Da teoria à prática - página 1050
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
Sobre o assunto, Kolmogorov foi sucedido por Einstein e outra pessoa.
Einstein e sua esposa estavam a desenvolver teorias))))
Einstein e sua esposa estavam a trabalhar em teorias))))
Não, eles eram Curies.
Não, foram as Curies.
Eu vi um filme sobre ele. Acho que sua esposa era coxa e eles se conheceram no instituto. E ela teve, tipo, 50 por cento das descobertas.
Amanhã, 14 de março de 2019 marcará o 140º aniversário do nascimento de Albert Einstein, o homem que aparentemente fez as mudanças mais significativas em nosso entendimento científico do mundo. Em termos de sua contribuição à ciência, Einstein é provavelmente o maior cientista de todos os tempos. Somente no "ano dos milagres" de 1905, ele criou a teoria especial da relatividade, lançou as bases da mecânica quântica na hipótese da quantificação da radiação eletromagnética e publicou um trabalho explicando o mecanismo do movimento browniano, que confirmou a estrutura molecular da matéria. Albert Einstein foi Prêmio Nobel de Física, autor de cerca de 300 trabalhos científicos.
A primeira esposa de Einstein, Mileva Maric, é sérvia por nacionalidade, e seu papel nos sucessos científicos de seu marido é uma fantasia folclórica baseada no trabalho em conjunto de seus diplomas. Certamente o jovem Einstein discutiu suas idéias e planos com sua esposa e talvez ela o tenha aconselhado sobre algo, mas não mais. Ela nunca teve nenhuma publicação científica.
Yep....
O tema virou-se para o lixo - sem pesquisa, sem fórmula cobiçada... Que pena!
Até agora, fiz uma pequena experiência.
Tomei séries geradas pelo Doc - com distribuição gaussiana para os incretórios, com base nas quais é conveniente simular um processo Wiener (também conhecido como movimento Brownian).
Assim - tanto para os incrementos iniciais como para os de menor espessura (em cada 2º, 3º, etc.) temos SEMPRE UM e a mesma distribuição gaussiana - com a mesma expectativa e outros momentos de uma variável aleatória. Isto confirma a invariância do movimento browniano como um processo estocástico clássico em relação ao tempo e sua auto-similaridade.
Mas se pegarmos uma série de cotações de mercado e começarmos a desbastar, então para cada caso obtemos distribuições de probabilidade DIFERENTES, ou seja, o mercado NÃO é auto-similar e o desbaste (por exemplo OHLC M1) leva a uma distorção do processo e perda de informações importantes.
As cotações são inaplicáveis devido ao seu número diferente em diferentes empresas de corretagem.
Bloqueio. É um impasse? Eu acho que - para obter um fluxo de cotações que tem que ser visto e tratado, é importante aprender como desbastar corretamente as cotações iniciais, mostrando uma cotação falsa das corretoras e ao mesmo tempo não perder informações com carregamento desnecessário de dados, como foi no caso da OHLC M1.
Como fazer isso? Bem, é claro, convertendo o tick stream em Erlang de uma determinada ordem! Eu segui este caminho há algum tempo, depois desisti, e agora decidi voltar novamente.
No desbaste competente está o sal e o poder do Graal.
Yep....
O tema virou porcaria - sem pesquisa, sem fórmula cobiçada... Que pena!
Até agora, fiz uma pequena experiência.
Tomei séries geradas pelo Doc - com distribuição gaussiana para os incretórios, com base nas quais é conveniente simular um processo Wiener (também conhecido como movimento Brownian).
Assim - tanto para os incrementos iniciais como para os de menor espessura (em cada 2º, 3º, etc.) temos SEMPRE UM e a mesma distribuição gaussiana - com a mesma expectativa e outros momentos de uma variável aleatória. Isto confirma a invariância do movimento browniano como um processo estocástico clássico em relação ao tempo e sua auto-similaridade.
