P(tp) =S[n=1...N] {P(price>=tp for time from 0 to n)*P(price>sl for time from 0 to n-1)} =S[n=1...N] {S[Price=tp-spread... +oo](W(Price,n))*S[Price=sl+spread+1... +oo](W(Price,n-1))} ｛S(Price+tp-spread=1... +oo)
P(sl) =S[n=1...N] {P(price<=sl for time 0 to n)*P(price<tp for time 0 to n-1)} = S[n=1...N] {S[Price=-oo ... sl+spread](W(Price,n))*S[Price=-oo ... sl+spread+1](W(Price,n-1))} ｛S(Price<=sl) (0〜1))｝ = S[N=2...N] {S(Price<tp for time 0〜n)(0〜1)(1〜1))｝ = S[N=2...
もういいんじゃないですか？それとも、もっと他に言い方があるのでしょうか？
正規化と確率 - 違いがわかりますか、それとも同じものだと思いますか？
しかし、私はもうあなたと何かを話したいとは微塵も思いません。
すみません、私の勘違いです。同期BPのスプレッドを考慮すると、そうなるはずです。
p(tp) = (sl - spead) / (sl + tp)
p(sl) = (tp + spread) / (sl + tp)
しかし、私はもうあなたと何かを話したいとは微塵も思いません。
>>同じく。
p(tp) = (tp - スプレッド) / (sl + tp)
p(sl) = (sl + spead) / (sl + tp)
p(tp) + p(sl) = 1
は、計算が正しくありません。
勝ち負けの確率を計算するには、将来の価格分布の多変量（正確には無限次元）先験的PDFを知る必要があります（そして、matstatが時系列に適用できないと言ってはいけません、それはこの目的のために作成されています）W（x、n）、ここでxは、価格が与えられた（または無限の）時間nに対してエントリポイントから特定の最大偏差に達したときにイベントです。価格軸の離散性も考慮し、積分を和に置き換えると、買い取引（売り取引-ミラー）の漸化式は以下のようになります（tpとslは暗黙の絶対水準）。
P(tp) =S[n=1...N] {P(price>=tp for time from 0 to n)*P(price>sl for time from 0 to n-1)} =S[n=1...N] {S[Price=tp-spread... +oo](W(Price,n))*S[Price=sl+spread+1... +oo](W(Price,n-1))} ｛S(Price+tp-spread=1... +oo)
P(sl) =S[n=1...N] {P(price<=sl for time 0 to n)*P(price<tp for time 0 to n-1)} = S[n=1...N] {S[Price=-oo ... sl+spread](W(Price,n))*S[Price=-oo ... sl+spread+1](W(Price,n-1))} ｛S(Price<=sl) (0〜1))｝ = S[N=2...N] {S(Price<tp for time 0〜n)(0〜1)(1〜1))｝ = S[N=2...
S[n=...]() は和演算子、+-oo は無限大の描き方です。
つまり、tpの確率を計算する際には、slが以前に働いていない確率を考慮する必要があり、その逆もまた然りである。
だから、そんな簡単なことだと思わないでください。わからないことは何でも掛け算して、その結果が用意されているのです。そんな簡単なことなら、聞かないよ。
勝敗確率を計算するためには、将来の価格分布の多変量（正確には無限次元）先験的PDFを知る必要があります ...
ここで無限に数える必要はない。実は、この問題はもっと些細なことで、つまり算術演算によるものなのです。まさにヒゲの問題ですね。
alsu さんが書き込みました(a)>>。
すなわち、tpの確率を計算する際には、slが以前に働かなかった確率を考慮しなければならず、その逆もまた然りである。
さて、p(tp)+p(sl)=1であることは、全尤度定理で述べられています。p(*)の計算式に置き換えて確認することができます。
無限大に数える必要はないのです。実は、この問題はもっと些細なことで、つまり算術演算によるものなのです。この問題は、かなりヒゲが気になります。
さて、p(tp)+p(sl)=1であることは、全尤度定理で述べられています。p(*)の計算式に置き換えて確認することができます。
負ける確率＋勝つ確率＝1であることは明らかです。問題はそのことではなく、この確率を構造化し、市場パラメータに基づいて分析的に求めることです。ヒゲの問題については（もし私がこの問題のことを正しく理解していれば）、一様分布を仮定しており、さらにあるステップでこの事象が起こるか起こらないかわからないため、このケースには適用できないのです。ところで、分布の密度を考慮せずに確率を計算する方法がわかりません（一様でない限り）。私はこの方法しか教えてもらえませんでした:)
ところで、分布の密度を考えずに確率を計算する方法がわからない（もちろん一様であれば別だが）。私はそのようにしか教えられませんでした:)
教え方が悪い（どこで教えているかというと、オタク全般と、何かを教えているのか）。
確率（正しい結果の場合）＝正しい結果の期待数／（正しい結果の期待数＋間違った結果の期待数）
周波数の場合は、同じ式で、ただ「予想」の代わりに「実」を代入する必要があります。
とか、分布密度とか、オタク的なことは抜きにして。
くだらないことを教わってきたんだな（オタクはどこで何を教わるんだろう）。
確率（正しい結果の場合）＝正しい結果の数／（正しい結果の数＋間違った結果の数）
そして、分布密度などというオタク的な戯言もない。
ティホノフは教職に就いたが、長くは続かず、引退した。
繰り返しになりますが、あなたの計算式は正しく、しかも些細なことです。そして、それは事後確率というか、当選頻度の推定を反映したもので、同じものではありませんし、上に引用したそれらの計算式におけるその要素も間違って計算されています。上に書いた正しい計算式。