예를 들어, mo=0인 비대칭 분포가 있습니다. 대칭이 아닌 경우 새 분포가 0과 다를 수 있는 sl 및 tp 값을 선택할 수 있습니다.
유사하게, 일부 대칭이지만 가우스가 아닌 분포도 가능합니다. 순전히 sl 및 tp를 변경하여
이 진술은 현실과 일치하지 않습니다.
MO=0인 1차 차분 급수(RDS)의 분포에 대해 sl 및 tp를 도입해도 기대치가 바뀌지 않는 것으로 알려져 있습니다. 이는 편향된 분포에서도 마찬가지입니다.
정규 분포 SW를 MO=0으로 적분하여 얻은 가격 계열이 있다고 합시다. 우리는 "이익은 달리고 손실은 줄이도록 하라"는 전략을 고수할 것입니다. 우리가 "순수한" 마팅게일을 다루고 있다는 것은 분명합니다. 아시다시피 수익성 있는 전략을 세우는 데 사용할 수 없고 손실을 만드는 전략도 사용할 수 없습니다. 고정 손절매로 손실을 줄이고 Take에서 이동 가능하게 만들고 TS의 MO가 이 매개변수에서 어떻게 변경되는지 확인합니다.
무화과에. 왼쪽에는 무한 테이크가 있는 그러한 차량에 대한 뇌물 분배가 표시됩니다(단순히 존재하지 않음). 분포가 상당히 비대칭이고 긍정적인 속임수(이익이 증가하도록 함) 및 잘린 손실(슬리피지로 인해 손실 경계가 예리하지 않음)의 긴 꼬리를 가지고 있음을 알 수 있습니다. 실험에는 4500개의 트랜잭션이 있습니다. MO는 0에서 뇌물의 특징적인 크기의 7%만큼 다릅니다. 예상대로 거의 0입니다(더 많은 트랜잭션을 수행하면 0이 더 정확합니다).
우리는 테이크를 입력합니다. 무화과에. 오른쪽은 평균 뇌물 가치의 약 10배입니다. MO는 움직이지 않았습니다(여전히 7%). 오른쪽에서 테이크 영역에서 자란 작은 꼬리를 볼 수 있습니다. 이것은 이해할 수 있습니다. 우리는 테이크를 사용하여 분포의 긴 꼬리를 자릅니다. 다음으로 테이크를 더 가까이 이동해 보겠습니다.
무화과에. 왼쪽 하단, TP는 5개의 평균 뇌물과 2개의 뇌물과 같습니다(그림). 오른쪽에. 위쪽에 다시 자란 꼬리가 잘 보입니다.
비대칭 분포에 대한 MO는 변하지 않았음을 알 수 있다.
위의 모든 사항은 특히 가격 시리즈의 경우 RPR에서 가우스가 아닌 분포가 있는 통합 SW에 대해서도 마찬가지입니다. StopLoss 및 TakeProfit을 TS에 도입해도 TS의 수익성은 변경되지 않으며(MO는 이동하지 않음), 단선 등과 같은 불가항력 상황에 대해서만 보장합니다.
PS MO 우리는 고전에 따라 고려합니다. 확률 분포 밀도 F가 일부 값 x에 대해 알려진 경우 평균은 다음과 같이 발견됩니다.
MO=0인 1차 차분 급수(RDS)의 분포에 대해 sl 및 tp를 도입해도 기대치가 바뀌지 않는 것으로 알려져 있습니다. 이는 편향된 분포에서도 마찬가지입니다.
정규 분포 CV를 MO=0으로 적분하여 얻은 가격 시리즈를 가정해 보겠습니다. 우리는 "이익은 달리고 손실은 줄이도록 하라"는 전략을 고수할 것입니다. 우리가 "순수한" 마팅게일을 다루고 있다는 것은 분명합니다. 아시다시피 수익성 있는 전략을 세우는 데 사용할 수 없고 손실을 만드는 전략도 사용할 수 없습니다. 고정 손절매로 손실을 줄이고 Take에서는 모바일로 만들고 TS의 MO가 어떻게 변경되는지 확인합니다.
무화과에. 왼쪽에는 무한 테이크가 있는 그러한 차량에 대한 뇌물 분배가 표시됩니다(단순히 존재하지 않음). 분포가 상당히 비대칭이고 긍정적인 속임수(이익이 증가하도록 함) 및 잘린 손실(슬립피로 인해 손실의 경계가 예리하지 않음)의 긴 꼬리를 가지고 있음을 알 수 있습니다. 실험에는 4500개의 트랜잭션이 있습니다. MO는 0에서 뇌물의 특징적인 크기의 7%만큼 다릅니다. 예상대로 거의 0입니다(더 많은 트랜잭션을 수행하면 0이 더 정확합니다).
