편의상 차이(Hvol - 2)를 빨간색으로, 차이(scoo/|leg| - root(pi/2))를 파란색으로 표시하여 Hvol=2 값과의 차이를 바로 알 수 있도록 하였으며, 무차익 시장에서 H-변동성이 취해야 하는 값과 속도/|leg|인 값 1.253314와의 차이 정규 분포를 받아들여야 합니다.
흠... 논리를 따르면 Hvol의 동작은 2이고 속도/|다리| - root(pi/2)는 양의 상관관계가 있어야 합니다. 그러나 DF와 정상의 차이가 가장 두드러지는 작은 H 영역에서는 sco/|leg| - 루트(pi / 2) - 분포가 가우스 경향이 있는 것처럼. ..
그러나 유로의 경우 정확히 동일한 곡선이 나타납니다. 아마도 이 모델 범위에서 실제 시리즈의 특성을 재현하기 위해 특별히 노력했기 때문이 아닐까요? 어쨌든, 나는 kagi 대형과 그 매개변수와 FR이 일반 CB에서 어떻게 작동하는지 보고 싶습니다. 예를 들어, 진드기에 대한 분포와 이 진드기에 구축된 지그재그에 대한 분포가 서로 근본적으로 다르다는 것을 보는 것은 매우 이상합니다.
모든 것.
유라, 모델의 Hvol과 실제 시리즈가 일치하지 않는다는 사실은 우리(I)가 데이터 파일에서 혼란스러워한다는 것을 나타냅니다. 코렐로그램과 틱 변동성을 실제 VR과 정확히 일치시키는 새로운 시리즈를 만들 수 있는 기회를 주십시오. 파일을 제공해드립니다. EUR/JPY 틱을 차익 거래 측면에서 가장 유망한 쌍으로 모델링할 것을 제안합니다.
기억이 나기 시작합니다. 내가 모델링에 사용한 N차 자기회귀 모델에서 일련의 잔차의 DF는 확률적 항(시그마)의 DF 특성이 가우시안 분포인 경우 정상과 매우 유사했습니다. 모형 계열 잔차의 DF를 원래의 것과 근사하기 위해 확률적 항의 매우 이색적인 형태를 설정하였으므로 가우시안성이 없습니다.
흠... 논리를 따르면 Hvol의 동작은 2이고 속도/|다리| - root(pi/2)는 양의 상관관계가 있어야 합니다. 그러나 DF와 정상의 차이가 가장 두드러지는 작은 H 영역에서는 sco/|leg| - 루트(pi / 2) - 분포가 가우스 경향이 있는 것처럼. ..
Hvol - 2와 sko/|leg| 사이의 양의 상관 관계로 인해 - 루트(pi/2) 잘 모르겠습니다. 그래프를 보면 Hvol과 speed/|leg| 상당히 다른 특성. 모델 범위의 맨 처음 점(지그재그 표시)을 무시하면 rate/|leg| 매우 안정적으로 행동합니다. 아마도 거래에서 거의 사용되지 않을 것입니다. 그러나 Hvol은 분명히 더 가치있는 특성입니다.
이 연구의 결과, 나는 비차익거래가 정규분포의 결과가 아니라는 것을 깨달았습니다. 보다 정확하게는 CV 시리즈에 차익 거래가 없는 다른 FR이 있습니다. Hvol은 무차익 거래를 평가하는 데 적합한 특성이며 sco/|leg| - 아니요. 기껏해야 DF 자체가 특별한 가치가 없는 가우스에 대한 DF의 근접성을 평가하는 데 적합합니다.
두 그래프의 전체 점 집합에서 속도/|다리| 모델 범위의 첫 번째 점인 단 하나는 분포의 정규성을 나타냅니다. 또한 사용자가 생성한 행과 직접 관련이 있습니다. 당신이 특별히 정규 분포 CV를 생성했기 때문에 저에게는 매우 자연스러운 일이었습니다. 따라서 이 시리즈의 DF 형식(플롯 Z1)은 나에게 놀라운 것으로 판명되었습니다. 이것은 다시 한 번 곧/|다리| RF의 정규성을 평가하기 위한 좋은 특성일 수 있지만 분명히 완전한 것은 아닙니다. :-)
게시된 틱은 실제 또는 시뮬레이션된 것입니까?
