글쎄, 그녀를 막고있는 Vitaly , 자신을 성장 시키십시오. 예, 우리에게 가장 중요한 현실은 매우 비열한 통계적 속성을 가진 인용문입니다. 우리는 우리 지성의 모든 힘을 그것에 적용하고(아, 아니, 전부는 아님) 다른 현실, 즉 균형 반환의 흐름을 얻습니다. 이것이 항상 그렇다는 것은 아니지만, 꽤 자주 이 두 번째 스트림은 훨씬 더 편리하고 관찰 가능한 통계적 속성을 가지고 있으며, 이는 때때로 우리가 그것에 대한 수용 가능한 모델을 구축할 수 있게 해줍니다 .
Sergey 는 다각화의 이점에 대한 설명에서 첫 번째 흐름에서 추상화하여 두 번째 흐름을 정확하게 탐구했습니다. 네, 그리고 저는 샌드위치에 관한 제 기사에서 이 두 번째 현실에 매료되었습니다. 그리고 나는 첫 번째 현실을 언급하지 않고 이 두 번째 현실에 대해 몇 가지 결론을 얻었습니다. 그리고 그게 뭐가 그리 나쁜가요?
케이블 차트와 유로 차트 간의 독립성 부족이 반드시 해당 대차 대조표에 대해 동일한 결과를 초래해야 한다고 누가 말했습니까?
나는 Neutron 의 추론을 조금 더 잘 보았습니다. 사실, 여기에서는 균형 곡선으로만 작동합니다. 아니면 제가 틀렸습니까, Sergey ? 음, 균형 곡선은 쉽게 말해서 시세 곡선과 다른 통계적 특성을 갖는 것입니다. 그렇다면 왜 수익률 막대의 가우스가 아닌 특성을 언급하면서 막대 통계에 대해 이야기할까요?
이상적으로는 모든 사람이 일시적으로 가능한 가우스에 따른 수익을 보장하기 위해 노력합니다. 이 기간이 더 길었으면 좋겠지만 안타깝게도 이 기간을 미리 예측하는 것은 불가능합니다. 분리된 시스템의 경우 자체 기준이 나빠졌습니다. 유용한 속성에 추가하여 포트폴리오를 사용하면 개별 시스템의 감소가 일치해야 하는 확률과 전혀 일치하지 않고 일치할 수 있다는 사실로 인해 결과에 추가적인 비정상성이 도입됩니다. 이론에 의하면. 일부 위험을 줄임으로써 우리는 새로운 위험을 가져옵니다. 포트폴리오가 나쁘다는 말은 아닙니다. 포트폴리오의 시스템을 선택할 때 공식적으로 상관관계를 벗어날 수 없다는 것입니다. :)
Z.Y. 그리고 MA를 희생시키면서 비 가우시안이 사라지는 것은 당연합니다. 이것이 평균이기 때문입니다.
케이블 차트와 유로 차트 간의 독립성 부족이 반드시 해당 대차 대조표에 대해 동일한 결과를 초래해야 한다고 누가 말했습니까?
TS에 대해 근본적으로 다른 아이디어가 많지 않다는 것입니다. 특히 개인이 처분할 수 있는 경우가 많습니다. :) 기술적인 면에서 다른 것처럼 보이지만 자세히 살펴보면 공통된 기반이 있고 시장의 동일한 속성을 사용합니다. 여기에서 중요한 변화는 관찰되지 않았고 관찰되어서도 안되는 방식으로 무스를 상관 관계로 만들 수 있습니다. 이론적으로 Gaussianity에서.
물론 할 수 있습니다. 각 개인의 위험을 n의 루트로 곱하지 않고 개별 시스템을 단순히 "합산"하면 개별 손실의 전체 상관 관계가 최악의 경우 전체 손실이 원래 손실과 같습니다. 그리고 모델이 정확하고 대차 대조표 간의 상관 관계를 고려한다면 확률은 여전히 이론적인 것과 멀지 않을 것입니다.
사실, 여기에서는 균형 곡선으로만 작동합니다. 아니면 제가 틀렸습니까, Sergey ? 음, 균형 곡선은 쉽게 말해서 시세 곡선과 다른 통계적 특성을 갖는 것입니다. 그렇다면 왜 수익률 막대의 가우스가 아닌 특성을 언급하면서 막대 통계에 대해 이야기할까요?