우리는 테이크를 입력합니다. 무화과에. 오른쪽은 평균 뇌물 가치의 약 10배입니다. MO는 움직이지 않았습니다(여전히 7%). 오른쪽에서 테이크 영역에서 자란 작은 꼬리를 볼 수 있습니다. 이것은 이해할 수 있습니다. 우리는 테이크를 사용하여 분포의 긴 꼬리를 자릅니다. 더 가까이 다가가기:
무화과에. 왼쪽 하단 TP = 중간 뇌물 5개와 오른쪽에 2개. 측면에 잘 자란 꼬리 tp.
비대칭 분포에 대한 MO는 변하지 않았음을 알 수 있다.
그래서 처음에 mo = 0인 HP에 대한 증분 분포를 취했습니다. 이 경우 스톱 및 테이크를 도입하지 않으면 긍정적인 MO가 발생합니다.
위의 모든 사항은 특히 가격 시리즈의 경우 RPR에서 가우스가 아닌 분포가 있는 통합 SW에도 해당됩니다. StopLoss 및 TakeProfit을 TS에 도입해도 TS의 수익성은 변경되지 않으며(MO는 이동하지 않음), 단선 등과 같은 불가항력 상황에 대해서만 보장합니다.
이것은 근본적으로 잘못된 것입니다!
0<p<1은 확률
tp, sl은 "킬로그램"입니다.
같은 키로 입력할 수 없습니다.
왜 안 돼? 나는 포인트와 tp, sl을 좋아하지 않습니다. 우리는 oryanka: bet per dollar를 합니다. 당신이 당신의 것과 2개를 더 얻었다고 생각하면, 당신은 내기를 잃습니다. 추측/비추측의 확률은 0.5/0.5입니다.
mo=0.5*2-0.5*1=0.5. 즉, 평균적으로 각 게임에서 0.5달러를 얻습니다.
그러나 아직 MM에 대한 이야기가 없으면 포인트로 계산하는 것이 더 정확합니다. 그건 그렇고, 고정 로트가있는 MM과 거의 같습니다.
다른 방법으로 기대치를 계산할 수 있습니까?
이산 분포의 수학적 기대치
- X 가 분포 가 있는 이산 확률 변수 인 경우
,르베그 적분 의 정의에서 직접 따라옵니다.
. https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0 %B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BE%D0%B6%D0%B8%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5예를 들어, mo=0인 비대칭 분포가 있습니다. 대칭이 아닌 경우 새 분포가 0과 다를 수 있는 sl 및 tp 값을 선택할 수 있습니다.
유사하게, 일부 대칭이지만 가우스가 아닌 분포도 가능합니다. 순전히 sl 및 tp를 변경하여
이 진술은 현실과 일치하지 않습니다.
MO=0인 1차 차분 급수(RDS)의 분포에 대해 sl 및 tp를 도입해도 기대치가 바뀌지 않는 것으로 알려져 있습니다. 이는 편향된 분포에서도 마찬가지입니다.
정규 분포 SW를 MO=0으로 적분하여 얻은 가격 계열이 있다고 합시다. 우리는 "이익은 달리고 손실은 줄이도록 하라"는 전략을 고수할 것입니다. 우리가 "순수한" 마팅게일을 다루고 있다는 것은 분명합니다. 아시다시피 수익성 있는 전략을 세우는 데 사용할 수 없고 손실을 만드는 전략도 사용할 수 없습니다. 고정 손절매로 손실을 줄이고 Take에서 이동 가능하게 만들고 TS의 MO가 이 매개변수에서 어떻게 변경되는지 확인합니다.
무화과에. 왼쪽에는 무한 테이크가 있는 그러한 차량에 대한 뇌물 분배가 표시됩니다(단순히 존재하지 않음). 분포가 상당히 비대칭이고 긍정적인 속임수(이익이 증가하도록 함) 및 잘린 손실(슬리피지로 인해 손실 경계가 예리하지 않음)의 긴 꼬리를 가지고 있음을 알 수 있습니다. 실험에는 4500개의 트랜잭션이 있습니다. MO는 0에서 뇌물의 특징적인 크기의 7%만큼 다릅니다. 예상대로 거의 0입니다(더 많은 트랜잭션을 수행하면 0이 더 정확합니다).
우리는 테이크를 입력합니다. 무화과에. 오른쪽은 평균 뇌물 가치의 약 10배입니다. MO는 움직이지 않았습니다(여전히 7%). 오른쪽에서 테이크 영역에서 자란 작은 꼬리를 볼 수 있습니다. 이것은 이해할 수 있습니다. 우리는 테이크를 사용하여 분포의 긴 꼬리를 자릅니다. 다음으로 테이크를 더 가까이 이동해 보겠습니다.
무화과에. 왼쪽 하단, TP는 5개의 평균 뇌물과 2개의 뇌물과 같습니다(그림). 오른쪽에. 위쪽에 다시 자란 꼬리가 잘 보입니다.
비대칭 분포에 대한 MO는 변하지 않았음을 알 수 있다.