추신
그건 그렇고, 제 생각에는 모델 범위의 상관도와 변동성이 실제와 일치할 필요가 전혀 없습니다. 결국, 우리의 임무는 아직 이러한 특성의 행동에 대한 근본적인 검증의 틀을 벗어나지 않습니다. 반대로 가장 원시적인 정규분포 급수라면 현실과 완전히 동떨어져 있다고 해도 이것이 더 좋다. 이제 그러한 시리즈에서 이러한 특성이 작동한다는 것이 분명해지면 두 번째 질문을 할 수 있습니다. 이러한 특성이 실제 데이터와 모델 데이터를 구별할 수 있습니까(가짜 :-), 차익 거래 기회의 필터가 될 수 있습니까?
이 연구의 결과, 나는 비차익거래가 정규분포의 결과가 아니라는 것을 깨달았습니다. 보다 정확하게는 CV 시리즈에 차익 거래가 없는 다른 FR이 있습니다. Hvol은 무차익 거래를 평가하는 데 적합한 특성이며 sco/|leg| - 아니요. 기껏해야 DF 자체가 특별한 가치가 없는 가우스에 대한 DF의 근접성을 평가하는 데 적합합니다.
나는 당신이 매우 중요한 점을 강조한 것 같습니다. 비 차익 거래는 정규 분포의 결과가 아닙니다. 추가로 차익거래는 RF의 불균형의 결과일 수 있습니다(아직 그 형태에 대해 이야기하고 있지는 않음).
모델과 소스의 자기 회귀 계수 값이 일치하는 방법은 다음과 같습니다.
PS 유라, 어떻게 변동성, 코렐로그램!!!, 자기회귀 계수의 값과 FR과 같은 프로세스의 중요한 특성이 근본적으로 다를 수 있는지 설명해주세요!? Mathemat는 이것이 엄밀한 의미에서 다수의 첫 번째 잔차에서 정상성을 유지하지 않기 때문이라고 제안했지만 ... 어쨌든 설득력 있는 것은 아닙니다. 쓰레기!
많은 첫 번째 눈금 차이의 경우 기대치는 엄격하게 0이고 표준 편차는 세션마다 다르지만 올바르게 지적했듯이 약합니다... 문제는 사용된 모델의 부적절함입니다. 실제로, 우리는 뉴스 방해를 고려하지 않으며 "뚱뚱한 꼬리"가 자라는 것은 그들에게 있습니다. 드물지만 정확하게 진드기를 "흩뿌리는" 용어를 도입하면 그림이 더 사실적으로 보일 것입니다. 하지만 얼마나 필요합니까? 이에 대해 유라가 할말이...
나는 당신이 매우 중요한 점을 강조한 것 같습니다. 비 차익 거래는 정규 분포의 결과가 아닙니다. 추가로 차익거래는 RF의 불균형의 결과일 수 있습니다(아직 그 형태에 대해 이야기하고 있지는 않음).
PS 유라, 어떻게 변동성, 코렐로그램!!!, 자기회귀 계수의 값과 FR과 같은 프로세스의 중요한 특성이 근본적으로 다를 수 있는지 설명해주세요!? Mathemat는 이것이 엄밀한 의미에서 다수의 첫 번째 잔차에서 정상성을 유지하지 않기 때문이라고 제안했지만 ... 어쨌든 설득력 있는 것은 아닙니다.
FR 불균형이란 무엇입니까? 그리고 엄밀한 의미에서 정체는 무엇입니까? 나는 수학자가 아니라는 것을 기억하십시오. :-) 그건 그렇고, 어제 나는 Landau-Lifshitz "Statistical Physics" 책을 읽었습니다. 그곳에서 흥미로운 것들을 많이 발견했습니다! 그 때 BITTER는 자신이 통계가 아닌 분야에 종사했다는 것을 후회했습니다. :-))
솔직히 말해서 질문에 대답할 수 없습니다. 나 자신은 지난 며칠 동안 본 모든 것에서 여전히 길을 잃고 있습니다. 데이터가 다운로드되었지만 아직 집계되지 않았습니다. 시간을 주세요.
