ベルヌーイ、モアブ・ラプラスの定理、コルモゴロフ基準、ベルヌーイ方式、ベイズの公式、チェビシェフ不等式、ポアソン分布則、フィッシャー、ピアソン、スチューデント、スミルノフ等の定理、モデル、数式を使わない平易な言葉。 - ページ 8

 
Mathemat:
好きなようにやってください。刻みの特性が分からないのでアドバイスできない。

実際のティックプロセスをシミュレートすることではないのです。逆に、今のところ必要なのは、OHLCの形をした古典的な正規分布だけなんです。大雑把に言うと、Open = Close-1、Close = sqrt(N) (Nはティック数)とすると、HighとLowの判定が問題になる。
 
C-4:

実際のティックプロセスをシミュレートすることではないのです。逆に、今のところ必要なのは、OHLC形式の古典的な正規分布だけなんです。大雑把に言うと、Open = Close-1, Close = sqrt(N) (Nはティック数)とすると、HighとLowを決める問題です。

私の記憶では、ランダムなシリーズでは、|Close-Open|ローソク足本体の長さは、上下の影の長さの平均和に等しいと思います。したがって、Closeをsqrt(N)としてモデル化し、上側の影の長さを|sqrt(N/4)|、同様に下側の影の長さを|sqrt(N/4)|としてモデル化した。もちろん、これは対称型sb(mo=0)の変形版である。非対称の場合、若干異なります。
 
Avals:

私の記憶では、ランダムな系列では、|Close-Open|ローソク足の長さは、上下の影の長さの平均和に等しいと思います。したがって、Closeをsqrt(N)としてモデル化し、上側の影の長さを|sqrt(N/4)|、同様に下側の影の長さを|sqrt(N/4)|としてモデル化する。もちろん、これは対称型sb(mo=0)の変形版である。アシンメトリーの場合は少し違います。

しかし、それは間違っている。ローソク足本体の長さと影の長さは依存関係にあるからです。だから、ローソク足をたくさん作って、その中から任意のローソク足で新シリーズを作る方が、影の分布を分析的に探せる。
 

1番目はOpenとLowの差、2番目と3番目の合計はLowとHighの差、4番目はHighとCloseの差というように、4つの生成値を取る。

大量のデータでは、CloseはOpenに収束し、High-Lowスプレッドはセグメントの値の2倍の分散を持つことになります(所定の分散を持つ4つの数字)。

 
C-4:

本物のティックプロセスを模倣するのではありません。逆に言えば、私が必要としているのは、OHLCの形をした古典的な正規分布だけなのです。大雑把に言うと、Open = Close-1、Close = sqrt(N) (Nはティック数)とすると、HighとLowを決定する作業です。

むかし、むかし、人工的な名言をランダムに生成していたことがあります。私は次のようにしました。各分ごとに、3つの独立した確率変数H、L、dltを求めました - バーごとにシフトします。期待ペイオフが0、指定分散でガウス法(点)に従って見つけるのです。同時に、得られた値をモジュロしてみた。また、シフトの方向-sgn-は偶然、50/50で選びました。つまり、Close = Open+sgn*dlt で、Hgを求めるには、(Open, Close)の大きいほうにHを足し、Lwを求めるには、(Open, Close)の小さいほうにLを引いているのです。

もちろん、得られた見積もりは実際のものと比較されます(ただし、主観的な認識のレベルです)。その時、人工相場と本物の相場の「類似性」を定義する唯一の量が、オフセット分散-dltであることに驚かされました。ナチュラルコティアに近いものにするためには、オフセットの分散が非常に小さく、つまり微小なオフセットのほとんどがゼロでなければならない。そうでなければ、超ボラティリティの高い市場になってしまう。HgとLwの分散はクオタイアの''シャギー''の程度に影響を与えた。トレンドの真似をするために、方向選択の確率を49/51と少し変えてみたが、1日で見れば強力なトレンドが出たと思う。

その結果、さまざまなモードの生成という非常にシンプルなモデルができたわけです。私はボラティリティの高いトレンドが必要だったので、シフトの分散を大きくして、方向の確率を変えてみました。私は低ボラティリティのフラットが必要だったので、シフトの分散を非常に小さくし、方向は50/50にしました。

 
C-4:

1番目はOpenとLowの差、2番目と3番目の合計はLowとHighの差、4番目はHighとCloseの差というように、4つの生成値を取る。

大量のデータでは、CloseはOpenに収束し、High-Lowスプレッドはセグメントの値の2倍の分散を持つことになります(所定の分散を持つ4つの数字)。

botscarのアイデアは不向きなのでしょうか?
 
C-4:
...しかし、非常に時間がかかり、無意味な方法です。

そんなに遅くないから、タバコに火をつける暇もないでしょう。

 
faa1947:
ブーツラップアイデアは不適切か?


ブーツラップとは?

整数

そんなに遅くないから、タバコに火をつける暇もないでしょう。

純粋なC#で実装してみる。
 

この件に関して質問があります

以下のディストリビューションの範囲を理解しようとしています。

一般化パレート分布(GPD)と極値分布(GEV)

これらの分布は、互いに、正規分布と、それぞれ一様分布と、どのような関係にあるのでしょうか。つまり、現実の世界では、どのようにすれば、彼らが記述しているような出来事が起こるのでしょうか。

 
C-4:


ブーツラップとは?


VIKIにあります。

ランダムに利用できるサンプルを交換することで、サンプル上で利用可能なパラメータの確率に頻度が収束するようにするものです。