전적으로 동의합니다, 알렉스 !
그러나 명확성을 위해 일련의 첫 번째 차이(그림의 파란색 점 참조)와 이들 사이의 강한 상관 관계(표 참조)에서 가우스가 아닌 분포를 가진 12개의 VR을 살펴보겠습니다.
이제 10개의 VR을 모두 더하고 증분 분포(빨간색 점)를 표시해 보겠습니다.
이 분포는 예약이 큰 경우에만 가우스 분포라고 할 수 있음을 알 수 있습니다. 비교를 위해 검은 선은 정규 분포를 보여줍니다 ...
따라서 이 사실이 우리를 귀찮게 해서는 안 됩니다. 균형 곡선의 증분에 대한 실제 비가우시안 분포가 모델에 포함될 수 있고 다양화 문제가 정확히 해결될 것이라는 점을 반복합니다. Mathemat이 올바르게 지적했듯이, 이조차도 필요하지 않습니다. 최악의 경우 하나의 도구를 자본화할 때보다 더 나쁘지 않은 위험을 겪을 것입니다.
글쎄, 그녀를 막고있는 Vitaly , 자신을 성장 시키십시오. 예, 우리에게 가장 중요한 현실은 매우 비열한 통계적 속성을 가진 인용문입니다. 우리는 우리 지성의 모든 힘을 그것에 적용하고(아, 아니, 전부는 아님) 다른 현실, 즉 균형 반환의 흐름을 얻습니다. 이것이 항상 그렇다는 것은 아니지만, 꽤 자주 이 두 번째 스트림은 훨씬 더 편리하고 관찰 가능한 통계적 속성을 가지고 있으며, 이는 때때로 우리가 그것에 대한 수용 가능한 모델을 구축할 수 있게 해줍니다 . - 나는 가정에 전적으로 동의합니다.
물론 할 수 있습니다. 각 개인의 위험을 n의 루트로 곱하지 않고 개별 시스템을 단순히 "합산"하면 개별 손실의 전체 상관 관계가 최악의 경우 전체 손실이 원래 손실과 같습니다. 그리고 모델이 정확하고 대차 대조표 간의 상관 관계를 고려한다면 확률은 여전히 이론적인 것과 멀지 않을 것입니다.
상관 계수는 두 SW가 고정되어 있는 경우에만 두 SW의 종속성을 객관적으로 반영합니다. 각 시스템의 수익이 정상적이라면(또는 고정된 것으로 간주될 수 있는 한) 모든 것이 귀하가 작성한 대로 될 것입니다. 대략적으로 말하면 시스템이 계획대로 작동하는 한 동기화가 "깨져"도 모든 것이 정상이며 나쁘지 않습니다. 이제 시장이 모두 연결되었으므로 IMHO는 TS의 기본 아이디어가 단절되기를 바랄 뿐입니다. 저것들. 포트폴리오의 핵심에 있는 공식 상관 계수 외에 d.b. 본질적으로 서로 다른 시스템 - "이념적으로 독립적" :)
결과 계열(빨간색 점)이 정규화되었지만 포함된 초기 VR의 수가 적기 때문에 약함을 알 수 있습니다.
사진상 정상인지 아닌지 불명. 데이터가 충분하지 않고 꼬리에만 있습니다. 더욱이, 예를 들어 각각에 대해 3시그마에서 경계를 추정하는 것은 시각적으로 어렵습니다. RMS의 변화만 볼 수 있습니다.
일반적으로 두 상품의 상관관계로 모든 것이 매우 단순하다면 두 시스템의 수익률의 상관관계는 완전히 모호하지 않습니다. 트랜잭션은 일반적으로 빈도가 서로 다르며 시간상 부분적으로만 겹칩니다. 동일한 시점에서 가져온 동일한 양의 데이터에 대한 2개의 시리즈에 대한 고전적 상관 관계
음, 균형 곡선은 쉽게 말해서 시세 곡선과 다른 통계적 특성을 갖는 것입니다.
