Parecemos ter nos entendido mal. Meus sentimentos sobre anormalidade não se aplicam ao gerador, mas ao mercado. Construa uma distribuição dos primeiros incrementos e veja por si mesmo.
Bem, para o cavalo esférico no vácuo, ou seja, para uma distribuição normal garantida - sim, é improvável. Bem, os verdadeiros não são cavalos em um vácuo. Há 5 ou 6 s.c.e. e até 10.
Tio, por favor, aqui está outra foto agora da libra de 1971, os diários. Pode haver um único disparo (e a propósito não há um :), o mais importante é que ele não se torne um padrão. Certo?
Primeiras diferenças de libras desde 1971.
Os dados para verificação são anexados.
>>S. Talvez ele deva ser verificado quanto à estacionaridade :)
Tio, por favor, aqui está outra foto agora da libra de 1971, os diários. Pode haver um único disparo (e a propósito não há um :), o mais importante é que ele não se torne um padrão. Certo?
As primeiras diferenças na libra desde 1971
Os dados para a verificação estão anexados.
Eu lhe chamaria uma distribuição Laplace a olho nu.
Ilya, aqui está uma sugestão: aproximar esta distribuição por uma distribuição normal. E depois veja como os histogramas reais e a aproximação da curva gaussiana são diferentes um do outro. Não se limite a três sigmas, olhe para cima pelo menos dez.
Outra verificação trivial: calcular os primeiros momentos desta distribuição e compará-los com os momentos da distribuição normal.
O fenômeno das caudas gordurosas em séries financeiras é conhecido há muito tempo. O que você quer provar para mim?
Ilya, aqui está uma sugestão: aproximar esta distribuição por uma distribuição normal. E depois veja como os histogramas reais e a aproximação da curva gaussiana são diferentes um do outro. Não se limite a três sigmas, olhe para cima pelo menos dez.
Outra verificação trivial: calcular os primeiros momentos desta distribuição e compará-los com os momentos da distribuição normal.
O fenômeno das caudas gordurosas em séries financeiras é conhecido há muito tempo. O que você quer provar para mim?
A conversa foi sobre 5-6-10 RMS. Não vejo um padrão em sua aparência.
A chave é que não há 5-6-10 sigma. Como está, sim, mas precisa ser testado. E mesmo assim, pode ser normal.
é altamente improvável. Distribuições normais são normalmente encontradas na natureza onde uma variável aleatória "grande" é a soma de um grande número de variáveis aleatórias "pequenas" distribuídas de uma certa forma (mas de forma idêntica). Um exemplo importante é o movimento browniano, ao qual tantas páginas já foram dedicadas no próximo tópico. No caso do mercado, a lei de formação de preços está longe disso, pois para obter uma normal, é necessário um número muito grande de "distúrbios" externos - que devem ser o fator principal na formação da distribuição. Mas não achamos que o preço no mercado é ruído, não é mesmo?
Em um gráfico, puramente visual, e você não verá que 5-6-10.
Em algum lugar eu tinha até mesmo um gráfico mostrando as diferenças. Se você pegar os dois primeiros momentos da distribuição e pensar neles como momentos de aproximação do normal, a diferença de freqüências por 3, 4, 5, etc. sigmas é fácil de calcular.
Não me lembro dos números exatos, mas a freqüência real de desvio de 3 sigma é 3-4 vezes maior do que a gaussiana (Gaussiana 0,3%, real mais de 1%). O desvio de 4 sigma ocorre na realidade mais frequentemente do que o gaussiano por cerca de 15 vezes. Para 5 sigma a diferença é dezenas de vezes, se não centenas. E assim por diante.
Desde que você não avalie os riscos, você não se importa se é gaussiano ou não.
P.S. A propósito, parece que, segundo Taleb, o LTCM entrou em colapso precisamente por causa da subestimação dos riscos. Um desvio de 10 sigmas foi considerado um evento raro insignificante. E foi exatamente isso que aconteceu.
Não me lembro dos números exatos, mas a freqüência real de desvio de 3 sigma é 3-4 vezes a gaussiana (gaussiana 0,3%, real mais de 1%). O desvio de 4 sigma ocorre na realidade com mais freqüência do que o gaussiano por cerca de 15 vezes. Para 5 sigmas a diferença é dezenas de vezes. E assim por diante.
...o que mais uma vez é uma prova a favor de Laplace.
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
OK. Aqui estão os dados.Parecemos ter nos entendido mal. Meus sentimentos sobre anormalidade não se aplicam ao gerador, mas ao mercado. Construa uma distribuição dos primeiros incrementos e veja por si mesmo.