Sergey, 나는 당신이 일반화된 지수 분포에 대해 말할 때 당신이 절대적으로 옳았다고 생각합니다. 분명히, 그것은 실제로 이와 같은 것입니다. 그리고 한 가지 더 당신과 완전히 동의하고 싶습니다. 여기에:
중성자 :
문제는 사용된 모델이 부적절하다는 것입니다. 실제로, 우리는 뉴스 교란을 고려하지 않으며 "뚱뚱한 꼬리"가 자라는 것은 그들에게 있습니다. 드물지만 정확하게 진드기를 "흩뿌리는" 용어를 도입하면 그림이 더 사실적으로 보일 것입니다.
또한 다른 작업 아이디어가 있습니다. 확고하고 안정적인 추세에서 FR과 실제 시리즈의 모든 특성을 보고 싶습니다. 한 가지 문제는 추세가 데이터의 양을 충분히 대표할 수 있는 기간이 아니라는 것입니다. 아니면 내가 이해하지 못하는 것은 무엇입니까? 아니면 조각을 자르고 어떻게든 한 줄로 올바르게 결합할 수 있습니까? 일반적으로 어떻게 해야할지 모르겠는데 다양한 시장 상황에서 FR을 보고 싶습니다. 결국 우리가 실제로 보고 있는 것은 병원의 평균 온도입니다.
추신: 동일한 천문 시간이 아닌 동일한 수의 틱으로 막대를 만드는 것이 좋을 것입니다...
이것은 일반적으로 전혀 어렵지 않습니다. 이 작업을 수행하고 관련 통계를 배치할 수 있습니다. 어떤 통계인지 알려주십시오. 그러나 반품 또는 ONLC에만 관심이 있습니까? 북풍 이 그런 짓을 한 것 같아요.
그러나 이것이 비정상성의 근원이라는 사실에는 동의할 수 없다. 정체가 무엇인지는 아직 모르지만(글을 쓰길 바랍니다) 어떤 경우에도 Forex는 고정될 수 없다고 믿습니다. 그러나 유사 고정 - 완전히. 좋든 싫든 외환은 안정적이고 안정적인 시스템입니다. 그것은 외부 섭동을 흡수하고 분산시킵니다. 즉, 외환은 시스템으로서 깊은 구멍에 있습니다. 복원되었습니다. 따라서 고정성을 기반으로 하는 모든 모델에는 생명권이 있습니다. 하나의 중요한 "하지만":
외환의 정상성을 위반하는 모든 현상이 프로세스의 통계적 매개변수에 약하게 반영된다는 것을 보여줄 수 있다면. 그리고 반대를 보여줄 수 있다면 분명히 비정상성이 나타나는 위치와 방법을 결정하는 것이 가능할 것입니다. 그 때 문제는 트레이더가 버는 것 덕분에 해결될 것입니다: 고정성 또는 부재로 인해.
그건 그렇고, Mathemat, 당신은 위험과 SCO가 평균 이상이라는 사실이 위험에 미치는 영향에 대해 쓴 적이 있습니다. 결과에 대해 논평할 수 있습니까? 실제 가격 데이터의 경우 SCO와 평균 간의 차이는 정규 분포 CB의 경우보다 훨씬 적습니다.
편의상 차이(Hvol - 2)를 빨간색으로, 차이(scoo/|leg| - root(pi/2))를 파란색으로 표시하여 Hvol=2 값과의 차이를 바로 알 수 있도록 하였으며, 무차익 시장에서 H-변동성이 취해야 하는 값과 속도/|leg|인 값 1.253314와의 차이 정규 분포를 받아들여야 합니다.
흠... 논리를 따르면 Hvol의 동작은 2이고 속도/|다리| - root(pi/2)는 양의 상관관계가 있어야 합니다. 그러나 DF와 정상의 차이가 가장 두드러지는 작은 H 영역에서는 sco/|leg| - 루트(pi / 2) - 분포가 가우스 경향이 있는 것처럼. ..
그러나 유로의 경우 정확히 동일한 곡선이 나타납니다. 아마도 이 모델 범위에서 실제 시리즈의 특성을 재현하기 위해 특별히 노력했기 때문이 아닐까요? 어쨌든, 나는 kagi 대형과 그 매개변수와 FR이 일반 CB에서 어떻게 작동하는지 보고 싶습니다. 예를 들어, 진드기에 대한 분포와 이 진드기에 구축된 지그재그에 대한 분포가 서로 근본적으로 다르다는 것을 보는 것은 매우 이상합니다.
모든 것.