글쎄, 그녀를 막고있는 Vitaly , 자신을 성장 시키십시오. 예, 우리에게 가장 중요한 현실은 매우 비열한 통계적 속성을 가진 인용문입니다. 우리는 우리 지성의 모든 힘을 그것에 적용하고(아, 아니, 전부는 아님) 다른 현실, 즉 균형 반환의 흐름을 얻습니다. 이것이 항상 그렇다는 것은 아니지만, 꽤 자주 이 두 번째 스트림은 훨씬 더 편리하고 관찰 가능한 통계적 속성을 가지고 있으며, 이는 때때로 우리가 그것에 대한 수용 가능한 모델을 구축할 수 있게 해줍니다 .
Sergey 는 다각화의 이점에 대한 설명에서 첫 번째 흐름에서 추상화하여 두 번째 흐름을 정확하게 탐구했습니다. 네, 그리고 저는 샌드위치에 관한 제 기사에서 이 두 번째 현실에 매료되었습니다. 그리고 나는 첫 번째 현실을 언급하지 않고 이 두 번째 현실에 대해 몇 가지 결론을 얻었습니다. 그리고 그게 뭐가 그리 나쁜가요?
케이블 차트와 유로 차트 간의 독립성 부족이 반드시 해당 대차 대조표에 대해 동일한 결과를 초래해야 한다고 누가 말했습니까?
나는 Neutron 의 추론을 조금 더 잘 보았습니다. 사실, 여기에서는 균형 곡선으로만 작동합니다. 아니면 제가 틀렸습니까, Sergey ? 음, 균형 곡선은 쉽게 말해서 시세 곡선과 다른 통계적 특성을 갖는 것입니다. 그렇다면 왜 수익률 막대의 가우스가 아닌 특성을 언급하면서 막대 통계에 대해 이야기할까요?
이상적으로는 모든 사람이 일시적으로 가능한 가우스에 따른 수익을 보장하기 위해 노력합니다. 이 기간이 더 길었으면 좋겠지만 안타깝게도 이 기간을 미리 예측하는 것은 불가능합니다. 분리된 시스템의 경우 자체 기준이 나빠졌습니다. 유용한 속성에 추가하여 포트폴리오를 사용하면 개별 시스템의 감소가 일치해야 하는 확률과 전혀 일치하지 않고 일치할 수 있다는 사실로 인해 결과에 추가적인 비정상성이 도입됩니다. 이론에 의하면. 일부 위험을 줄임으로써 우리는 새로운 위험을 가져옵니다. 포트폴리오가 나쁘다는 말은 아닙니다. 포트폴리오의 시스템을 선택할 때 공식적으로 상관관계를 벗어날 수 없다는 것입니다. :)
Z.Y. 그리고 MA를 희생시키면서 비 가우시안이 사라지는 것은 당연합니다. 이것이 평균이기 때문입니다.
케이블 차트와 유로 차트 간의 독립성 부족이 반드시 해당 대차 대조표에 대해 동일한 결과를 초래해야 한다고 누가 말했습니까?
TS에 대해 근본적으로 다른 아이디어가 많지 않다는 것입니다. 특히 개인이 처분할 수 있는 경우가 많습니다. :) 기술적인 면에서 다른 것처럼 보이지만 자세히 살펴보면 공통된 기반이 있고 시장의 동일한 속성을 사용합니다. 여기에서 중요한 변화는 관찰되지 않았고 관찰되어서도 안되는 방식으로 무스를 상관 관계로 만들 수 있습니다. 이론적으로 Gaussianity에서.
물론 할 수 있습니다. 각 개인의 위험을 n의 루트로 곱하지 않고 개별 시스템을 단순히 "합산"하면 개별 손실의 전체 상관 관계가 최악의 경우 전체 손실이 원래 손실과 같습니다. 그리고 모델이 정확하고 대차 대조표 간의 상관 관계를 고려한다면 확률은 여전히 이론적인 것과 멀지 않을 것입니다.
사실, 여기에서는 균형 곡선으로만 작동합니다. 아니면 제가 틀렸습니까, Sergey ? 음, 균형 곡선은 쉽게 말해서 시세 곡선과 다른 통계적 특성을 갖는 것입니다. 그렇다면 왜 수익률 막대의 가우스가 아닌 특성을 언급하면서 막대 통계에 대해 이야기할까요?