위의 모든 사항은 특히 가격 시리즈의 경우 RPR에서 가우스가 아닌 분포가 있는 통합 SW에 대해서도 마찬가지입니다. StopLoss 및 TakeProfit을 TS에 도입해도 TS의 수익성은 변경되지 않으며(MO는 이동하지 않음), 단선 등과 같은 불가항력 상황에 대해서만 보장합니다.
PS MO 우리는 고전에 따라 고려합니다. 확률 분포 밀도 F가 일부 값 x에 대해 알려진 경우 평균은 다음과 같이 발견됩니다.
다른 방법으로 기대치를 계산할 수 있습니까?
이산 분포의 수학적 기대치
- X 가 분포 가 있는 이산 확률 변수 인 경우
,르베그 적분 의 정의에서 직접 따라옵니다.
."위키피디아"에 국한하지 말고 사건이 무엇인지, 사건의 확률이 무엇인지, 확률이 더해지는지 등을 파악하십시오.
Feller 또는 Verlan 또는 Shirochin 또는 Wenzel...
이 진술은 현실과 일치하지 않습니다.
MO=0인 1차 차분 급수(RDS)의 분포에 대해 sl 및 tp를 도입해도 기대치가 바뀌지 않는 것으로 알려져 있습니다. 이는 편향된 분포에서도 마찬가지입니다.
정규 분포 CV를 MO=0으로 적분하여 얻은 가격 시리즈를 가정해 보겠습니다. 우리는 "이익은 달리고 손실은 줄이도록 하라"는 전략을 고수할 것입니다. 우리가 "순수한" 마팅게일을 다루고 있다는 것은 분명합니다. 아시다시피 수익성 있는 전략을 세우는 데 사용할 수 없고 손실을 만드는 전략도 사용할 수 없습니다. 고정 손절매로 손실을 줄이고 Take에서는 모바일로 만들고 TS의 MO가 어떻게 변경되는지 확인합니다.
무화과에. 왼쪽에는 무한 테이크가 있는 그러한 차량에 대한 뇌물 분배가 표시됩니다(단순히 존재하지 않음). 분포가 상당히 비대칭이고 긍정적인 속임수(이익이 증가하도록 함) 및 잘린 손실(슬립피로 인해 손실의 경계가 예리하지 않음)의 긴 꼬리를 가지고 있음을 알 수 있습니다. 실험에는 4500개의 트랜잭션이 있습니다. MO는 0에서 뇌물의 특징적인 크기의 7%만큼 다릅니다. 예상대로 거의 0입니다(더 많은 트랜잭션을 수행하면 0이 더 정확합니다).
우리는 테이크를 입력합니다. 무화과에. 오른쪽은 평균 뇌물 가치의 약 10배입니다. MO는 움직이지 않았습니다(여전히 7%). 오른쪽에서 테이크 영역에서 자란 작은 꼬리를 볼 수 있습니다. 이것은 이해할 수 있습니다. 우리는 테이크를 사용하여 분포의 긴 꼬리를 자릅니다. 더 가까이 다가가기:
무화과에. 왼쪽 하단 TP = 중간 뇌물 5개와 오른쪽에 2개. 측면에 잘 자란 꼬리 tp.
비대칭 분포에 대한 MO는 변하지 않았음을 알 수 있다.
그래서 처음에 mo = 0인 HP에 대한 증분 분포를 취했습니다. 이 경우 스톱 및 테이크를 도입하지 않으면 긍정적인 MO가 발생합니다.
위의 모든 사항은 특히 가격 시리즈의 경우 RPR에서 가우스가 아닌 분포가 있는 통합 SW에도 해당됩니다. StopLoss 및 TakeProfit을 TS에 도입해도 TS의 수익성은 변경되지 않으며(MO는 이동하지 않음), 단선 등과 같은 불가항력 상황에 대해서만 보장합니다.
물론, 실제 급수의 증분은 대칭이기 때문입니다.
내 이익을 취하는 것은 아무 것도 보장하지 않지만 MO를 크게 변경합니다. :)
하지만 비대칭입니다. 나는 그것에 푹 빠졌다. 메시지의 상위 부분이 그 순간을 강조 표시했습니다.
정규 분포 증분의 통합 분포에서 sl 및 tp를 변경하여 얻은 비대칭 분포가 있습니다. 그래야만 합니다. 여전히 대칭적인 증분 분포를 거래하고 있으며 sl과 tp의 변동은 양의 MO를 만들 수 없습니다.
제가 정확히 표현하지는 않았지만, 적분을 통해 고려하는 계열이 얻어지는 비대칭 분포를 염두에 두고 있었습니다.
물론, 실제 급수의 증분은 대칭이기 때문입니다.
내 이익을 취하는 것은 아무 것도 보장하지 않지만 MO를 크게 변경합니다. :)
나는 뇌물 증가분의 분배에 대해 이야기하고 있습니다. 제 예에서는 비대칭이고 TR의 도입은 아무 것도 변경하지 않으며 이것은 위의 귀하의 진술과 일치하지 않습니다.