유라, 모델의 Hvol과 실제 시리즈가 일치하지 않는다는 사실은 우리(I)가 데이터 파일에서 혼란스러워한다는 것을 나타냅니다. 코렐로그램과 틱 변동성을 실제 VR과 정확히 일치시키는 새로운 시리즈를 만들 수 있는 기회를 주십시오. 파일을 제공해드립니다. EUR/JPY 틱을 차익 거래 측면에서 가장 유망한 쌍으로 모델링할 것을 제안합니다.
기억이 나기 시작합니다. 내가 모델링에 사용한 N차 자기회귀 모델에서 일련의 잔차의 DF는 확률적 항(시그마)의 DF 특성이 가우시안 분포인 경우 정상과 매우 유사했습니다. 모형 계열 잔차의 DF를 원래의 것과 근사하기 위해 확률적 항의 매우 이색적인 형태를 설정하였으므로 가우시안성이 없습니다.
EUR/JPY 쌍에 대해 여러 틱을 표시하는 동안:
흠... 논리를 따르면 Hvol의 동작은 2이고 속도/|다리| - root(pi/2)는 양의 상관관계가 있어야 합니다. 그러나 DF와 정상의 차이가 가장 두드러지는 작은 H 영역에서는 sco/|leg| - 루트(pi / 2) - 분포가 가우스 경향이 있는 것처럼. ..
Hvol - 2와 sko/|leg| 사이의 양의 상관 관계로 인해 - 루트(pi/2) 잘 모르겠습니다. 그래프를 보면 Hvol과 speed/|leg| 상당히 다른 특성. 모델 범위의 맨 처음 점(지그재그 표시)을 무시하면 rate/|leg| 매우 안정적으로 행동합니다. 아마도 거래에서 거의 사용되지 않을 것입니다. 그러나 Hvol은 분명히 더 가치있는 특성입니다.
이 연구의 결과, 나는 비차익거래가 정규분포의 결과가 아니라는 것을 깨달았습니다. 보다 정확하게는 CV 시리즈에 차익 거래가 없는 다른 FR이 있습니다. Hvol은 무차익 거래를 평가하는 데 적합한 특성이며 sco/|leg| - 아니요. 기껏해야 DF 자체가 특별한 가치가 없는 가우스에 대한 DF의 근접성을 평가하는 데 적합합니다.
두 그래프의 전체 점 집합에서 속도/|다리| 모델 범위의 첫 번째 점인 단 하나는 분포의 정규성을 나타냅니다. 또한 사용자가 생성한 행과 직접 관련이 있습니다. 당신이 특별히 정규 분포 CV를 생성했기 때문에 저에게는 매우 자연스러운 일이었습니다. 따라서 이 시리즈의 DF 형식(플롯 Z1)은 나에게 놀라운 것으로 판명되었습니다. 이것은 다시 한 번 곧/|다리| RF의 정규성을 평가하기 위한 좋은 특성일 수 있지만 분명히 완전한 것은 아닙니다. :-)
게시된 틱은 실제 또는 시뮬레이션된 것입니까?
추신
그건 그렇고, 제 생각에는 모델 범위의 상관도와 변동성이 실제와 일치할 필요가 전혀 없습니다. 결국, 우리의 임무는 아직 이러한 특성의 행동에 대한 근본적인 검증의 틀을 벗어나지 않습니다. 반대로 가장 원시적인 정규분포 급수라면 현실과 완전히 동떨어져 있다고 해도 이것이 더 좋다. 이제 그러한 시리즈에서 이러한 특성이 작동한다는 것이 분명해지면 두 번째 질문을 할 수 있습니다. 이러한 특성이 실제 데이터와 모델 데이터를 구별할 수 있습니까(가짜 :-), 차익 거래 기회의 필터가 될 수 있습니까?
진짜! 당연히.
그리고 여기에 제 시간에 도착한 모델 틱이 있습니다!
그것들을 생성할 때 주요 조건은 서로 다른 판독값에 대한 상관도와 변동성의 일치였습니다.
이를 위해 5차 자기회귀 모델을 사용하였다. 다음은 VR 자체와 FR이 작동하는 방식입니다.
