Da teoria à prática - página 1500

 
Alexander_K:

Parece um pouco. Agora, pegue a soma acumulada durante algum período de tempo, calcule o desvio padrão usando a fórmula =sqrt(D*t), multiplique por algum quantil da distribuição gaussiana. Você chegará a um canal estacionário em relação a 0. Ao cruzar o limite superior - VENDER, ao cruzar o limite inferior - COMPRAR. Saída do ofício - ao retornar a 0. Isso é tudo.

Sim ... Eu ainda estou negociando com outros quantitativos)) É tudo divertido)) Aqui está a foto da UE. Essa foi em ouro.


 
Alexander_K:
A maldita libra está literalmente destruindo meu TS... É uma vergonha...

Bem, o breakxit, é lógico esperar um desvio do comportamento habitual, pode até chegar a 1,10, é melhor não negociar em tal momento ou com um volume muito pequeno

 
E eu estou fora por uma libra)))) Sorte. O ouro está fazendo pior))
 
Evgeniy Chumakov:


Perdi-o novamente. Deixe-me ver o que é isso.

O problema é o mesmo, o preço nem sempre sobe quando se ultrapassa o limite inferior.

Eu acho que você não tinha uma série como a do Koldun. Infelizmente, ainda não conseguimos encontrar a transformação para a estacionaridade, e é um absurdo trabalhar com as séries ordinárias de incrementos sobre as atas, não importa o quê.

Mas, Felix (desculpe, meu amigo!) parece ter algo semelhante...

 

Mais pensamentos sobre a chave.

Todas as moedas estão rigidamente ligadas umas às outras e uma mudança, por exemplo, SYM1.SYM2 aparecerá imediatamente em todos os pares de moedas onde essas moedas estiverem presentes. (Pelo menos não encontrei situações de arbitragem em que o valor real do preço fosse fortemente diferente daquele calculado para outros pares de moedas).

Tomamos e analisamos a curtose de todos os pares de moedas que têm moedas SYM1.SYM2 e ajustamos a fórmula de variância com base na curtose total (ou máxima).

 
transcendreamer:

Bem, o breakxit, é lógico esperar alguns desvios do comportamento habitual, pode até chegar a 1,10, é melhor não negociar em tal momento ou com um volume muito pequeno.

O que as pessoas estão aqui! Junte-se a nós nesta linha, meu amigo! Já um cego pode ver que a Bablacocos está completamente exausta. E ainda há uma chance aqui. Há.

 
Alexander_K:

Lana. Isso sou só eu - se você estiver disposto.

A idéia principal do Koldun (na verdade, como eu no início desta linha) é converter a série original de incrementos em uma forma estacionária. Quando a distribuição de probabilidade é simétrica e tem uma variação constante.

Neste caso, de fato, o processo não tem derivação e o lucro é facilmente extraído usando a soma cumulativa dos incrementos.

Mas, como fazer tal conversão! Será que eu sei?!!! Não tenho a menor idéia.

https://www.hindawi.com/journals/tswj/2015/909231/

The Lambert Way to Gaussianize Heavy-Tailed Data with the Inverse of Tukey’s h Transformation as a Special Case
The Lambert Way to Gaussianize Heavy-Tailed Data with the Inverse of Tukey’s h Transformation as a Special Case
  • Hindawi
  • www.hindawi.com
I present a parametric, bijective transformation to generate heavy tail versions of arbitrary random variables. The tail behavior of this heavy tail Lambert random variable depends on a tail parameter : for , , for has heavier tails than . For being Gaussian it reduces to Tukey’s distribution. The Lambert W function provides an explicit inverse...
 

Obrigado, Max! As fotos são semelhantes às que Koldun mostrou. Com certeza vou lê-los.

 
Alexander_K:

Obrigado, Max! As fotos são semelhantes às que Koldun mostrou. Com certeza vou lê-los.

Acho que, já publicado, mas ninguém leu :) Eu não sou asilil. O Google me disse que só existe este método e que ele é eficaz. Há também um método não paramétrico de força bruta, mas não consegui encontrar as informações.

 
Maxim Dmitrievsky:

Acho que já postei isto antes, mas ninguém leu :) Eu não tenho o jeito. O Google me disse que só existe este método e que ele é eficaz. Há também um método não paramétrico de bruteforce, mas não consegui encontrar informações.

Eu não tinha tempo. E agora eu estou de férias, vou tentar fazer isso.