https://forum.mql4.com/en/10977/page23#66070 Alexey의 게시물. 그리고 이것은 Bulashev에서 온 것입니다. 자산 가격의 역학을 결정하는 진정한 메커니즘은 누구에게도 알려져 있지 않습니다. 확실하게 말할 수 있는 유일한 것은 가격 변동에 임의의 요소가 있다는 것입니다. 그러나 이 무작위성의 성격은 다를 수 있습니다.
한 가지 가능한 가설에 따르면 가격 변화의 로그는 정규 분포를 따르지만 이 분포는 비정상적입니다. 즉, 분포의 수학적 기대값과 표준 편차 모두 시간이 지남에 따라 변할 수 있습니다. 결과적으로 표준 통계 방법으로 경험적 표본을 처리할 때 전체 표본이 하나의 일반 모집단에서 얻은 것으로 가정하면 표본의 가우스가 아닌 값을 얻습니다. 이는 경험적 분포의 두꺼운 꼬리(표본에서 계산된 첨도가 숫자 3, 즉 정규 분포의 첨도를 초과함)로 표현할 수 있습니다.
또 다른 가설에 따르면 가격 변화의 로그는 처음에 첨도가 3보다 큰 분포를 따릅니다. 이러한 상황에서 분포 자체가 정상적일지라도 이 분포에서 얻은 경험적 표본은 시간적으로 비정상적인 과정으로 해석될 수 있습니다. . 사실은 확률 변수 x의 수학적 기대치의 추정치가 표본에 대한 산술 평균이라는 것입니다.
<X> = 1/N * 합계(x(i), i =1..N ) 랜덤 변수의 산술 평균은 그 자체로 랜덤 변수입니다. 산술 평균의 표준 편차는 확률 변수의 표준 편차와 표본 크기에 따라 다릅니다.
시그마(<X>) = 시그마(X) / 제곱근(N)
따라서 평균값의 표준편차는 확률변수 자체의 표준편차보다 sqrt(N)배 작습니다. 즉, 표본 크기를 증가시켜 수학적 기대치 추정의 정확도를 향상시킬 수 있습니다. 그러나 이것은 유한한 수학적 기대와 유한한 분산이 있는 확률 변수에만 해당됩니다. 사실 유한한 수학적 기대치는 무한대에서의 확률 밀도가 1 / |x|^(2+delta) 또는 더 가파른 분포에 대해서만 존재하고 유한 분산은 확률 밀도가 다음 분포에 대해 존재하는 분포에만 존재합니다. 무한대에서 1 / |x|^(3+delta) 또는 더 가파르게 떨어집니다( delta는 임의의 작은 양수임). 무한 분산 및/또는 무한 수학적 기대치를 갖는 정상 분포에서 추출한 무작위 표본을 가격 변동의 로그로 사용하여 가격 차트를 모델링하고 이 표본을 분석용으로 독립적인 관찰자에게 제공하면 그는 다음과 같은 환상을 가질 수 있습니다. 고정되지 않은 프로세스를 다루고 있습니다.
글쎄, 마지막으로 분포 매개 변수뿐만 아니라 가격 로그 증분 분포의 법칙이 시간적으로 비정상적이며 가격의 시계열에서 분포로 설명되는 섹션이 있을 수 있는 경우를 배제하는 것은 불가능합니다. 무한 분산 및/또는 무한 수학적 기대로.
별로 도움이 되지 않는 것 같아요. 아무것도 없다면 왜 0.4 틱으로 올라갑니까? 예, 공식적으로 공식을 적용할 수 있지만 여전히 경제적으로 합리적인 값을 넘어서는 외삽법을 적용해야 합니다.
Prival 은 샘플 속도와 "정확한" 데이터의 유용성에 대해 많은 이야기를 나눴습니다. 그러나 DC에서 이러한 올바른 데이터를 어디에서 얻을 수 있습니까? 그리고 당신이 여전히 당신의 God-DC가 당신에게 주는 그 진드기에 대해서만 거래한다면 그것들의 요점은 무엇입니까?
별로 도움이 되지 않는 것 같아요. 아무것도 없다면 왜 0.4 틱으로 올라갑니까? 예, 공식적으로 공식을 적용할 수 있지만 여전히 경제적으로 합리적인 값을 넘어서는 외삽법을 적용해야 합니다.
