승/패 확률을 계산하려면 미래 가격 분포의 다차원(더 정확하게는 무한 차원)의 선험적 PDF를 알아야 합니다(그리고 matstat가 시계열에 적용할 수 없다고 말하지 마십시오. this) W(x,n), 여기서 x는 주어진(또는 무제한) 시간 n 동안 진입점에서 특정 최대 편차에 도달하는 이벤트입니다. 가격 축을 따라 이산성을 고려하여 적분을 합으로 대체하면 구매 거래(판매 - 미러)에 대해 다음과 같은 재귀 공식을 얻습니다(tp와 sl이 절대 수준이라고 가정).
P(tp) =S[n=1...N] {P(price>=tp in time 0 to n)*P(price>sl in time 0 to n-1)} = S[n= 1. ..N] {S[가격=tp-spread ... +oo](W(가격,n))*S[가격=sl+spread+1 ... +oo](W(가격,n -one) ))}
P(sl) =S[n=1...N] { P(p(price<=sl for time 0 to n)*P(price<tp for time 0 to n-1)} = S[n= 1. ..N] {S[가격=-oo ... sl+spread](W(가격,n))*S[가격=-oo ... sl+spread+1](W(가격,n -one) ))}
여기서 S[n=...]()은 합산 연산자이고 +-oo는 내가 무한대를 묘사한 방법입니다.
저것들. 확률 tp를 계산할 때 sl이 더 일찍 작동하지 않았을 확률을 고려해야 하며 그 반대의 경우도 마찬가지입니다.
따라서 모든 것이 너무 간단하다고 생각하지 마십시오. 미지의 것을 곱하면 결과가 준비됩니다. 그렇게 쉬웠다면 묻지 않았을 것이다.
무한대로 셀 필요가 없습니다. 사실, 문제는 훨씬 더 사소한 방식으로 해결됩니다. 산술 진행을 통해. 이 작업은 수염이 많습니다.
글쎄, Duc, p(tp) + p(sl) = 1이라는 총 확률 정리에서도 표시되었습니다. p(*)에 대한 공식을 대체하고 확인할 수 있습니다.
따라서 잃을 확률 + 승리 확률 = 1이라는 것은 당연합니다. 문제는 여기에 있지 않지만 이러한 확률을 구조화하는 방법에서 시장 매개변수를 기반으로 분석적으로 얻을 수 있습니다. 턱수염 문제에 관해서는(내가 정확히 무엇에 대해 이해하고 있다면) - 이 경우에는 적용할 수 없습니다. 균일한 분포가 가정되고 n번째 단계에서 이 이벤트가 발생할지 또는 그 이벤트가 발생할지 알 수 없기 때문입니다. 하나가 발생합니다. 그건 그렇고, 분포 밀도를 고려하지 않고 확률을 계산하는 방법 (물론 균일하지 않은 경우), 나는 모릅니다. 그게 제가 배운 유일한 방법입니다 :)
이것으로 충분하지 않습니까? 아니면 개그 외에 더 합리적인 것이 있습니까?
정규화와 확률 - 차이점이 보이십니까? 아니면 똑같다고 생각하시나요?
그러나 나는 더 이상 당신과 어떤 것에 대해 이야기하고 싶은 마음이 조금도 없습니다.
죄송합니다. 약간 잘못되었습니다. 동기 VR의 확산을 고려하면 다음과 같아야 합니다.
p(tp) = (sl - 속도) / (sl + tp)
p(sl) = (tp + 스프레드) / (sl + tp)
그러나 나는 더 이상 당신과 어떤 것에 대해 이야기하고 싶은 마음이 조금도 없습니다.
서로
p(tp) = (tp - 스프레드) / (sl + tp)
p(sl) = (sl + 속도) / (sl + tp)
p(tp) + p(sl) = 1
계산이 잘못되었습니다.
승/패 확률을 계산하려면 미래 가격 분포의 다차원(더 정확하게는 무한 차원)의 선험적 PDF를 알아야 합니다(그리고 matstat가 시계열에 적용할 수 없다고 말하지 마십시오. this) W(x,n), 여기서 x는 주어진(또는 무제한) 시간 n 동안 진입점에서 특정 최대 편차에 도달하는 이벤트입니다. 가격 축을 따라 이산성을 고려하여 적분을 합으로 대체하면 구매 거래(판매 - 미러)에 대해 다음과 같은 재귀 공식을 얻습니다(tp와 sl이 절대 수준이라고 가정).