이 연구의 결과, 나는 비차익거래가 정규분포의 결과가 아니라는 것을 깨달았습니다. 보다 정확하게는 CV 시리즈에 차익 거래가 없는 다른 FR이 있습니다. Hvol은 무차익 거래를 평가하는 데 적합한 특성이며 sco/|leg| - 아니요. 기껏해야 DF 자체가 특별한 가치가 없는 가우스에 대한 DF의 근접성을 평가하는 데 적합합니다.
나는 당신이 매우 중요한 점을 강조한 것 같습니다. 비 차익 거래는 정규 분포의 결과가 아닙니다. 추가로 차익거래는 RF의 불균형의 결과일 수 있습니다(아직 그 형태에 대해 이야기하고 있지는 않음).
모델과 소스의 자기 회귀 계수 값이 일치하는 방법은 다음과 같습니다.
PS 유라, 어떻게 변동성, 코렐로그램!!!, 자기회귀 계수의 값과 FR과 같은 프로세스의 중요한 특성이 근본적으로 다를 수 있는지 설명해주세요!? Mathemat는 이것이 엄밀한 의미에서 다수의 첫 번째 잔차에서 정상성을 유지하지 않기 때문이라고 제안했지만 ... 어쨌든 설득력 있는 것은 아닙니다. 쓰레기!
예! 모든 데이터는 올해 7월의 진드기에 대해 제공되었으며 모델링되었습니다.
그 자체로 상관도를 구성하는 알고리즘은 이미 암묵적으로 프로세스가 고정된 것으로 간주된다고 가정합니다. 그리고 그걸 어떻게 알아, 뉴트론 ?
그건 그렇고, 틱은 진폭 측면에서 정지 상태와 매우 유사한 프로세스입니다(유로인 경우 거의 항상 + -1이 있음). 지연(틱 사이의 시간)으로 - 전혀 아닙니다.
추신: 동일한 천문 시간이 아닌 동일한 수의 틱으로 막대를 만드는 것이 좋을 것입니다...
PPS 여기에서 막대 수익률의 비정상성 가능성의 근원이 있습니다. 우리는 진폭을 파고 있지만 시간이 지남에 따라 필요합니다 ... 아마도 Prival 의 아이디어는 프로세스의 그러한 표현에서 작동할 것입니다. 무슨 소리야, 뉴트론 ?
많은 첫 번째 눈금 차이의 경우 기대치는 엄격하게 0이고 표준 편차는 세션마다 다르지만 올바르게 지적했듯이 약합니다... 문제는 사용된 모델의 부적절함입니다. 실제로, 우리는 뉴스 방해를 고려하지 않으며 "뚱뚱한 꼬리"가 자라는 것은 그들에게 있습니다. 드물지만 정확하게 진드기를 "흩뿌리는" 용어를 도입하면 그림이 더 사실적으로 보일 것입니다. 하지만 얼마나 필요합니까? 이에 대해 유라가 할말이...
어떻게 든 에로틱 한 것으로 밝혀졌습니다 :-))
나는 당신이 매우 중요한 점을 강조한 것 같습니다. 비 차익 거래는 정규 분포의 결과가 아닙니다. 추가로 차익거래는 RF의 불균형의 결과일 수 있습니다(아직 그 형태에 대해 이야기하고 있지는 않음).
PS 유라, 어떻게 변동성, 코렐로그램!!!, 자기회귀 계수의 값과 FR과 같은 프로세스의 중요한 특성이 근본적으로 다를 수 있는지 설명해주세요!? Mathemat는 이것이 엄밀한 의미에서 다수의 첫 번째 잔차에서 정상성을 유지하지 않기 때문이라고 제안했지만 ... 어쨌든 설득력 있는 것은 아닙니다.
FR 불균형이란 무엇입니까? 그리고 엄밀한 의미에서 정체는 무엇입니까? 나는 수학자가 아니라는 것을 기억하십시오. :-) 그건 그렇고, 어제 나는 Landau-Lifshitz "Statistical Physics" 책을 읽었습니다. 그곳에서 흥미로운 것들을 많이 발견했습니다! 그 때 BITTER는 자신이 통계가 아닌 분야에 종사했다는 것을 후회했습니다. :-))
솔직히 말해서 질문에 대답할 수 없습니다. 나 자신은 지난 며칠 동안 본 모든 것에서 여전히 길을 잃고 있습니다. 데이터가 다운로드되었지만 아직 집계되지 않았습니다. 시간을 주세요.