Bem, para o cavalo esférico no vácuo, ou seja, para uma distribuição normal garantida - sim, é improvável. Bem, os verdadeiros não são cavalos em um vácuo. Há 5 ou 6 s.c.e. e até 10.
Tio, por favor, aqui está outra foto agora da libra de 1971, os diários. Pode haver um único disparo (e a propósito não há um :), o mais importante é que ele não se torne um padrão. Certo?

Os dados para verificação são anexados.Primeiras diferenças de libras desde 1971.
>>S. Talvez ele deva ser verificado quanto à estacionaridade :)
Tio, por favor, aqui está outra foto agora da libra de 1971, os diários. Pode haver um único disparo (e a propósito não há um :), o mais importante é que ele não se torne um padrão. Certo?
Os dados para a verificação estão anexados.As primeiras diferenças na libra desde 1971
Eu lhe chamaria uma distribuição Laplace a olho nu.
Eu a chamaria de distribuição Laplace a olho nu
A chave é que não há 5-6-10 sigmas. Caso contrário, sim, mas você tem que testá-lo. E, no entanto, pode ser que esteja tudo bem.Ilya, aqui está uma sugestão: aproximar esta distribuição por uma distribuição normal. E depois veja como os histogramas reais e a aproximação da curva gaussiana são diferentes um do outro. Não se limite a três sigmas, olhe para cima pelo menos dez.
Outra verificação trivial: calcular os primeiros momentos desta distribuição e compará-los com os momentos da distribuição normal.
O fenômeno das caudas gordurosas em séries financeiras é conhecido há muito tempo. O que você quer provar para mim?
Ilya, aqui está uma sugestão: aproximar esta distribuição por uma distribuição normal. E depois veja como os histogramas reais e a aproximação da curva gaussiana são diferentes um do outro. Não se limite a três sigmas, olhe para cima pelo menos dez.
Outra verificação trivial: calcular os primeiros momentos desta distribuição e compará-los com os momentos da distribuição normal.
O fenômeno das caudas gordurosas em séries financeiras é conhecido há muito tempo. O que você quer provar para mim?
A conversa foi sobre 5-6-10 RMS. Não vejo um padrão em sua aparência.
A chave é que não há 5-6-10 sigma. Como está, sim, mas precisa ser testado. E mesmo assim, pode ser normal.é altamente improvável. Distribuições normais são normalmente encontradas na natureza onde uma variável aleatória "grande" é a soma de um grande número de variáveis aleatórias "pequenas" distribuídas de uma certa forma (mas de forma idêntica). Um exemplo importante é o movimento browniano, ao qual tantas páginas já foram dedicadas no próximo tópico. No caso do mercado, a lei de formação de preços está longe disso, pois para obter uma normal, é necessário um número muito grande de "distúrbios" externos - que devem ser o fator principal na formação da distribuição. Mas não achamos que o preço no mercado é ruído, não é mesmo?
Em um gráfico, puramente visual, e você não verá que 5-6-10.
Em algum lugar eu tinha até mesmo um gráfico mostrando as diferenças. Se você pegar os dois primeiros momentos da distribuição e pensar neles como momentos de aproximação do normal, a diferença de freqüências por 3, 4, 5, etc. sigmas é fácil de calcular.
Não me lembro dos números exatos, mas a freqüência real de desvio de 3 sigma é 3-4 vezes maior do que a gaussiana (Gaussiana 0,3%, real mais de 1%). O desvio de 4 sigma ocorre na realidade mais frequentemente do que o gaussiano por cerca de 15 vezes. Para 5 sigma a diferença é dezenas de vezes, se não centenas. E assim por diante.
Desde que você não avalie os riscos, você não se importa se é gaussiano ou não.
P.S. A propósito, parece que, segundo Taleb, o LTCM entrou em colapso precisamente por causa da subestimação dos riscos. Um desvio de 10 sigmas foi considerado um evento raro insignificante. E foi exatamente isso que aconteceu.
Não me lembro dos números exatos, mas a freqüência real de desvio de 3 sigma é 3-4 vezes a gaussiana (gaussiana 0,3%, real mais de 1%). O desvio de 4 sigma ocorre na realidade com mais freqüência do que o gaussiano por cerca de 15 vezes. Para 5 sigmas a diferença é dezenas de vezes. E assim por diante.
...o que mais uma vez é uma prova a favor de Laplace.
Desde que você não avalie os riscos, você não se importa se é gaussiano ou não.
Você pode me dizer como abordar a avaliação de risco?