Lucro a partir de uma faixa de preço aleatória - página 3

Novo comentário
 
Mathemat:

você tem que converter os dados reais em dados normalmente distribuídos.

Eu não esperava isso de você! Como é possível converter dados empíricos que não estão em conformidade com uma distribuição gaussiana em uma distribuição normal?

Você não fez sua tese junto com o carvalho?
 
Rosh:
Ou seja, encontrar tal transformação dos dados brutos (citações) para ver os incrementos normais? E como isso funciona?
Eu não sei, Rosh. Ele só lançou esta idéia a partir do link que eu dei. Aparentemente, ele estava tentando fazer algo...
 
usdjpy писал (а): Eu não esperava isso de você! Como é possível transformar dados empíricos que não estão em conformidade com uma distribuição gaussiana em dados normais?

Você não fez sua dissertação com um carvalho?
Aprenda o Terver, Newton... Há uma distribuição fractal que o Retorno satisfaz, e é estacionária. Há tabelas disso. Há o gaussiano, para o qual existe uma fórmula clara. Há um teorema de Therver para a função de distribuição integral de uma variável aleatória, que é uma dada função determinística de outra variável aleatória. O que mais você precisa?
 
usdjpy:
Mathemat:

você tem que converter dados reais em dados normalmente distribuídos.

Eu não esperava isso de você! Como é possível transformar dados empíricos que não estão em conformidade com uma distribuição gaussiana em dados normais?

Você não fez sua dissertação com um carvalho?


Primeiro você tem que aprender a ler e entender o que está escrito, depois você tem que aprender a escrever

Você tem que converter dados reais em dados normalmente distribuídos, o que também é idéia da Northwind...
 
O posto acima é um pouco divagante:
  • Existe algo como uma distribuição parabólica fractal (algo bastante novo, trata-se de modelar a distribuição de objetos reais, como o tamanho da cidade de Paris em relação às cidades frugal da França https://en.wikipedia.org/wiki/Parabolic_fractal_distribution). A menos que você tenha saído direto da universidade, provavelmente ainda não foi ensinado. Não vejo como isso se encaixa aqui.
  • Distribuição estacionária: se el. vectores são el. no espaço de estado de uma cadeia de Markov, são números não negativos, dê uma soma de 1, e el. i é a soma do vetor el. j multiplicada pela probabilidade de transição do estado j para i. Como isso chega aqui também não entendo.
  • Também conheço o teorema integral Mois-Laplace, que para grandes n a distribuição binomial converge para a distribuição normal. Não conheço outro, e este também não se encaixa aqui.
Bem, sobre a distribuição normal - as citações como estão, como S.W. escreveu e o que está na palma de sua mão, são normalmente distribuídas em torno da média móvel, por isso, estamos aqui no claro.
 
Mathemat:
Rosh:
Ou seja, encontrar tal transformação dos dados brutos (citações) para ver os incrementos normais? E como isso funciona?
Eu não sei, Rosh. Ele só lançou esta idéia a partir do link que eu dei. Aparentemente, ele estava tentando fazer algo...
Leia logo acima da primeira página desse tópico. O que é interessante é que eu modelava sobre o mesmo, ou seja, as entradas são aleatórias, o tamanho da parada é maior do que o tamanho do lucro. Além disso, tanto o alvo quanto a parada estão longe de pips, centenas de pips. A rentabilidade é estável. A dispersão foi considerada (2 pontos). Se ao menos fosse assim tão fácil no mercado real :)
 
olexij:
O posto acima é um pouco divagante:
  • Existe algo como uma distribuição parabólica fractal (algo bastante novo, trata-se de modelar a distribuição de objetos reais, como o tamanho da cidade de Paris em relação às cidades frugal da França https://en.wikipedia.org/wiki/Parabolic_fractal_distribution). A menos que você tenha saído direto da universidade, provavelmente ainda não foi ensinado. Não vejo como isso se encaixa aqui.
  • Distribuição estacionária: se el. vectores são el. no espaço de estado de uma cadeia de Markov, são números não negativos, dê uma soma de 1, e el. i é a soma do vetor el. j multiplicada pela probabilidade de transição do estado j para i. Como isso chega aqui também não entendo.
  • Também conheço o teorema integral Mois-Laplace, que para grandes n a distribuição binomial converge para a distribuição normal. Não conheço outro, e este também não se encaixa aqui.
Bem, sobre a distribuição normal - as citações como estão, como S.W. escreveu e o que está na palma de sua mão, são normalmente distribuídas em torno da média móvel, por isso, estamos aqui no claro.