Sergey, 나는 당신이 일반화된 지수 분포에 대해 말할 때 당신이 절대적으로 옳았다고 생각합니다. 분명히, 그것은 실제로 이와 같은 것입니다. 그리고 한 가지 더 당신과 완전히 동의하고 싶습니다. 여기에:
문제는 사용된 모델이 부적절하다는 것입니다. 실제로, 우리는 뉴스 교란을 고려하지 않으며 "뚱뚱한 꼬리"가 자라는 것은 그들에게 있습니다. 드물지만 정확하게 진드기를 "흩뿌리는" 용어를 도입하면 그림이 더 사실적으로 보일 것입니다.
또한 다른 작업 아이디어가 있습니다. 확고하고 안정적인 추세에서 FR과 실제 시리즈의 모든 특성을 보고 싶습니다. 한 가지 문제는 추세가 데이터의 양을 충분히 대표할 수 있는 기간이 아니라는 것입니다. 아니면 내가 이해하지 못하는 것은 무엇입니까? 아니면 조각을 자르고 어떻게든 한 줄로 올바르게 결합할 수 있습니까? 일반적으로 어떻게 해야할지 모르겠는데 다양한 시장 상황에서 FR을 보고 싶습니다. 결국 우리가 실제로 보고 있는 것은 병원의 평균 온도입니다.
추신: 동일한 천문 시간이 아닌 동일한 수의 틱으로 막대를 만드는 것이 좋을 것입니다...
이것은 일반적으로 전혀 어렵지 않습니다. 이 작업을 수행하고 관련 통계를 배치할 수 있습니다. 어떤 통계인지 알려주십시오. 그러나 반품 또는 ONLC에만 관심이 있습니까? 북풍 이 그런 짓을 한 것 같아요.
그러나 이것이 비정상성의 근원이라는 사실에는 동의할 수 없다. 정체가 무엇인지는 아직 모르지만(글을 쓰길 바랍니다) 어떤 경우에도 Forex는 고정될 수 없다고 믿습니다. 그러나 유사 고정 - 완전히. 좋든 싫든 외환은 안정적이고 안정적인 시스템입니다. 그것은 외부 섭동을 흡수하고 분산시킵니다. 즉, 외환은 시스템으로서 깊은 구멍에 있습니다. 복원되었습니다. 따라서 고정성을 기반으로 하는 모든 모델에는 생명권이 있습니다. 하나의 중요한 "하지만":
외환의 정상성을 위반하는 모든 현상이 프로세스의 통계적 매개변수에 약하게 반영된다는 것을 보여줄 수 있다면. 그리고 반대를 보여줄 수 있다면 분명히 비정상성이 나타나는 위치와 방법을 결정하는 것이 가능할 것입니다. 그 때 문제는 트레이더가 버는 것 덕분에 해결될 것입니다: 고정성 또는 부재로 인해.
그건 그렇고, Mathemat, 당신은 위험과 SCO가 평균 이상이라는 사실이 위험에 미치는 영향에 대해 쓴 적이 있습니다. 결과에 대해 논평할 수 있습니까? 실제 가격 데이터의 경우 SCO와 평균 간의 차이는 정규 분포 CB의 경우보다 훨씬 적습니다.
Yurixx , 정체는 넓고 좁은 두 가지 의미로 발생합니다.
넓은 의미에서 이것은 m.o. 프로세스는 일정하고 ACF는 인수의 차이에만 의존하며 각 인수에는 의존하지 않습니다. 아마도 "영구"m.o. 다시 고정성을 의미합니다 :) 약간의 이상한 정의가 얻어집니다 ...
좁은 곳에서 - 이것은 ... 글쎄, 좁은 곳에서 그녀를 위해 무엇입니까? 그러한 정체는 실질적으로 검증할 수 없습니다.
"가격은 관찰되지 않은 고정 시퀀스에 대한 고정되지 않은 응답입니다.", (c) 불명. 이 관점은 최근에 나와 매우 가깝습니다. 초기 "좋은" 시퀀스를 관찰하지만 단순한 필사자에게는 그것을 비선형 필터를 통해 통과시켜 비정상 상태가 되도록 하는 주님이 있습니다.
솔직히 말해서, 나는 기억이 나지 않는다. 위험은 가우스가 아닌 수익 분포(지방 꼬리)에 의해 영향을 받는다고 썼던 것을 기억합니다.