전적으로 동의합니다, 알렉스 !
그러나 명확성을 위해 일련의 첫 번째 차이(그림의 파란색 점 참조)와 이들 사이의 강한 상관 관계(표 참조)에서 가우스가 아닌 분포를 가진 12개의 VR을 살펴보겠습니다.
이제 10개의 VR을 모두 더하고 증분 분포(빨간색 점)를 표시해 보겠습니다.
이 분포는 예약이 큰 경우에만 가우스 분포라고 할 수 있음을 알 수 있습니다. 비교를 위해 검은 선은 정규 분포를 보여줍니다 ...
따라서 이 사실이 우리를 귀찮게 해서는 안 됩니다. 균형 곡선의 증분에 대한 실제 비가우시안 분포가 모델에 포함될 수 있고 다양화 문제가 정확히 해결될 것이라는 점을 반복합니다. Mathemat이 올바르게 지적했듯이, 이조차도 필요하지 않습니다. 최악의 경우 하나의 도구를 자본화할 때보다 더 나쁘지 않은 위험을 겪을 것입니다.
글쎄, 그녀를 막고있는 Vitaly , 자신을 성장 시키십시오. 예, 우리에게 가장 중요한 현실은 매우 비열한 통계적 속성을 가진 인용문입니다. 우리는 우리 지성의 모든 힘을 그것에 적용하고(아, 아니, 전부는 아님) 다른 현실, 즉 균형 반환의 흐름을 얻습니다. 이것이 항상 그렇다는 것은 아니지만, 꽤 자주 이 두 번째 스트림은 훨씬 더 편리하고 관찰 가능한 통계적 속성을 가지고 있으며, 이는 때때로 우리가 그것에 대한 수용 가능한 모델을 구축할 수 있게 해줍니다 . - 나는 가정에 전적으로 동의합니다.
결과 VR을 정규화하는 것을 잊었습니다 :-(
정규화 후 그림은 다음과 같습니다.
결과 계열(빨간색 점)이 정규화되었지만 포함된 초기 VR의 수가 적기 때문에 약함을 알 수 있습니다.
물론 할 수 있습니다. 각 개인의 위험을 n의 루트로 곱하지 않고 개별 시스템을 단순히 "합산"하면 개별 손실의 전체 상관 관계가 최악의 경우 전체 손실이 원래 손실과 같습니다. 그리고 모델이 정확하고 대차 대조표 간의 상관 관계를 고려한다면 확률은 여전히 이론적인 것과 멀지 않을 것입니다.
상관 계수는 두 SW가 고정되어 있는 경우에만 두 SW의 종속성을 객관적으로 반영합니다. 각 시스템의 수익이 정상적이라면(또는 고정된 것으로 간주될 수 있는 한) 모든 것이 귀하가 작성한 대로 될 것입니다. 대략적으로 말하면 시스템이 계획대로 작동하는 한 동기화가 "깨져"도 모든 것이 정상이며 나쁘지 않습니다. 이제 시장이 모두 연결되었으므로 IMHO는 TS의 기본 아이디어가 단절되기를 바랄 뿐입니다. 저것들. 포트폴리오의 핵심에 있는 공식 상관 계수 외에 d.b. 본질적으로 서로 다른 시스템 - "이념적으로 독립적" :)
결과 VR을 정규화하는 것을 잊었습니다 :-(
정규화 후 그림은 다음과 같습니다.
결과 계열(빨간색 점)이 정규화되었지만 포함된 초기 VR의 수가 적기 때문에 약함을 알 수 있습니다.
사진상 정상인지 아닌지 불명. 데이터가 충분하지 않고 꼬리에만 있습니다. 더욱이, 예를 들어 각각에 대해 3시그마에서 경계를 추정하는 것은 시각적으로 어렵습니다. RMS의 변화만 볼 수 있습니다.
일반적으로 두 상품의 상관관계로 모든 것이 매우 단순하다면 두 시스템의 수익률의 상관관계는 완전히 모호하지 않습니다. 트랜잭션은 일반적으로 빈도가 서로 다르며 시간상 부분적으로만 겹칩니다. 동일한 시점에서 가져온 동일한 양의 데이터에 대한 2개의 시리즈에 대한 고전적 상관 관계