olexij, a precisão da redação é surpreendente. Você deveria estar na lib.mexmat.ru, não aqui (se você não se importar com "você"). Vou tentar responder ponto por ponto - com o máximo rigor possível, e ao mesmo tempo, para que pelo menos alguém aqui o entenda. Não sou direto do banco da universidade, mas tenho uma idéia geral do rigor matemático.

1. Distribuição fractal: significa aquela discutida no livro de Peters, que tem uma tabela no final do livro. Link para o livro: http://www.ozon.ru/context/detail/id/1691158/. Também está disponível gratuitamente em Spider, a propósito. Há uma apresentação mais rigorosa nos Fundamentos da Matemática Financeira Estocástica de Shiryaev. A fractalidade aqui se refere mais à estabilidade da distribuição de probabilidade.

2. Estacionariedade: sim, eu estava impreciso (como má sorte, depois de tê-lo escrito eu pensei que estava impreciso - certamente alguém iria implicar comigo). Não estava me referindo à estacionaridade da distribuição, mas à estacionaridade do processo de Retornos aleatórios.

3. Sei sobre este teorema da convergência do binômio ao normal. Referia-me ao teorema pelo qual você pode, tendo uma quantidade uniformemente distribuída e conhecendo a função inversa da função de distribuição normal, obter em seu computador uma imitação bastante boa de uma distribuição normal. Não me lembro exatamente como é chamado, mas é um dos mais importantes do terver.

Uma última coisa: não estamos falando da distribuição de citações em torno de uma média móvel; sua normalidade... bem, intuitivamente parece e não está de modo algum na superfície. O que queremos dizer é Retorno, ou seja, fechamento de diferenças de preço de barras vizinhas - independentemente dos muwings.
 
olexij:
O posto acima é um pouco divagante:
  • Existe algo como uma distribuição parabólica fractal (algo bastante novo, trata-se de modelar a distribuição de objetos reais, como o tamanho da cidade de Paris em relação às cidades frugal da França https://en.wikipedia.org/wiki/Parabolic_fractal_distribution). A menos que você tenha saído direto da universidade, provavelmente ainda não foi ensinado. Não vejo como isso se encaixa aqui.
  • Distribuição estacionária: se el. vectores são el. no espaço de estado de uma cadeia de Markov, são números não negativos, dê uma soma de 1, e el. i é a soma do vetor el. j multiplicada pela probabilidade de transição do estado j para i. Como isso chega aqui também não entendo.
  • Também conheço o teorema integral Mois-Laplace, que para grandes n a distribuição binomial converge para a distribuição normal. Não conheço outro, e este também não se encaixa aqui.
Bem, sobre a distribuição normal - as citações como estão, como S.W. escreveu e o que está na palma de sua mão, são normalmente distribuídas em torno da média móvel, por isso, estamos aqui no claro.

Leia. Pensei muito. Chorou.
O autor está em chamas! Continuem assim!
 
Mathemat:
olexij:
O posto acima é um pouco divagante:
  • Existe algo como uma distribuição parabólica fractal (algo bastante novo, trata-se de modelar a distribuição de objetos reais, como o tamanho da cidade de Paris em relação às cidades frugal da França https://en.wikipedia.org/wiki/Parabolic_fractal_distribution). A menos que você tenha saído direto da universidade, provavelmente ainda não foi ensinado. Não vejo como isso se encaixa aqui.
  • Distribuição estacionária: se el. vectores representam el. no espaço de estado de uma cadeia de Markov, são números não negativos, dão uma soma de 1, e el. i é a soma do vetor el. j multiplicada pela probabilidade de transição do estado j para i. Como isso chega aqui também não entendo.
  • Também conheço o teorema integral Mois-Laplace, que para grandes n a distribuição binomial converge para a distribuição normal. Não conheço outro, e este também não se encaixa aqui.
Bem, sobre a distribuição normal - as citações por assim dizer, como S.W. escreveu e o que está na palma de sua mão, são normalmente distribuídas em torno da média móvel, portanto, estamos aqui no claro.

olexij, a precisão da redação é surpreendente. Você deveria estar na lib.mexmat.ru, não aqui (se você não se importar com "você"). Vou tentar responder ponto por ponto - com o máximo rigor possível, e ao mesmo tempo, para que pelo menos alguém aqui o entenda. Não sou direto do banco da universidade, mas tenho uma idéia geral do rigor matemático.

