vostri dati? Ricorda, come il payoff atteso balla sull'immagine di Yuriy Asaulenko https://www.mql5.com/ru/forum/221552/page162#comment_6399653 sui tassi Forex. Non volete usare la rappresentazione probabilistica per loro? Allora è chiaro da dove vengono le code pesanti.
Beh, naturalmente, campionare le frequenze relative degli incrementi di prezzo. Ho pensato che fosse abbastanza chiaro, non molte persone sono interessate alle altre opzioni)
Non uso le distribuzioni per il trading, volevo solo colmare le lacune di conoscenza. Molte sfumature pratiche di matstat non sono descritte nei libri di testo per qualche motivo.
In questo caso, non sono interessato ai parametri della distribuzione, e nemmeno al suo tipo, ma semplicemente alla forma della curva. Quanto è vicino alla gaussiana, dove se ne discosta e di quanto. Ci sono centinaia di pagine nei libri di testo sulla stima dei parametri, e nessuna sulla stima della forma.
Nella formulazione della formula il problema da voi posto è risolto in una riga nella formulazione generale, anche il confronto dei risultati con il vostro esperimento con k=0,65 è fatto. O non hai capito che p10^(1/10) è la soluzione?
Non l'ho letto attentamente all'inizio. La prima cosa che mi è venuta in mente è stata la stima del bordo, che è il modo in cui l'ho stimato inizialmente. Ma poi è sorta una domanda, cosa succede se prendiamo il punto centrale dell'istogramma invece dei bordi? E poi ho capito che non è così semplice, un grado non è sufficiente. In ogni caso, grazie per la tua partecipazione, molto probabilmente risolverò il problema di petto, come sempre, iterando e facendo una formula completa per ogni punto di interesse.
"a occhio" significa tracciare il grafico quantile-quantile(o probabilità-probabilità) per il campione e la distribuzione normale e assicurarsi che approssimi bene la linea retta.
Beh, lì sarà lo stesso problema. Il valore assoluto dell'errore sulle code è molto più piccolo che al centro. E il contributo dovrebbe essere lo stesso, presumo.
Ho il sospetto che questo thread non sia stato creato per caso :)))
Ricordo che in qualche modo riuscite a ridurre la doppia distribuzione gamma degli incrementi nel mercato alla pura normalità... E ora stai cercando una risposta alla domanda - cosa c'è dopo!
Sostengo Bas con il suo consiglio - avete bisogno di passare alle opzioni. Il modello di Black-Scholes dovrebbe ovviamente funzionare sui vostri dati.
Non proprio) quello che c'è dopo l'ho deciso molto tempo fa, anche prima di iniziare a fare. Ma di solito disegno algoritmi un po' a modo mio, a causa della mia limitata conoscenza della matematica, spesso consumano molte risorse, e risolvono il problema in modi specifici.
A volte faccio qualcosa, e poi qualche tempo dopo trovo la soluzione, che si rivela essere molto più facile ed economica.
Cioè, voglio ancora evolvere e avere un approccio più intelligente ogni volta.
Per quanto riguarda il modello Black-Scholes, quando ne ho sentito parlare per la prima volta, sono rimasto molto sorpreso che abbiano dato un premio Nobel per un modello così primitivo e ho pensato: "vedo dove la scienza del mercato è in fondo", ho usato una tecnologia simile nei miei vecchi sviluppi, ma non sapevo che danno premi Nobel per questo)). Ora so dove sono gli errori e se vado a fare trading di opzioni, non è con questa formula.Beh, lì sarà lo stesso problema. Il valore assoluto dell'errore nelle code è molte volte inferiore a quello del centro. E il contributo dovrebbe essere lo stesso, come presumo.
Dovremmo guardare come questi errori sono distribuiti nel tempo nel campione iniziale e se non c'è dipendenza tra loro. Se non c'è dipendenza e si trovano più o meno uniformemente, dobbiamo selezionare un'altra famiglia parametrica di distribuzioni. Altrimenti, le condizioni del teorema di Glivenko-Kantelli sono violate e non si dovrebbe sperare che l'istogramma approssimi la densità di qualche distribuzione.
È necessario vedere come questi errori sono distribuiti nel tempo nel campione originale e se non c'è dipendenza tra loro. Se non c'è dipendenza e sono più o meno uniformemente distribuiti, dobbiamo scegliere un'altra famiglia parametrica di distribuzioni. Altrimenti le condizioni del teorema di Glivenko-Kantelli saranno violate e non dovremmo sperare che l'istogramma approssimi la densità di qualche distribuzione.
La domanda è se lo sto facendo correttamente - sto dando agli errori nelle code lo stesso peso che nel centro (usando i due metodi sopra menzionati che ho dovuto inventare io stesso a causa della loro assenza nei libri di testo).
Non mi interessa un particolare tipo di distribuzione. Solo le differenze dalle gaussiane sono interessanti.
La domanda è se sto facendo la cosa giusta dando agli errori nelle code lo stesso peso degli errori al centro (usando i due metodi di cui sopra, che ho dovuto inventare io stesso a causa della loro assenza nei libri di testo).
Non mi interessa un particolare tipo di distribuzione. Interessato solo alle differenze dalle gaussiane.
Consideriamo un grafico di densità di distribuzione uniforme sull'intervallo da zero a uno. Le gaussiane con quali parametri lo approssimano correttamente?
Una contro-domanda: facciamo un grafico della densità di una distribuzione uniforme su un segmento da zero a uno. Quali parametri della gaussiana lo approssimano correttamente?
Beh, stiamo parlando di distribuzioni che assomigliano a una gaussiana.
Beh, stiamo parlando di distribuzioni di tipo gaussiano.
Ok, prendiamo allora una densità di distribuzione Cauchy o Laplace.