Dizer uma palavra sobre o vagabundo ocasional... - página 24
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
Seria provavelmente melhor mudar a tarefa para o mercado - acrescente que também há 1000 princesas e elas escolhem ao mesmo tempo quando o próximo noivo é mostrado. Se duas noivas como o noivo, ele será apenas a metade delas)). Quando uma noiva tem um noivo no total, ela não participa mais do espetáculo. Qual é a estratégia ideal da noiva? :)
O problema claramente não é resolvido se as noivas não estiverem interessadas nas estratégias uma da outra)).
O príncipe é o lucro acumulado do papel de quando o príncipe fez uma pose (aberto).
+ cento e cinqüenta
E se imaginarmos que os príncipes são carimbados como em uma linha de montagem (assim que alguém morre, um novo é acrescentado à fila), então o "desejo" da princesa de ter constantemente (ou pelo menos aspirar a ter) o melhor noivo disponível é semelhante à tarefa que os departamentos de Análise de Risco estão resolvendo.
Você entendeu tudo errado.
O Forex é uma princesa. Quando ela pensa que já está "AQUI ELE É !", ela faz sua escolha e volta atrás. :)
É assim mesmo, pois o mercado tem sempre a última e decisiva palavra.
A coisa toda feia é que se o negócio for apresentado como um noivo, então o mercado também pode ter vários noivos em fila como princesa. As condições do problema são bem diferentes.
Ainda assim, não entendo realmente porque não queremos aplicar a condição o mais próximo possível do problema original?
Temos 1000 leituras de preços, que vêm uma após a outra, precisamos escolher uma das, digamos, m=10 máximas com probabilidade máxima. O problema é fundamentalmente decidível, a condição necessária e suficiente para que ele conheça a distribuição de probabilidade das próximas citações para cada momento, embora arbitrária (se assumirmos que as citações são dependentes). E esta questão pode ser facilmente resolvida, estimar os parâmetros da distribuição condicional quando sua forma é conhecida é uma tarefa bastante comum.
O método é descrito com mais detalhes no artigo, exceto que os cálculos serão mais complicados... mas quem os impede de fazê-los numericamente, sem amontoar fórmulas?
O problema aqui não está tanto nisso, mas na possibilidade fundamental de resolver o problema no nível do "lucro", pois para utilizar o resultado na prática, precisamos obter com uma probabilidade de mais de 50% tanto no máximo quanto no mínimo do intervalo, ou seja.ou seja, Pmax*Pmin>=0,5, onde Pmax e Pmin>=0,7071, ou seja, é necessário escolher m de tal forma que não seja pior que 71% de adivinhação do máximo-mínimo, que pode ser praticamente irrealizável.
Mas, de modo geral, em minha opinião, o problema nesta formulação merece muita atenção. Provavelmente o farei de qualquer maneira.
Ainda assim, não entendo realmente porque não queremos aplicar a condição o mais próximo possível do problema original?
Temos 1000 leituras de preços, que vêm uma após a outra, é necessário escolher com máxima probabilidade uma de, digamos, m=10 máximos. O problema é fundamentalmente resolúvel, a condição necessária e suficiente para que ele conheça a distribuição de probabilidade das seguintes citações para cada momento do tempo, embora arbitrária (se assumirmos que as citações são dependentes). E esta questão pode ser facilmente resolvida, a estimativa dos parâmetros de uma distribuição condicional com sua forma conhecida é uma tarefa bastante padronizada.
O método é descrito em detalhes no artigo, exceto que os cálculos serão mais complicados... mas quem nos impede de fazê-las numericamente, sem um monte de fórmulas?
O problema aqui não está tanto nisso, mas na possibilidade fundamental de resolver o problema no nível "lucrativo", pois para utilizar o resultado na prática, devemos obter com uma probabilidade de mais de 50% no máximo e mínimo do intervalo, ou seja, no máximo e mínimo do intervalo.ou seja, deve ser Pmax*Pmin>=0,5 onde Pmax e Pmin>=0,7071, ou seja, é necessário selecionar m de tal forma que não seja pior que 71% de adivinhação do máximo-mínimo, o que pode se tornar praticamente irrealizável.
Mas, de modo geral, em minha opinião, o problema nesta formulação merece muita atenção. Provavelmente, afinal de contas, eu estarei fazendo isso.
Se conhecemos o tipo e os parâmetros da futura distribuição condicional, não é já o suficiente para ganhar dinheiro? Como sabemos isso, ou como o obtemos?
Não é suficiente. A presença de dependência não significa que a expectativa da distribuição condicional será diferente de zero. Além disso, vou lhes dizer, até onde pesquisei a fundo, o MO das distribuições condicionais é exatamente 0 ou muito próximo dele para que a profundidade da dependência seja de pelo menos 3 barras. O principal conteúdo da dependência estatística, portanto, é o efeito de citações anteriores sobre a variação das posteriores.
