反転の確率を計算する - ページ 7

新しいコメント
 
ちなみに、太い尾はガウス型混合物によってよくモデル化される。混合物は、重みは小さいが分散が大きい成分を含んでいるはずだ。例えば、Mertonのジャンプ拡散モデルでは、厚い漸増的なテールは、まばらだが大きなジャンプで説明される。
 
Vladimir:

それを示すのは、正規分布のパラメータを推定する方法（フィッティング、近似）には全くない。厚い尾を持たないのは、正規分布そのものです。Alexander_K2に聞いてください、彼はその尾を捜していたのです。単位パラメータの表を見てください。テレビの教科書にも、数学の参考書にも、表があると思うんです。どう調整しても、ファットテールを捕らえるためには変量分布を変えなければならないのです。また、具体的になぜ型の分布が必要なのでしょうか？まさに確率分布？なぜ「一部のデータ」にこのようなスタンプを押すのでしょうか？それとも、やはり何らかのデータではなく、サンプリングされた相対周波数なのでしょうか？

要は、確率的な表現がデータを全く記述していないということなのでは？Yuriy Asaulenkoの絵の上で期待されるペイオフがどのように踊るかを思い出してくださいhttps://www.mql5.com/ru/forum/221552/page162#comment_6399653 on Forex rates.確率的な表現を使いたいとは思わないのですか？そうすれば、重いテールがどこから来るのかが明確になります。

もちろん、価格差の相対的な頻度も試算してください。他の選択肢に興味がある人は少ないので、かなりわかりやすいと思いました)

私はディストリビューションを取引に使っていないので、知識のギャップを埋めたかっただけです。matstatの実用的なニュアンスは、なぜか教科書に書かれていないことが多い。

この場合、分布のパラメータやその型に興味があるわけではなく、単に曲線の形状に興味がある。ガウシアンにどれだけ近いか、どこからどれだけ乖離しているか。教科書には、パラメータ推定について何百ページも書かれているが、形状推定については書かれていない。

 
Vladimir:
誤差を少なくするために、どのような工夫をされていますか？ 一般式では、あなたの設定した問題を一行で解き、k=0.65の実験結果との比較まで行っています。それとも、p10^(1/10)が解になることを理解していなかったのでしょうか？

最初はよく読まなかった。最初に頭に浮かんだのは、元々エッジの見積もり方です。しかし、そこで疑問が生じました、エッジではなく、ヒストグラムの中心点を取ったらどうだろう？ と考えたところ、そう単純ではなく、1度では足りないことが分かりました。 いずれにせよ、ご参加ありがとうございました。最も、いつものように、反復して、注目点ごとに完全式を作り、正面から問題を解決することになりそうです。

 
Aleksey Nikolayev:

"目で見て "とは、標本と正規分布の分位-分位（または確率-確率）プロットを描き、それが直線によく近似していることを確認することです。

まあ、そこも同じような問題になりそうですが。テールでの誤差の絶対値は、センターより何倍も小さい。そして、貢献度は同じはずだ。

 
Alexander_K2:

このスレッドは偶然にできたものではないのではと思います :)))

市場の増分の二重ガンマ的な分布を、どうにかして純粋な正規分布に落とし込んだと記憶しているのですが...。そして今、あなたは「次は何だ！」という問いに対する答えを探している。

私はBasさんのアドバイスに賛同し、オプションに移行する必要があります。ブラック・ショールズ・モデルは、あなたのデータで明らかに機能するはずです。

特にない）次のことは、ずっと前に、やり始める前から決めていたことです。しかし、私は通常、数学の知識が乏しいため、多少自分なりにアルゴリズムを設計し、多くのリソースを消費し、特定の方法で問題を解決することがよくあります。

何かをして、しばらくしてから、もっと簡単で経済的な解決策を見つけることもあるのです。

つまり、やはり毎回進化して、よりスマートなアプローチをしていきたいと思っています。

ブラック・ショールズモデルについては、初めて聞いたとき、こんな原始的なモデルにノーベル賞が与えられるのかと非常に驚き、「市場科学の底が見えた」と思いました。私も昔の開発で似たような技術を使っていましたが、そんなことでノーベル賞が与えられるとは知りませんでした))。今はどこに間違いがあるのかが分かっているので、もしオプション取引に行くとしても、この計算式では無理です。
 
secret:

まあ、そこも同じような問題になりそうですが。テールでの誤差の絶対値は、センターよりも何倍も小さい。そして、貢献度は想定通りであること。

初期サンプルにおいて、これらの誤差が時間的にどのように分布しているか、また、それらの間に依存性がないかどうかを調べる必要があります。依存性がなく、ほぼ均等に 配置されている場合は、別のパラメトリックな分布族を選択する必要があります。そうでなければ，Glivenko-Kantelliの定理の条件に違反し，ヒストグラムがある分布の密度を近似していることを期待してはいけない。

 
Aleksey Nikolayev:

これらの誤差が元のサンプルで時間的にどのように分布しているか、また、それらの間に依存性がないかどうかを確認する必要があります。依存性がなく、多かれ少なかれ均等に分布している場合は、別のパラメトリックな分布族を選択する必要があります。そうでなければ、Glivenko-Kantelliの定理の条件に違反することになり、ヒストグラムがある分布の密度を近似していることを望むべきではありません。

問題は、尾部の誤差に中央部と同じ重みを与えるというやり方が正しいかどうかです（教科書に載っていないため自分で考案した上記の2つの方法を使っています）。

私は、特定の種類の流通に興味があるわけではありません。ガウシアンとの差分だけが注目される。

 
secret:

問題は、尾部の誤差を中央部の誤差と同じ重みで与えることが正しいかどうかです（上記の2つの方法を使いますが、教科書にないため自分で考案しました）。

私は、特定の種類の流通に興味があるわけではありません。ガウシアンとの違いにのみ興味を持つ。

0から1までの区間に一様 分布の密度があるグラフを考えてみましょう。どのようなパラメータでガウシアンを使えば正しく近似できるのか？

 
Aleksey Nikolayev:

反問 - 0から1までのセグメント上の一様分布の密度のグラフがあるとします。ガウシアンのどのようなパラメータで正しく近似できるのでしょうか？

まあ、ガウシアンみたいな分布の話なんですけどね。

 
secret:

まあ、ガウシアンみたいな分布の話なんですけどね。

よし、それならコーシー分布かラプラス分布の密度を取ろう。

12345678910111213
新しいコメント