이동 기대치의 편차 분포를 보면 표본 크기가 크면 라플라스 분포라는 것을 점점 더 확신하게 됩니다.
분산과 그에 따른 표준 편차 를 계산할 때 수익률의 속도와 평균 가치 및 시간 모두를 고려한 것처럼 보입니다.
하지만 지금까지는 아무리 노력해도 정지된 과정으로 줄이는 것은 불가능하다. 아마 절대 그렇지 않을 것입니다.
한편, 분위수는 항상 = const입니다. 그러나 non-stationarity로 인해 분포의 모양이 변합니다...
분포 값의 99%를 차지하는 분위수 역시 상수가 아닌 변수임이 밝혀졌습니다. 그리고 그것은 또한 각 단계에서 계산되어야 합니다. 그래서 무엇을? 껴안아도 된다...
기껏해야 점근 분포 (존재하는 경우)에 대한 근사값을 작성할 수 있습니다. 여기에는 특별한 의미가 없습니다. 가격과 관련된 임의의 변수에 해당하지 않습니다. 이것은 분포에 있는 확률 변수 시퀀스(또는 계열의 부분 합)의 수렴이 제한 확률 변수에 대한 수렴을 수반하지 않기 때문에 발생합니다.
최적의 손절매 수준에 대한 이러한 계산 및 연구에 대한 링크를 제공할 수 있습니까? 결국 그 부끄러운 거래에서 내가 화상을 입은 것은 그의 부재 때문이었다.
손절매는 거래를 시작하고 이익을 얻는 가격과 동일한 "기술적" 가치라고 생각합니다. 즉, 이것은 당신의 모델이 맞다면 이익을 취하기보다 더 일찍 가격에 도달하지 않을 값입니다.(스톱 트리거는 모델 오류를 의미합니다.) 그러면 최적의 거래량 문제가 해결됩니다.- 이에 대한 내 기사를 추천 할 수 있습니다 : 첫 번째 와 두 번째 .
Расчет оптимальных уровней TakeProfit и StopLoss Этот простой калькулятор позволяет определить, где нужно поставить уровни TakeProfit и StopLoss для максимально быстрого наращивания своего депозита на бирже, при известном соотношении прибыли и убытка в результате срабатывания ордеров TakeProfit и StopLoss и при известном соотношении числа...
내 생각에 계산은 Ralph Vince - Optimal-f의 아이디어를 기반으로 하므로 위험을 관리하는 데 너무 공격적인 방법을 제공합니다. 50%의 승률과 두 배의 이익 대 손실 비율로 보증금의 4분의 1을 위험에 빠뜨리는 것을 제안합니다. 제 생각에는 이것은 명백한 과잉입니다.
내 생각에 계산은 Ralph Vince - Optimal-f의 아이디어를 기반으로 하므로 위험을 관리하는 데 너무 공격적인 방법을 제공합니다. 50%의 승률과 두 배의 이익 대 손실 비율로 보증금의 4분의 1을 위험에 빠뜨리는 것을 제안합니다. 제 생각에는 이것은 명백한 과잉입니다.
크기가 포인트로 즉시 결정되는 경우 정지 손실의 크기를 계산하기 위한 옵션입니다. 예를 들어, 손절매 크기를 100포인트(5개 기호)로 설정한 다음 가격이 이 간격을 극복했을 때 해당 틱만 고려합니다. 저것들. 우리는 분석을 위해 첫 번째 = 마지막 틱, 두 번째 = 틱 + - 100포인트, 세 번째 = 틱 + - 두 번째에서 100포인트 등을 취합니다.
외환에서 OI는 어디에서 옵니까? 밝히다.
레나에게 물어보는게 좋을거야. "예측 ..."에는 실제로 많은 마스터가 사용되었습니다. 지금 다시 읽어보겠습니다.
레나에게 물어보는게 좋을거야. "예측 ..." 에는 실제로 많은 마스터가 사용되었습니다. 지금 다시 읽어보겠습니다.
거기 있는 모든 공식은 쓰레기야
소스 테이블 바로 아래에서 계산 방법과 항목에 대한 설명을 읽습니다.
처음에 우리는 이 칩을 진실로 받아들입니다. 왜냐하면. 이 단계가 중요합니다
바로 예약할게요~ 금융시장의 전형, 더 이상
모델에서 전략이 나올 수 있음이동 기대치의 편차 분포를 보면 표본 크기가 크면 라플라스 분포라는 것을 점점 더 확신하게 됩니다.