Obtemos os parâmetros condicionais de forma bastante simples. A densidade condicional do valor atual x0 da série de diferenças dependendo do x1 anterior é procurada como W(x0/x1) = (a0+a1*x1)/2 * exp{-(a0+a1*x1)*|x0|} - é uma distribuição exponencial com a variável linearmente dependendo da citação anterior. Estive investigando a forma desta função e posso dizer que esta forma de escrita se encaixa muito bem no mercado. E então ajustamos os parâmetros a0 e a1 à série atual por qualquer método conhecido e os utilizamos.
Não é suficiente. A presença de dependência não significa que a expectativa da distribuição condicional será diferente de zero. Além disso, vou lhes dizer, até onde pesquisei a fundo, o MO das distribuições condicionais é exatamente 0 ou muito próximo dele para que a profundidade da dependência seja de pelo menos 3 barras. O principal conteúdo da dependência estatística, portanto, é o efeito das citações anteriores sobre a variação das posteriores.
Obtemos os parâmetros condicionais de forma bastante simples. A densidade condicional do valor atual x0 da série de diferenças dependendo do x1 anterior é procurada como W(x0/x1) = (a0+a1*x1)/2 * exp{-(a0+a1*x1)*|x0|} - é uma distribuição exponencial com a variável linearmente dependendo da citação anterior. Estive investigando a forma desta função e posso dizer que esta forma de escrita se encaixa muito bem no mercado. E então ajustamos os parâmetros a0 e a1 à série atual por qualquer método conhecido e os utilizamos.
Mas a distribuição depende dos dados de entrada e do conhecimento do processo. Ou seja, você investigou as dependências conhecidas e encontrou vários efeitos na memória de volatilidade e com base nisso você pode construir distribuições de variações condicionais. Com base neste modelo mo=0 em um grande conjunto de dados. Mas isso não significa que realmente não haja memória na direção dos incrementos, apenas na magnitude dos incrementos. Portanto, os príncipes podem muito bem não ir ao acaso para a noiva, mas aqueles que são piores e aqueles que são melhores podem ir primeiro)) Ou em alguma outra seqüência não aleatória. E esse fato vai confundir todas as cartas. O esquema funciona se os príncipes entrarem ao acaso, independentemente de sua bondade e da bondade daqueles que entraram antes deles. É claro que, se houver apenas dependências como muito bom príncipe será seguido por muito bom ou muito mau príncipe (dependências de valor), então sim, o problema pode ser resolvido considerando o tipo dessas dependências
Mas, afinal, a distribuição depende dos dados de entrada e do conhecimento do processo. Ou seja, você investigou as dependências conhecidas e encontrou efeitos diferentes na memória de volatilidade e a partir disso você pode construir distribuições de variações condicionais. Com base neste modelo mo=0 em um grande conjunto de dados. Mas isso não significa que realmente não haja memória na direção dos incrementos, apenas na magnitude dos incrementos. Portanto, os príncipes podem muito bem não ir ao acaso para a noiva, mas aqueles que são piores e aqueles que são melhores podem ir primeiro)) Ou em alguma outra seqüência não aleatória. E esse fato vai confundir todas as cartas. O esquema funciona se os príncipes entrarem ao acaso, independentemente de sua bondade e da bondade daqueles que entraram antes deles. É claro que, se houver apenas dependências como muito bom príncipe será seguido por muito bom ou muito mau príncipe (dependências de valor), então sim, o problema pode ser resolvido considerando o tipo dessas dependências
Não estou dizendo que conheço _todas_ as dependências, mas conheço algumas e posso estimar probabilidades com elas. Tanto quanto sei, os parâmetros a0 e a1 flutuam muito lentamente, com um período de algumas horas em um gráfico de minutos, e flutuam em uma faixa bastante estreita, para que você possa calculá-los e utilizá-los.
A presença de uma correlação não significa que os príncipes não entram por acaso. Por exemplo, poderia ser que a probabilidade de um príncipe "ligeiramente melhor" vir depois de um príncipe "mau" seja ligeiramente maior do que a probabilidade de um príncipe "muito melhor" vir, ou seja, neste caso há alguma autocorrelação positiva (ao contrário do esquema clássico, onde a probabilidade de ficar "muito melhor" e "ligeiramente melhor" é a mesma). Dependências deste tipo não afetam o desempenho do esquema.
...a probabilidade de um príncipe "ligeiramente melhor" entrar depois de um príncipe "mau" é ligeiramente maior do que a probabilidade de um príncipe "muito melhor" entrar, ou seja, neste caso há alguma autocorrelação positiva (ao contrário do esquema clássico, onde a probabilidade de ficar "muito melhor" e "ligeiramente melhor" é a mesma). Dependências deste tipo não afetam o desempenho do esquema.
E há um impacto. A correlação aqui não é "alguma correlação positiva", mas próxima a uma e sobre um espaço muito amplo de atraso.