우리는 외환 오류의 분포를 전혀 모릅니다. 형식적으로 그리고 엄격하게 오류는 시뮬레이션된 값과 유전 모집단에서 얻은 모델 값 사이의 차이입니다. 순전히 이론적인 값. 잔차는 기존 샘플의 시뮬레이션 값과 모델 값의 차이로 구하지만 금융 시계열(보다 정확하게는 수익률)이 정상이 아니기 때문에 정상일 가능성도 낮습니다(!) 그리고 굵게 꼬리가 길고 뾰족 하며 매우 복잡합니다.
나는 심지어 동일한 평균 및 sd 매개변수를 사용하는 시간당 증분 원래 분포(청록색 =))와 정규 분포에 대해 혼동을 일으키고 추론했습니다. 보시다시피 이것은 정상과 거리가 멉니다. 그리고 정규성에 대한 테스트는 통과하지 못했습니다.
그리고 오류의 정규성에 의존하는 방법은 20세기부터 선형 회귀, 분산 분석과 같은 고전적인 방법입니다. 그러나 그들 없이는 가능합니다.
위키 읽기)
비트코인 전략의 저자처럼 플랫에 대한 연구를 수행했다면 실제 곡선과 이상적인 곡선의 차이가 결과에 어떤 영향을 미치는지 확실히 더 잘 알 것입니다.
자연에서 가장 일반적이고 과학(사회학에서 핵 물리학에 이르기까지)에서 널리 사용되는 가우스 분포는 어떤 이유로 인해 MQL 커뮤니티의 많은 사람들이 시장에 대한 적용 가능성 측면에서 적대적으로 인식합니다.
저는 수학자는 아니지만 가격대별 막대 개수나 틱 볼륨 분포를 보면 그림이 종을 연상시킵니다. 특히 아파트에서요. 예를 들어. EURUSD의 전체 역사는 글로벌 플랫과 유사합니다.
)))
그리고 나는 누군가가 단순히 할 일이없고 똑똑해지기 시작한다는 인상을 받았습니다. 의견은 - 가지 마세요) ... 그리고 위에서 볼 수 있듯이 - 내뿐만 아니라
오차 분포 밀도가 중요하지 않은 방법을 사용할 필요가 있습니다. 비모수적 방법.
우리는 외환 오류의 분포를 전혀 모릅니다. 형식적으로 그리고 엄격하게 오류는 시뮬레이션된 값과 유전 모집단에서 얻은 모델 값 사이의 차이입니다. 순전히 이론적인 값. 잔차는 기존 샘플의 시뮬레이션 값과 모델 값의 차이로 구하지만 금융 시계열(보다 정확하게는 수익률)이 정상이 아니기 때문에 정상일 가능성도 낮습니다(!) 그리고 굵게 꼬리가 길고 뾰족 하며 매우 복잡합니다.
나는 심지어 동일한 평균 및 sd 매개변수를 사용하는 시간당 증분 원래 분포(청록색 =))와 정규 분포에 대해 혼동을 일으키고 추론했습니다. 보시다시피 이것은 정상과 거리가 멉니다. 그리고 정규성에 대한 테스트는 통과하지 못했습니다.
그리고 오류의 정규성에 의존하는 방법은 20세기부터 선형 회귀, 분산 분석과 같은 고전적인 방법입니다. 그러나 그들 없이는 가능합니다.
위키 읽기)
비트코인 전략의 저자처럼 플랫에 대한 연구를 수행했다면 실제 곡선과 이상적인 곡선의 차이가 결과에 어떤 영향을 미치는지 확실히 더 잘 알 것입니다.
자연에서 가장 일반적이고 과학(사회학에서 핵 물리학에 이르기까지)에서 널리 사용되는 가우스 분포는 어떤 이유로 인해 MQL 커뮤니티의 많은 사람들이 시장에 대한 적용 가능성 측면에서 적대적으로 인식합니다.
저는 수학자는 아니지만 가격대별 막대 개수나 틱 볼륨 분포를 보면 그림이 종을 연상시킵니다. 특히 아파트에서요. 예를 들어. EURUSD의 전체 역사는 글로벌 플랫과 유사합니다.
비트코인 전략의 저자처럼 플랫에 대한 연구를 수행했다면 실제 곡선과 이상적인 곡선의 차이가 결과에 어떤 영향을 미치는지 확실히 더 잘 알 것입니다.
자연에서 가장 일반적이고 과학(사회학에서 핵 물리학에 이르기까지)에서 널리 사용되는 가우스 분포는 어떤 이유로 인해 MQL 커뮤니티의 많은 사람들이 시장에 대한 적용 가능성 측면에서 적대적으로 인식합니다.
