チック：振幅と遅延の分布 - ページ 4

新しいコメント
 
New:
枝の最初の図は、典型的なノイズ指数を示しています。全く同じ 指数が、例えば 5 分間にレートが通過するポイント数を計算し、そのポイント数からヒストグラム N を作成しても得られます。


New さん、貴重な情報ありがとうございました。典型的なノイズ指数」とは何か、つまり、どのような確率密度 関数を表しているのか、説明してください。数式を出す必要はなく、統計学で認められている名称を出せばよい。
。

2つ目の図は、1週間における市場のボラティリティの変化です。そこでの変動は明らかであり、その変化もまたランダムな性質を持っています。

そこに厳密に決定論的な周期性があるとは言いませんが、統計的な規則性はあり、客観的な性格を持っています（アジアの小康状態）。私の考えでは、プロセスの「決定論的な部分」は、周期的な関数によって許容できる精度でモデル化することができます。

長期的なパターンを探す方が有利です。

また、思い出させてくれてありがとうございます。私もそうですが、ティックの分析には、その行動から直接利益を得るためではなく、言うなれば、賢明なリスク管理戦術を立てるために行うことにしています。
 
Mathemat:
New さん、貴重な情報ありがとうございました。典型的なノイズ指数」とは何か、つまり、どのような具体的な確率密度関数に対応するものなのか、説明してください。数式を出す必要はなく、統計学で認められている名称を出せばよい。 。


そうですね、どちらかというとスラング的な意味合いが強いですね。例えば信号の振幅の大きさがランダムに分布している場合、
、スペクトルは最初の図のようになる。つまり、振幅の大きい信号の数（ナンバー）
は指数関数的に 減少することになる。もし異常（規則性）があれば、「
この逆指数でピークやスパイクが発生する」ことになる。

アジアの小康状態というのは、もちろんジャップが暴れない限り客観的にはありえないことですが、
、使いづらいと思います。
 
New:
例えば信号の振幅がランダムに分布して いる場合、 、スペクトルは最初の図のようになる。つまり、振幅の大きい信号の数（数） は指数関数的に減少していくことになる。もし異常（パターン）があれば、この逆指数 、「ピーク」「スパイク」が発生する。



あなたの回答で重要な言葉を強調しました。どんだけ 適当なんだよ

そして第二に、最初のグラフは 振幅のヒストグラムではなく、ラグのヒストグラムであることに注意してください。ほとんどすべてが、振幅で多かれ少なかれ明らかになります。

追伸：「ノイズ指数」という言葉は、インターネットでは見つけられませんでした。
 
Mathemat:
ご回答の中で、重要な言葉を強調しました。どんだけ 適当なんだよ

そして第二に、最初のグラフは振幅のヒストグラムではなく、ラグのヒストグラムであることに注意してください。振幅は多少なりともはっきりしている。

実は、どの分布がガウシアンかポアソン指数かは、あちこちで問題になっていない。
ラグがガウスに従って分布しているとする。遅延のガウス型最大値が1秒領域にあるとすると、持続時間tの遅延の数は、あるkpfファクターでN0*(1/exp(t-to))となり、ここでN0は最大時の遅延の数である。分布の詳細を確認するためには、最大値付近（1秒付近）を注意深く調べる必要がありますが、実際にはその必要はなく、誤差や制限により不可能な場合も多いため、一般的な俗称としてノイズ指数と呼ばれるようになりました。実際には、偏差を見つけることがより重要です。例えば、Nが3000でラグ数のピークが50秒程度あったとしたら、それは興味深いことです。
 

もちろん，ガウス分布とポアソン分布の間には，最終的には特別な違いはありません。どちらも一つのピークがあり，最大値付近のすべての曲線の振る舞いは同じ（放物線）なので，分布の第3，第4モーメント（非対称と過剰）は無視できます。 実際，すべての単一モード分布間の違いは絶対にはかないもので，特に両者が同じ指数を持つ場合，それははかなくもあるのです。ヘビーテイルのことも忘れてください。それはすべて、邪悪なものからのナンセンスです...。