P(tp) =S[n=1...N] {P(price>=tp in time 0 to n)*P(price>sl in time 0 to n-1)} = S[n= 1. ..N] {S[가격=tp-spread ... +oo](W(가격,n))*S[가격=sl+spread+1 ... +oo](W(가격,n -one) ))}
P(sl) =S[n=1...N] { P(p(price<=sl for time 0 to n)*P(price<tp for time 0 to n-1)} = S[n= 1. ..N] {S[가격=-oo ... sl+spread](W(가격,n))*S[가격=-oo ... sl+spread+1](W(가격,n -one) ))}
여기서 S[n=...]()은 합산 연산자이고 +-oo는 내가 무한대를 묘사한 방법입니다.
저것들. 확률 tp를 계산할 때 sl이 더 일찍 작동하지 않았을 확률을 고려해야 하며 그 반대의 경우도 마찬가지입니다.
따라서 모든 것이 너무 간단하다고 생각하지 마십시오. 미지의 것을 곱하면 결과가 준비됩니다. 그렇게 쉬웠다면 묻지 않았을 것이다.
승패의 확률을 계산하기 위해서는 미래의 가격 분포에 대한 선험적 PDF를 다차원(더 정확하게는 무한 차원)으로 알아야 합니다...
무한대로 셀 필요가 없습니다. 사실, 문제는 훨씬 더 사소한 방식으로 해결됩니다. 산술 진행을 통해. 이 작업은 수염이 많습니다.
alsu 썼다 >>
저것들. 확률 tp를 계산할 때 sl이 더 일찍 작동하지 않았을 확률을 고려해야 하며 그 반대의 경우도 마찬가지입니다.
글쎄, Duc, p(tp) + p(sl) = 1이라는 총 확률 정리에서도 표시되었습니다. p(*)에 대한 공식을 대체하고 확인할 수 있습니다.
무한대로 셀 필요가 없습니다. 사실, 문제는 훨씬 더 사소한 방식으로 해결됩니다. 산술 진행을 통해. 이 작업은 수염이 많습니다.
글쎄, Duc, p(tp) + p(sl) = 1이라는 총 확률 정리에서도 표시되었습니다. p(*)에 대한 공식을 대체하고 확인할 수 있습니다.
따라서 잃을 확률 + 승리 확률 = 1이라는 것은 당연합니다. 문제는 여기에 있지 않지만 이러한 확률을 구조화하는 방법에서 시장 매개변수를 기반으로 분석적으로 얻을 수 있습니다. 턱수염 문제에 관해서는(내가 정확히 무엇에 대해 이해하고 있다면) - 이 경우에는 적용할 수 없습니다. 균일한 분포가 가정되고 n번째 단계에서 이 이벤트가 발생할지 또는 그 이벤트가 발생할지 알 수 없기 때문입니다. 하나가 발생합니다. 그건 그렇고, 분포 밀도를 고려하지 않고 확률을 계산하는 방법 (물론 균일하지 않은 경우), 나는 모릅니다. 그게 제가 배운 유일한 방법입니다 :)
그건 그렇고, 분포 밀도를 고려하지 않고 확률을 계산하는 방법 (물론 균일하지 않은 경우), 나는 모릅니다. 그것이 내가 배운 유일한 방법입니다 :)
그들은 당신을 나쁘게 가르쳤습니다.
확률(정확한 결과의 경우) = 예상된 올바른 결과의 수 / (예상된 올바른 결과의 수 + 예상되는 잘못된 결과의 수)
빈도의 경우 동일한 공식이지만 "추정" 대신 "실제"로 대체해야 합니다.
분포 밀도 및 기타 식물적인 넌센스가 없습니다.
그들은 당신을 나쁘게 가르쳤습니다.
확률(정확한 결과의 경우) = 올바른 결과의 수 / (정확한 결과의 수 + 잘못된 결과의 수)
분포 밀도 및 기타 식물적인 넌센스가 없습니다.
Tikhonov는 가르치기 시작했지만 오래되지는 않았지만 은퇴했습니다.
다시 말하지만, 귀하의 공식은 정확하지만 사소합니다. 더욱이, 그것은 사후 확률의 추정치, 또는 오히려 동일한 것이 아닌 승리 빈도를 반영하며 위에서 제공한 공식의 요소가 잘못 계산됩니다. 위의 정확한 공식을 작성했습니다.