Prival 은 샘플 속도와 "정확한" 데이터의 유용성에 대해 많은 이야기를 나눴습니다. 그러나 DC에서 이러한 올바른 데이터를 어디에서 얻을 수 있습니까? 그리고 당신이 여전히 당신의 God-DC가 당신에게 주는 그 진드기에 대해서만 거래한다면 그것들의 요점은 무엇입니까?
그건 그렇고, 그는 그의 정확도가 DC 인용의 그것보다 더 크다고 말했습니다. 그들은 그것을 포인트로 가지고 있으며 그는 포인트의 분수까지 계산했습니다. 그런데 아마도 나는이 메커니즘을 사용했을 것입니다. 알지만 가격의 틱 간 "동작"은 그렇게 쓸모가 없을 수 있습니다. 결국 회귀하는 동안 오류가 증가하면서 모든 것이 무너집니다. 그러나 이러한 오류 증가를 예측할 수 있다면?
모든 것이 논리적입니다. 발레리, 당신이 직접 볼 수 있습니다. 대략...
사회적으로 유용한 활동에 대해 몇 가지 성취에 대해 이야기합시다 ...
모든 것이 논리적입니다. 발레리, 당신이 직접 볼 수 있습니다. 대략...
사회적으로 유용한 활동에 대해 몇 가지 성취에 대해 이야기합시다 ...
나는 당신이 치료에 행운을 빕니다. 그것이 생산적이기를 바랍니다. 나는 이것을 위해 절합니다. 파사란을 알고 있습니다.
계속 혼자 놀아요.
그건 그렇고, 당신의 마지막 게시물은 228에서 멈췄습니다. 나는 그것을 고정시킬 수 없었습니다.
모두가 도망쳤다
그건 그렇고, 당신의 마지막 게시물은 228에서 멈췄습니다. 나는 그것을 고정시킬 수 없었습니다.
모두가 도망쳤다
수술 방법에서 진드기의 흐름 밀도 변화를 어떻게 고려할 수 있습니까?
그래서 동시에 틱의 밀도(틱 볼륨의 변화)를 고려하여 지수의 표준 기하 평균 계산을 살펴보고 싶었습니다.
그러나 공식(표준)에서 이것을 고려하는 방법. 아마도 각 쌍에 대해 먼저 틱의 변동성과 밀도를 비교해야 할 필요가 있습니다. 그런 다음 지수를 계산할 때 어떻게든 이것을 고려해야 합니다.
자산 가격의 역학을 결정하는 진정한 메커니즘은 누구에게도 알려져 있지 않습니다. 확실하게 말할 수 있는 유일한 것은 가격 변동에 임의의 요소가 있다는 것입니다. 그러나 이 무작위성의 성격은 다를 수 있습니다.
한 가지 가능한 가설에 따르면 가격 변화의 로그는 정규 분포를 따르지만 이 분포는 비정상적입니다. 즉, 분포의 수학적 기대값과 표준 편차 모두 시간이 지남에 따라 변할 수 있습니다. 결과적으로 표준 통계 방법으로 경험적 표본을 처리할 때 전체 표본이 하나의 일반 모집단에서 얻은 것으로 가정하면 표본의 가우스가 아닌 값을 얻습니다. 이는 경험적 분포의 두꺼운 꼬리(표본에서 계산된 첨도가 숫자 3, 즉 정규 분포의 첨도를 초과함)로 표현할 수 있습니다.
또 다른 가설에 따르면 가격 변화의 로그는 처음에 첨도가 3보다 큰 분포를 따릅니다. 이러한 상황에서 분포 자체가 정상적일지라도 이 분포에서 얻은 경험적 표본은 시간적으로 비정상적인 과정으로 해석될 수 있습니다. . 사실은 확률 변수 x의 수학적 기대치의 추정치가 표본에 대한 산술 평균이라는 것입니다.
<X> = 1/N * 합계(x(i), i =1..N )
랜덤 변수의 산술 평균은 그 자체로 랜덤 변수입니다. 산술 평균의 표준 편차는 확률 변수의 표준 편차와 표본 크기에 따라 다릅니다.