1. Distribuição fractal: significa aquela discutida no livro de Peters, que tem uma tabela no final do livro. Link para o livro: http://www.ozon.ru/context/detail/id/1691158/. Também está disponível gratuitamente em Spider, a propósito. Há uma apresentação mais rigorosa nos Fundamentos da Matemática Financeira Estocástica de Shiryaev. A fractalidade aqui se refere mais à estabilidade da distribuição de probabilidade.

2. Estacionariedade: sim, eu estava impreciso (como má sorte, depois de tê-lo escrito eu pensei que estava impreciso - certamente alguém iria implicar comigo). Não estava me referindo à estacionaridade da distribuição, mas à estacionaridade do processo de Retornos aleatórios.

3. Sei sobre este teorema da convergência do binômio ao normal. Referia-me ao teorema pelo qual você pode, tendo uma quantidade uniformemente distribuída e conhecendo a função inversa da função de distribuição normal, obter em seu computador uma imitação bastante boa de uma distribuição normal. Não me lembro exatamente como é chamado, mas é um dos mais importantes do terver.

Uma última coisa: não estamos falando da distribuição de citações em torno de uma média móvel; sua normalidade... bem, intuitivamente parece e não está de modo algum na superfície. Do que estamos falando é de Devoluções, ou seja, fechamento de diferenças de preço de barras vizinhas - sem considerar os muwings.
Matemat, uma vez que você está na base do primeiro nome então. :) A formulação precisa é sempre melhor quando se fala de matemática e estatística, especialmente quando se tem o Google à mão e sua mão não está seca. Ponto por ponto:
3. Você está escrevendo sobre a transformação Box-Muller? Sobre a geração de números pseudo-aleatórios normalmente distribuídos a partir de números pseudo-aleatórios distribuídos uniformemente aqui: http://www.taygeta.com/random/gaussian.html. Mas onde temos aqui valores pseudo-aleatórios distribuídos uniformemente?
2. Estacionaridade do processo: provavelmente sim. Acho que a função de distribuição também não muda com o tempo.
1. Muito preguiçoso para cavar e ler agora, tendo em vista a última observação:
Existe, por exemplo, um teste Kolmogorov-Smirnov, para o qual, com uma amostra aleatória, pode-se testar se a distribuição de uma variável aleatória é normal ou não: https://en.wikipedia.org/wiki/Kolmogorov-Smirnov_test. Se isto não for suficiente para você, então, por favor, funda todos os itens acima em uma descrição do que você está propondo.
 
alexjou:
olexij:
O posto acima é um pouco divagante:
  • Existe algo como uma distribuição parabólica fractal (algo bastante novo, trata-se de modelar a distribuição de objetos reais, como o tamanho da cidade de Paris em relação às cidades frugal da França https://en.wikipedia.org/wiki/Parabolic_fractal_distribution). A menos que você tenha saído direto da universidade, provavelmente ainda não foi ensinado. Não vejo como isso se encaixa aqui.
  • Distribuição estacionária: se el. vectores são el. no espaço de estado de uma cadeia de Markov, são números não negativos, dê uma soma de 1, e el. i é a soma do vetor el. j multiplicada pela probabilidade de transição do estado j para i. Como isso chega aqui também não entendo.
  • Também conheço o teorema integral Mois-Laplace, que para grandes n a distribuição binomial converge para a distribuição normal. Não conheço outro, e este também não se encaixa aqui.
Bem, sobre a distribuição normal - as citações por assim dizer, como S.W. escreveu e o que está na palma de sua mão, são normalmente distribuídas em torno da média móvel, portanto, estamos aqui no claro.

Leia. Pensei muito. Chorou.
O autor está em chamas! Continuem assim!
Não chore, o avô lhe dará um doce :)
123456789
Novo comentário