Calcolare la probabilità di inversione - pagina 10

 
secret:

Lo è:

https://en.wikipedia.org/wiki/P-P_plot

Prendiamo due parabole diverse, per esempio. C'è una relazione lineare tra loro. Anche se entrambe le curve sono non lineari.

Per far sì che la relazione diventi lineare, le coordinate devono essere trasformate in modo non lineare. Non parlerò di alcuni dati, ma per il problema della stima della probabilità di grandi deviazioni allego un articolo della dimensione di un libro: Wentzel A.D. Rough limit theorems on large deviations for Markov random processes. Difficilmente l'ho letto io stesso, ma potrebbe aiutarvi. L'edizione del 1976.

 
Vladimir:

Bisogna trasformare le coordinate in modo non lineare per rendere la relazione lineare.

Beh, la domanda originale riguardava proprio questo, una trasformazione di coordinate non lineare.
Forse avrei dovuto dire "regressione" piuttosto che "approssimazione" per essere più chiaro.
È solo che per i miei standard contadini, in questo caso è la stessa cosa, poiché una delle quantità è una linea continua, non un insieme di punti.
 
Serqey Nikitin:

Come tutti voi sapete QUALSIASI problema può essere risolto in SEI DIVERSI modi...

Per esempio:

1. Si può cercare di PREVENIRE un'inversione di tendenza futura...

2. Si può documentare un'inversione di tendenza in una situazione CORRENTE del mercato...


Come si capisce, la variante №1 è MOLTO difficile da risolvere con un alto grado di affidabilità...

L'opzione 2 è molto più facile, dato che non devi essere un sensitivo come Vanga, e i risultati positivi saranno molto più alti che nella prima opzione...


Tutto sommato: il modo GIUSTO di impostare il problema dà più della metà della sua soluzione!

Non si tratta affatto di tendenze
 
Vladimir:

Affinché la relazione diventi lineare, le coordinate devono essere trasformate in modo non lineare. Non parlerò di alcuni dati, ma per il problema della stima della probabilità di grandi deviazioni allego un articolo della dimensione di un libro: Wentzel A.D. Rough limit theorems on large deviations for Markov random processes. Quasi non l'ho letto io stesso, ma potrebbe aiutarvi. L'opera è del 1974.

Credo che Elena Sergeevna lo fosse.

 
Ragazzi, le code grasse sono solo una conferma dell'inadeguatezza della TV al commercio. Sono molto spessi. Più spesso della parte superiore.
 
Maxim Romanov:
Non si tratta affatto di tendenze
Un pivot è un pivot... O stai calcolando i grafici a tick?...
 
Алексей Тарабанов:

Credo che Elena Sergeevna lo fosse.

Coniuge

 
Алексей Тарабанов:
Ragazzi, le code grasse sono solo una conferma dell'inadeguatezza della TV per il trading. Sono molto spessi. Più spesso della parte superiore.

e anche la TV.

ma ieri ho letto della distribuzione di Cauchy.

C'è una cosa divertente sulle densità di probabilità.

e poiché laprobabilità di ingresso è 0,5, quindi la funzione di densità di probabilità dovrebbe essere uguale anche

In questo caso non siamo più interessati alla forma della distribuzione, e nel complesso il teorico ha già fatto la sua parte ;)

Ecco un disegno da un thread parallelo

Forum sul trading, sistemi di trading automatico e test di strategie di trading

FOREX - Tendenze, previsioni e conseguenze 2020

Lesorub, 2020.02.25 19:43

Ce ne sono molti qui intorno. Non sono rimaste nemmeno le molecole...



se si calcola l'area dei triangoli per comprare e per vendere, non sono uguali

Cioè questo tipo di analisi è destinato a fallire.

 
Vladimir:

Coniuge

А. D. - figlio, coniuge - D.A.

 
Vladimir:

Affinché la relazione diventi lineare, le coordinate devono essere trasformate in modo non lineare. Non parlerò di alcuni dati, ma per il problema della stima della probabilità di grandi deviazioni allego un articolo della dimensione di un libro: Wentzel A.D. Rough limit theorems on large deviations for Markov random processes. Difficilmente l'ho letto io stesso, ma potrebbe aiutarvi. Edizione 1976.

In questo caso la teoria alla base del test di Kolmogorov-Smirnov sarebbe più accurata. La funzione di distribuzione empirica è trattata come un processo di Poisson e la sua deviazione dalla funzione di distribuzione teorica nel limite (quando la dimensione del campione tende all'infinito) convergerà verso un ponte browniano. Potete leggerlo nel libro di testo di Borovkov su matstat.