분산과 그에 따른 표준 편차 를 계산할 때 수익률의 속도와 평균 가치 및 시간 모두를 고려한 것처럼 보입니다.
하지만 지금까지는 아무리 노력해도 정지된 과정으로 줄이는 것은 불가능하다. 아마 절대 그렇지 않을 것입니다.
한편, 분위수는 항상 = const입니다. 그러나 non-stationarity로 인해 분포의 모양이 변합니다...
분포 값의 99%를 차지하는 분위수 역시 상수가 아닌 변수임이 밝혀졌습니다. 그리고 그것은 또한 각 단계에서 계산되어야 합니다. 그래서 무엇을? 껴안아도 된다...
기껏해야 점근 분포 (존재하는 경우)에 대한 근사값을 작성할 수 있습니다. 여기에는 특별한 의미가 없습니다. 가격과 관련된 임의의 변수에 해당하지 않습니다. 이것은 분포에 있는 확률 변수 시퀀스(또는 계열의 부분 합)의 수렴이 제한 확률 변수에 대한 수렴을 수반하지 않기 때문에 발생합니다.
최적의 손절매 수준에 대한 이러한 계산 및 연구에 대한 링크를 제공할 수 있습니까? 결국 그 부끄러운 거래에서 내가 화상을 입은 것은 그의 부재 때문이었다.
손절매는 거래를 시작하고 이익을 얻는 가격과 동일한 "기술적" 가치라고 생각합니다. 즉, 이것은 당신의 모델이 맞다면 이익을 취하기보다 더 일찍 가격에 도달하지 않을 값입니다.(스톱 트리거는 모델 오류를 의미합니다.) 그러면 최적의 거래량 문제가 해결됩니다.- 이에 대한 내 기사를 추천 할 수 있습니다 : 첫 번째 와 두 번째 .
최적의 손절매 수준에 대한 이러한 계산 및 연구에 대한 링크를 제공할 수 있습니까? 결국, 그 수치스러운 거래에서 내가 화상을 입은 것은 정확히 그의 부재 때문이었습니다.
검색을 통해 많은 것을 찾을 수 있습니다(예: http://www.nanoquant.ru/calc/max.htm ).
검색을 통해 많은 것을 찾을 수 있습니다(예: http://www.nanoquant.ru/calc/max.htm ).
내 생각에 계산은 Ralph Vince - Optimal-f의 아이디어를 기반으로 하므로 위험을 관리하는 데 너무 공격적인 방법을 제공합니다. 50%의 승률과 두 배의 이익 대 손실 비율로 보증금의 4분의 1을 위험에 빠뜨리는 것을 제안합니다. 제 생각에는 이것은 명백한 과잉입니다.
내 생각에 계산은 Ralph Vince - Optimal-f의 아이디어를 기반으로 하므로 위험을 관리하는 데 너무 공격적인 방법을 제공합니다. 50%의 승률과 두 배의 이익 대 손실 비율로 보증금의 4분의 1을 위험에 빠뜨리는 것을 제안합니다. 제 생각에는 이것은 명백한 과잉입니다.
글쎄요, Alexander_K2 도 똑같습니다. 우승 확률은 더 높을 것입니다.)
글쎄요, Alexander_K2 도 똑같습니다. 우승 확률은 더 높을 것입니다.)
글쎄, 네, 아마도 그는 75%와 같을 것이고, 그리고 그는 (동일한 이중 이익 / 손실 비율로) 거래에서 보증금의 62.5%를 위험에 빠트려야 할 것입니다) Nanoquant는 나쁜 조언을 하지 않을 것입니다)
그러나 실제로 이 서비스는 그의 질문에서처럼 손절매가 아닌 위험을 고려합니다.
나는 확률이 이익이든 손실이든 항상 50%라고 믿습니다.
크기가 포인트로 즉시 결정되는 경우 정지 손실의 크기를 계산하기 위한 옵션입니다. 예를 들어, 손절매 크기를 100포인트(5개 기호)로 설정한 다음 가격이 이 간격을 극복했을 때 해당 틱만 고려합니다. 저것들. 우리는 분석을 위해 첫 번째 = 마지막 틱, 두 번째 = 틱 + - 100포인트, 세 번째 = 틱 + - 두 번째에서 100포인트 등을 취합니다.
나는 확률이 이익이든 손실이든 항상 50%라고 믿습니다.
손절매에 대한 이익실현의 비율이 1인 경우 추세가 없는 경우에만 50%입니다.