저는 수학자는 아니지만 가격대별 막대 개수나 틱 볼륨 분포를 보면 그림이 종을 연상시킵니다. 특히 아파트에서요. 예를 들어. EURUSD의 전체 역사는 글로벌 플랫과 유사합니다.
밀도는 가격 자체가 아니라 가격 증분으로 측정됩니다.
영형! 그 흥미 롭군요. 수식을 해도 될까요?
동료, 이것이 기본입니다!
예를 들어 가장 인기있는 다른 공식을 사용할 수 있습니다.
가격
t - 시간
1) Pr(t) - Pr(t-1)
2) Pr(t) / Pr(t - 1) - 1
3) log(Pr(t)) - log(Pr(t-1))
따라서 경제학자가 예를 들어 이러한 도구의 분산을 측정했다고 말할 때 그들은 다음을 수행합니다. 분산 = sum((Xi - X^)^2) / (N - 1),
여기서 Xi는 공식 중 하나에 따라 계산된 증분이며,
X^는 캡이 있는 x입니다. 사용 가능한 샘플의 증분 평균 값에 대한 샘플 추정치
N - 1은 표본 크기에서 1을 뺀 값이고,
전체 공식은 분산의 편향되지 않은 추정치입니다.
그런 다음 이 경제학자들은 증분 밀도가 정상이라고 생각하기 시작하고 예를 들어 다음과 같은 작업을 시도합니다. sqrt(variance) * sqrt(m) * 1.96,
여기서 분산의 근은 표준 편차의 추정치이고, 전체 공식은 정규성의 결과를 비(!) 정규 계열로 확장하여 m 단계로 앞으로 나아가는 가격 스프레드의 극단 경계 추정치를 얻습니다. 확률 95%. 그리고 오류가 발생합니다, essno.
대략적인 설명이 되었길 바랍니다. 그리고 초기 가격 시리즈는 첫 번째 근사치에서도 증분과 달리 정상적인 것처럼 보이지 않습니다.
동료, 이것이 기본입니다!
예를 들어 가장 인기있는 다른 공식을 사용할 수 있습니다.
가격
t - 시간
1) Pr(t) - Pr(t-1)
2) Pr(t) / Pr(t - 1) - 1
3) log(Pr(t)) - log(Pr(t-1))
따라서 경제학자들이 예를 들어 이러한 도구의 분산을 측정했다고 말할 때 그들은 다음을 수행합니다. 분산 = (Xi - X^)^2 / (N - 1),
여기서 Xi는 공식 중 하나에 따라 계산된 증분이며,
X^는 캡이 있는 x입니다. 사용 가능한 샘플의 증분 평균 값에 대한 샘플 추정치
N - 1은 표본 크기에서 1을 뺀 값이고,
전체 공식은 분산의 편향되지 않은 추정치입니다.
그런 다음 이 경제학자들은 증분 밀도가 정상이라고 생각하기 시작하고 예를 들어 다음과 같은 작업을 시도합니다. sqrt(variance) * sqrt(m) * 1.96,
여기서 분산의 근은 표준 편차의 추정치이고, 전체 공식은 정규성의 결과를 비(!) 정규 계열로 확장하여 m 단계로 앞으로 나아가는 가격 스프레드의 극단 경계 추정치를 얻습니다. 확률 95%. 그리고 오류가 발생합니다, essno.
대략적인 설명이 되었길 바랍니다. 그리고 초기 가격 시리즈는 첫 번째 근사치에서도 증분과 달리 정상적인 것처럼 보이지 않습니다.
공식을 살펴보았습니다. 예, 이 접근 방식은 여기에 붙어 있습니다. 고맙습니다!
기본 사항을 읽고 싶습니다. 위의 주제로 된 교과서가 있을까요?
공식을 살펴보았습니다. 예, 이 접근 방식은 여기에 붙어 있습니다. 고맙습니다!
기본 사항을 읽고 싶습니다. 위의 주제로 된 교과서가 있을까요?
여기, 귀로 기본을 잘 정리하는 사람
공식을 살펴보았습니다. 예, 이 접근 방식은 여기에 붙어 있습니다. 고맙습니다!
기본 사항을 읽고 싶습니다. 위의 주제로 된 교과서가 있을까요?
솔직히 말하면 나는 교과서를 직접 읽지 않았다. 기본적으로 분석 과정에서 픽업합니다.
이 문제에서 가장 중요한 것은 전문가의 말을 믿지 않는 것입니다. 지금까지 주식 분석가들은 그것이 편리하기 때문에 그것을 정상적인 프로세스로 간주한다는 것을 말하고 있습니다.
시계열 분석에 관한 책을 추천합니다. 그러나 Forex에는 전혀 적용할 수 없는 Arima, Garch, Unit Root 기능도 많이 있을 것입니다.
분산 = 합계((Xi - X^)^2) / (N - 1),