Mas se pegarmos uma série de cotações de mercado e começarmos a desbastar, então para cada caso obtemos distribuições de probabilidade DIFERENTES, ou seja, o mercado NÃO é auto-similar e o desbaste (por exemplo OHLC M1) leva a uma distorção do processo e perda de informações importantes.
As cotações são inaplicáveis devido ao seu número diferente em diferentes empresas de corretagem.
Bloqueio. É um impasse? Eu acho que - para obter um fluxo de cotações que tem que ser visto e tratado, é importante aprender como desbastar corretamente as cotações iniciais, mostrando uma cotação falsa das corretoras e ao mesmo tempo não perder informações com carregamento desnecessário de dados, como foi no caso da OHLC M1.
Como fazer isso? Bem, é claro, convertendo o tick stream em Erlang de uma determinada ordem! Eu segui este caminho há algum tempo, depois desisti, e agora decidi voltar novamente.
O desbaste adequado é o sal e o poder do Graal.
Talvez antes de subtrair e desbastar você deva aprender como somar os fluxos?
Imagine que você recebe 2 fluxos de cotação de duas corretoras e gera a sua própria. E veja quais propriedades dos fluxos originais permanecem como resultado e de que opções de adição dependem.
Portanto, enquanto não estou negociando, estou apenas especulando teoricamente.
E teoricamente, devemos, por todos os meios, reduzir o processo de mercado ao processo de Ornstein-Uhlenbeck, o que garante um retorno ao meio.
Suas características distintivas são estacionaridade, distribuição estável e infinitamente divisível de incrementos e ACF exponencialmente decrescente.
Há uma opinião de que a semelhança de tal processo será observada na janela de tempo deslizante = 24 horas, no fluxo de cotações de Erlang de uma determinada ordem.
Na próxima semana, tentarei voltar ao bom caminho e mostrar-lhes-ei como reduzir adequadamente as séries temporais do mercado.
Fiquem acordados, crianças! O graal será encontrado, parada total.
Yep....
O tema virou-se para o lixo - sem pesquisa, sem fórmula cobiçada... Que pena!
Até agora, fiz uma pequena experiência.
Tomei séries geradas pelo Doc - com distribuição Gaussiana para incrementos, com base nas quais é conveniente simular o processo Wiener (também conhecido como movimento Brownian).
Assim - tanto para os incrementos iniciais como para os de menor espessura (em cada 2º, 3º, etc.) temos SEMPRE UM e a mesma distribuição gaussiana - com a mesma expectativa e outros momentos de uma variável aleatória. Isto confirma a invariância do movimento browniano como um processo estocástico clássico em relação ao tempo e sua auto-similaridade.
Mas se pegarmos uma série de cotações de mercado e começarmos a desbastar, então para cada caso obtemos distribuições de probabilidade DIFERENTES, ou seja, o mercado NÃO é auto-similar e o desbaste (por exemplo OHLC M1) leva a uma distorção do processo e perda de informações importantes.
As cotações são inaplicáveis devido ao seu número diferente em diferentes empresas de corretagem.
Bloqueio. É um impasse? Eu acho que - para obter um fluxo de cotações que tem que ser visto e tratado, é importante aprender como desbastar corretamente as cotações iniciais, mostrando uma cotação falsa das corretoras e ao mesmo tempo não perder informações com carregamento desnecessário de dados, como foi no caso da OHLC M1.
Como fazer isso? Bem, é claro, convertendo o tick stream em Erlang de uma determinada ordem! Eu segui este caminho há algum tempo, depois desisti, e agora decidi voltar novamente.
O desbaste adequado é o sal e o poder do Graal.
Alexander, você se diz um físico, mas opera unicamente com estatísticas. Onde está a abordagem física? Onde está a Física?
Alexander, você se diz um físico, mas opera exclusivamente com base em estatísticas. Onde está a abordagem física? Onde está a Física?
O poder da recorrência é imparável...
com uma pergunta tão simples você leva a discussão de volta mil páginas :-)