시그마(<X>) = 시그마(X) / 제곱근(N)
따라서 평균값의 표준편차는 확률변수 자체의 표준편차보다 sqrt(N)배 작습니다. 즉, 표본 크기를 증가시켜 수학적 기대치 추정의 정확도를 향상시킬 수 있습니다. 그러나 이것은 유한한 수학적 기대와 유한한 분산이 있는 확률 변수에만 해당됩니다. 사실 유한한 수학적 기대치는 무한대에서의 확률 밀도가 1 / |x|^(2+delta) 또는 더 가파른 분포에 대해서만 존재하고 유한 분산은 확률 밀도가 다음 분포에 대해 존재하는 분포에만 존재합니다. 무한대에서 1 / |x|^(3+delta) 또는 더 가파르게 떨어집니다( delta는 임의의 작은 양수임). 무한 분산 및/또는 무한 수학적 기대치를 갖는 정상 분포에서 추출한 무작위 표본을 가격 변동의 로그로 사용하여 가격 차트를 모델링하고 이 표본을 분석용으로 독립적인 관찰자에게 제공하면 그는 다음과 같은 환상을 가질 수 있습니다. 고정되지 않은 프로세스를 다루고 있습니다.
글쎄, 마지막으로 분포 매개 변수뿐만 아니라 가격 로그 증분 분포의 법칙이 시간적으로 비정상적이며 가격의 시계열에서 분포로 설명되는 섹션이 있을 수 있는 경우를 배제하는 것은 불가능합니다. 무한 분산 및/또는 무한 수학적 기대로.
Polygrapher , 이것은 당신을 위한 것입니다:
middle_period는 기간 기간의 평균 막대 이동입니다. 이동은 높음 - 낮음(또는 예를 들어 |Close - Open|)입니다.
middle_H1 - 이것은 TF H1에서 막대의 평균 이동입니다.
괄호 안의 공식에서 마침표를 분 단위로 대체해야 합니다. H1 = 60.
예를 들어, middle_H4 ~ middle_H1 * sqrt( H4 / H1 ) = middle_H1 * sqrt( 240 / 60 ) = 2 * middle_H1과 같이 밝혀졌습니다.
Alexey, 제발 저를 때리지 마세요. 그러나 이 공식에서 기간 계산을 분(시간 척도)이 아니라 틱(틱 수)으로 계산하면 이 기능이 얼마나 유용하고 이 부분에 전혀 도움이 될까요? 공식은 유효합니까? 그렇다면 n4 및 n1이 아니라 (4tik 및 1tik)
따라서 1 틱과 0.4 틱을 사용할 수 있습니다. 이 공식을 통해 1 tick과 동일한 기존 최소 이산도를 통해 표현되는 1 tick 미만의 이산도 값을 얻습니다.
별로 도움이 되지 않는 것 같아요. 아무것도 없다면 왜 0.4 틱으로 올라갑니까? 예, 공식적으로 공식을 적용할 수 있지만 여전히 경제적으로 합리적인 값을 넘어서는 외삽법을 적용해야 합니다.
Prival 은 샘플 속도와 "정확한" 데이터의 유용성에 대해 많은 이야기를 나눴습니다. 그러나 DC에서 이러한 올바른 데이터를 어디에서 얻을 수 있습니까? 그리고 당신이 여전히 당신의 God-DC가 당신에게 주는 그 진드기에 대해서만 거래한다면 그것들의 요점은 무엇입니까?
별로 도움이 되지 않는 것 같아요. 아무것도 없다면 왜 0.4 틱으로 올라갑니까? 예, 공식적으로 공식을 적용할 수 있지만 여전히 경제적으로 합리적인 값을 넘어서는 외삽법을 적용해야 합니다.
Prival 은 샘플 속도와 "정확한" 데이터의 유용성에 대해 많은 이야기를 나눴습니다. 그러나 DC에서 이러한 올바른 데이터를 어디에서 얻을 수 있습니까? 그리고 당신이 여전히 당신의 God-DC가 당신에게 주는 그 진드기에 대해서만 거래한다면 그것들의 요점은 무엇입니까?
그건 그렇고, 그는 그의 정확도가 DC 인용의 그것보다 더 크다고 말했습니다. 그들은 그것을 포인트로 가지고 있으며 그는 포인트의 분수까지 계산했습니다. 그런데 아마도 나는이 메커니즘을 사용했을 것입니다. 알지만 가격의 틱 간 "동작"은 그렇게 쓸모가 없을 수 있습니다. 결국 회귀하는 동안 오류가 증가하면서 모든 것이 무너집니다. 그러나 이러한 오류 증가를 예측할 수 있다면?