2012.10.31追記：冗談だったのですが、当時は理解されませんでした...。

 
Mathemat:
rebus:
途中で辞めないくらいの優しさを持ちましょう。
これは、より広いプロジェクトの一部なのです。ただ、この2回目のタイムテーブルがちょっと問題で、まだ実感がわかないんです。少し待つだけで、考えがまとまってくる・・・。

追伸：あるそうです。今のところ1台のみ。ブランチの最初のページから2番目のグラフで、刻みの遅れの激しい差を何とか滑らかにするために、単純にその対数を計算したのです。4月の2週間（1日、2日）の擬似ランダム遅延対数処理を紹介します。

...........................................................................

どちらのプロセスも、遅延時間そのもののプロセスと比較して、より「均質化」しています。ラグを対数化すると、約0（ラグ＝1秒）から7（ラグ＝1000秒以上）までの区間で数字が表示される。
ラグ対数過程の時間関数としての「準定常性」は、偶然ここに現れたのではないのだろう。 ......
刻みの間隔の対数の分布関数をプロットすると、
、ガウスに近いものが得られる可能性が非常に高いです。

これは統計学の一般的なパターンであり、中心極限定理（CLT）の帰結のようなものである。
確率変数が無境界（マイナスからプラス無限大までの値を取りうる）であれば、
、CPTによれば、多くの確率要因がその変数の分布関数を正規則に追いやることになります。
もちろん、TPTの前提がすべて満たされていることが前提ですが。

同様に、ある確率変数が厳密に正である場合
（例えば、前後の事象の間の時間間隔）、
その確率変数は対数正規 分布に従うことになります。
また、同様に、その量の対数は正規分布に従うことになる。

これらの記述は、非常に多くの確率変数について正しい。
例えば、物価、銀行の預金の大きさ、人の身長などに対してです。
 


同様に、ある確率変数が厳密に正である場合
（例えば、前後の事象の時間間隔）、
その確率変数は対数正規 分布に従うことになる。

マック、ピータース読めよ、スパイダーに出てるぞ。彼は、市場における正常／対人関係の夢をすぐに払拭してくれるでしょう。とにかく、正常な仮説に基づくリスク評価は、現実と大きく乖離している。
 
ありがとうございます、また今度...。
これらのテーマに関する私の白昼夢は、7年ほど前に消えた。
 
さて、同じような研究がすでにあることがわかりました。http://forum.fxclub.ru/showthread.php?t=32942.確かに、Northwindの目標はやや異なりますが、それでも彼の投稿はスタイルや情報の面で非常に興味深いものです - そして、最も興味深いのは、彼が同じダニの原因を持っているということです。そして、その人は、ガウスデータで利益を実験的に証明することを真剣に課題としていたようだ。このテーマに関する本当の情報は、このスレッドの最初の2ページと最後の2ページに集中しています。

 Mak さん、ティック分布のラグに対する対数正規性は正しいかもしれませんが、直接証明することはできませんね...。
 
ここでは、ある組の結果を他のすべてに拡張することができないことを証明する不思議な結果を紹介する。では、_DJIを取り上げます。15:30～22:00（アルパリ時間）に取引されている指数です。データは07.06.19から07.06.22まで、合計38500刻みです。

1. p.d.f.はticksを遅らせる。


2.時間の関数としてのラグ（ラグが集中している部分をより明確に見るために、いくつかの非常に大きなラグを取り除かなければならなかったが、これらの大きなラグは実際にはごくわずかである）。

3. 振幅のpdf。


何が見えるのか？3つ目のグラフには驚きはありませんが（EURUSDと同様、2つの鋭いピークがあります）、最初の2つは考えさせられます。 pdf遅延は偶数秒の 領域にはっきりとした極値を持ち、遅延時間関数がこれを確認します。 おそらく、これは指数引用の特異性と関連しています。

金の同様のチャート/ヒストグラムは、EURUSDと比較して、より "ノイズ "が多いことは認められますが、特別なことは何も示していないことは興味深い点です。
12345678
新しいコメント