Lucro a partir de uma faixa de preço aleatória - página 4
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
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 isso não for suficiente para você, então, por favor, funda todos os itens acima na descrição do que você está propondo.
3. sim, mesmo que se trate do Box-Muller, há muitos métodos diferentes. Mesmo aqui existe uma biblioteca estatística (de klot, eu acho), existe uma função, o inverso do normal, apenas para gerar um valor normal a partir de um valor uniformemente distribuído. Em qualquer caso, a lei fundamental de transformação das probabilidades é a base aqui. Essa é a lei a que me refiro.
Quanto ao que me falta: não estou fazendo isso, mas apenas ressaltando que provavelmente era isso que S.V. queria fazer. Ele aparentemente queria coletar estatísticas sobre Devoluções, e depois, com base na distribuição empírica das Devoluções, transformar esses dados em dados normalmente distribuídos, nos quais, de acordo com suas dicas e reivindicações deRosh, pode-se simplesmente cortar couve. Ao fazer isso, cada dimensão dos retornos reais será combinada sem ambigüidade com a dimensão "normalizada". Nos dados "normalizados", as negociações são abertas/fechadas e transformadas em negociações sobre os dados reais.
1. e você lê Peters, há muitas coisas interessantes lá. Não preciso fazer o teste Kolmogorov-Smirnov para verificar a normalidade das devoluções, pois sei que elas não são normais, e isto é realmente óbvio - por exemplo, pelo fato de que há caudas pesadas. Seis eventos do tipo sigma no mercado real são bastante raros, mas ainda assim centenas de milhares de vezes mais freqüentes do que a lei normal.
1. você deve ler Peters, há muitas coisas interessantes lá dentro.
Que tal o Peters?
Э. Peters "Caos e ordem nos mercados de capitais
Э. E. Peters "Análise Fractal dos Mercados Financeiros". Aplicações da Teoria do Caos ao Investimento e à Economia".
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.
3. sim, mesmo que se trate do Box-Muller, há muitos métodos diferentes. Mesmo aqui existe uma biblioteca estatística (de klot, eu acho), existe uma função, o inverso do normal, apenas para gerar um valor normal a partir de um valor uniformemente distribuído. Em qualquer caso, a lei fundamental de transformação das probabilidades é a base aqui. Essa é a lei a que me refiro.
Quanto ao que me falta: não estou fazendo isso, mas apenas ressaltando que provavelmente era isso que S.V. queria fazer. Ele aparentemente queria coletar estatísticas sobre Devoluções, e depois, com base na distribuição empírica das Devoluções, transformar esses dados em dados normalmente distribuídos, nos quais, de acordo com suas dicas e reivindicações deRosh, pode-se simplesmente cortar couve. Ao fazer isso, cada dimensão dos retornos reais será combinada sem ambigüidade com a dimensão "normalizada". Nos dados "normalizados", as negociações são abertas/fechadas e transformadas em negociações sobre os dados reais.
1. e você deve ler Peters, há muitas coisas interessantes lá. Não preciso fazer o teste Kolmogorov-Smirnov para verificar a normalidade das devoluções, pois sei que elas não são normais, e isto é realmente óbvio - por exemplo, pelo fato de que há caudas pesadas. Os eventos do tipo seis sigma são bastante raros no mercado real, mas ainda centenas de milhares de vezes mais freqüentes do que a lei normal.
3. Sabemos que as quantidades são distribuídas uniformemente? Ou em geral, qual é a nossa função de distribuição? Se assim for, temos uma função de distribuição que podemos transformar. Kolmogorov também pode ajudar aqui.
1. Lendo a descrição anterior em 1 sobre estabilidade, na verdade ela duplica o ponto 2 sobre estacionaridade, tanto quanto eu entendo. Sobre Peters - Vou levá-lo e lê-lo, obrigado.
Sobre o empreendimento em si - vamos ver o que eles conseguem fazer. Se eles desaparecerem de repente aqui, vale a pena dar uma olhada mais de perto.
Que tal o Peters?
1. você deve ler Peters, há muitas coisas interessantes lá dentro.
Peters, talvez?
Э. Peters "Caos e ordem nos mercados de capitais
Э. E. Peters "Análise Fractal dos Mercados Financeiros". Aplicações da Teoria do Caos ao Investimento e à Economia".
Obrigado, os links funcionam não apenas na Rússia. Estou interessado em livros sobre gestão de dinheiro, você pode sugerir algo? Matemat, a pergunta também é para você :)
Obrigado, os links não funcionam apenas na Rússia. Estou interessado em livros sobre gestão de dinheiro, você pode sugerir algo? Matemat, uma pergunta para você também :)
Clássicos do gênero.
Р. Vince, The Mathematics of Money Management.
Para auto-negociação
Yuri Reshetnikov "MTS e Métodos de Gestão de Dinheiro"
1. Lendo a descrição anterior em 1 sobre estabilidade, na verdade ela duplica o ponto 2 sobre estacionaridade, tanto quanto eu entendo.
Não, não tem. Uma distribuição de probabilidade estável é esta (de Shiryaev, vol. 1, p. 232):
Algo semelhante é uma distribuição infinitamente divisível.
1. Lendo a descrição anterior em 1 sobre estabilidade, na verdade ela duplica o ponto 2 sobre estacionaridade, tanto quanto eu entendo.
Não, não tem. Uma distribuição de probabilidade estável é esta (de Shiryaev, vol. 1, p. 232):
Algo semelhante são as distribuições infinitamente divisíveis.
Em sua época, ele foi bem exposto em alguns fóruns sérios.
Portanto, de pouco adianta ler seus artigos, exceto pela diversão.
"Dub provou a impossibilidade de vencer sistematicamente em uma série aleatória de dados".
- Isto é geralmente incorreto, a menos que a série aleatória em questão seja especificada.
Por exemplo, em uma série tão aleatória X = a + b*t + e é muito fácil ganhar dinheiro (e é uma variável aleatória)
Há muitas outras séries aleatórias sobre as quais você pode construir um sistema.
O ponto principal é que existem séries aleatórias com memória e aquelas sem memória.
Há uma série aleatória com memória; ela tem uma função de distribuição de incrementos de uma variável aleatória (e) que NÃO depende de seus valores anteriores.
Uma série aleatória sem memória - sua função de distribuição de incrementos de uma variável aleatória NÃO depende dos valores anteriores da série.
É impossível construir um sistema lucrativo em uma série aleatória sem memória.
Quanto à distribuição normal - as citações são distribuídas normalmente em torno da média móvel, assim como S.W. escreveu e o que está na palma de sua mão, portanto, estamos aqui claramente.
1. O tipo de função de distribuição das diferenças de preço e a média depende da variância dessa distribuição e do valor da média.
2. A função de distribuição desta diferença é assimétrica, portanto não pode ser gaussiana.
3. Sob certas condições, a distribuição da diferença tende a uma distribuição gaussiana, mas nunca se torna uma.