Da teoria à prática - página 440

 
Olga Shelemey:
Os livros que tenho usado para combater o mercado.

Shelepin L.A.: "A ciência moderna é baseada no paradigma Markoviano. A revisão destaca o surgimento de um novo paradigma não-markoviano (teoria dos processos com memória)".

É o que eu estava dizendo) os acadêmicos estão 50 anos atrás da realidade)

O mundo financeiro inteiro há muito tempo vê o mercado como um processo com memória, e isso é novidade para eles))))

Simplesmente não vale a pena considerar o contrário, pois é impossível ganhar dinheiro em um processo sem memória, por razões naturais.

 
bas:

Shelepin L.A.: "A ciência moderna é baseada no paradigma Markoviano. A revisão destaca o surgimento de um novo paradigma não-markoviano (teoria dos processos com memória)".

É disso que eu estava falando) os acadêmicos estão 50 anos atrás da realidade)

O mundo financeiro inteiro há muito tempo vê o mercado como um processo com memória, e isso é novidade para eles))))

Simplesmente não vale a pena considerar o contrário, pois é impossível ganhar dinheiro em um processo sem memória, por razões naturais.

Não o estudei em detalhes, mas parece que o processo Markoviano de Shelepin não coincide bem com a definição geralmente aceita.

Com "memória" o problema principal é que não está claro como ela (ou seja, distribuições de processos multivariados) pode ser contada no caso de processos não estacionários - geralmente não há dados suficientes para isso.

Também se pode ganhar dinheiro com uma caminhada aleatória normal com drift (tendência), que é bastante Markoviana.

 
Aleksey Nikolayev:

O principal problema com a "memória" é que não está claro como ela (ou seja, distribuições de processos multivariados) pode ser considerada no caso de processos não estacionários - geralmente não há dados suficientes para fazê-lo.

Parece ser a mesma coisa - a dependência entre os incrementos. E o que exatamente você vê como um problema, por que não dados suficientes? Eu, por exemplo, não tenho nenhum problema com a recuperação de memória)

A propósito, a memória é muito melhor expressa em volatilidade, pode-se começar a pesquisar com ela, se alguém estiver procurando "algo a que se agarrar". Você pode ver imediatamente o rescaldo das notícias e outros efeitos lá.

Também se pode ganhar dinheiro em uma caminhada aleatória habitual com uma deriva (tendência), que é bastante Markoviana.

É claro, mas aqui estamos falando de Forex) e não tem nenhum desvio.

 
bas:

Parece ser a mesma coisa - a relação entre os incrementos. E o que exatamente você vê como um problema, por que não há dados suficientes? Eu, por exemplo, não tenho nenhum problema em procurar memória)

A propósito, a memória é muito melhor expressa em volatilidade, você pode começar sua pesquisa com ela, se alguém estiver procurando "algo a que se agarrar". Aí o rescaldo após a notícia é imediatamente visível, e outros efeitos.

É claro, mas estamos falando aqui de forex) e não tem demolição.

Espero que estejamos falando sobre a dependência de incrementos como variáveis aleatórias? Nesse caso, precisamos de sua distribuição conjunta. Duas variáveis aleatórias - sua distribuição conjunta bidimensional, 3 - tridimensional, etc. Os histogramas bidimensionais às vezes ainda são construídos, mas os de maior dimensão não estão claros como representar e o número de dados necessários cresce fortemente com a dimensionalidade. É claro que isso não costuma ser feito (mas às vezes tem que ser feito mesmo assim). Mas as coisas são muito piores aqui - para cada incremento (variável aleatória) há apenas uma amostra de um único volume (valor retirado do gráfico de preços). É por isso que temos que fazer todo tipo de suposições e suposições (que nem sempre são verdadeiras). Por exemplo, sem a suposição sobre a estacionaridade dos incrementos, sua distribuição de amostras não converge para sua verdadeira distribuição. O mesmo vale para uma distribuição bivariada que é necessária para determinar a dependência em pares dos incrementos (por exemplo, para calcular a função de covariância). Em resumo, um processo não estacionário sem "memória" (incrementos independentes) pode muito bem adquirir "memória" (dependência dos incrementos) se forem utilizados métodos que assumam estacionaridade.

Não há, é claro, nenhuma deriva em geral. Mas pode bem haver algumas seções onde ela está presente (novamente, não-estacionariedade)

 

Não consigo descobrir o que está errado. Calculo a densidade usando a fórmula

expectativa = 0, variância = 55, X = 13.

Densidade = (1/(MathSqrt(variance) * MathSqrt(2 * 3,14159265358979323846)) * MathPow(2,71828282845904523536, - ((X * X)/(2 * Dispersão) ) );

Eu tenho Densidade = 0,01979.

Verificação aqui

https://planetcalc.ru/4986/

Densidade = 0,01157


Eu me enganei na fórmula ou há um erro no site da calculadora?
 
Evgeniy Chumakov:

Não consigo descobrir o que está errado. Calculo a densidade usando a fórmula

expectativa = 0, variância = 55, X = 13.

Densidade = (1/(MathSqrt(variance) * MathSqrt(2 * 3,14159265358979323846)) * MathPow(2,71828282845904523536, - ((X * X)/(2 * Dispersão) ) );

Eu tenho Densidade = 0,01979.

Verificação aqui

https://planetcalc.ru/4986/

Densidade = 0,01157


Eu me enganei na fórmula ou há um erro no site da calculadora?

Em R:

> dnorm(13,0,sqrt(55))[1] 0,01157429
 
Aleksey Nikolayev:

em R:


Então não consigo descobrir onde está o meu erro.

 
Alexander_K2:
A única pessoa com a educação mais baixa que pode fazer um discurso colossal aqui é a base. Ele não é um mau orador às vezes. Aparentemente, quando ele está dormindo. Em seu sono, ele tem uma epifania. Às vezes é interessante de ler.
a educação não dá a mínima idéia)
Alexander_K2:

Agora, a soma dos incrementos é o preço na janela de tempo de observação móvel, com um ponto de partida de =0.


A soma dos incrementos é o quanto o gráfico viajou em n segundos.
Um alto é o quanto o gráfico viajou, um baixo é o quão pouco viajou.
é a velocidade.
 

duplo d = 55 , X = 13;

duplo p = (1/(MathSqrt(d) * MathSqrt(2 * 3,14159265358979323846)) * MathPow(2,71828282845904523536, - ((X * X)/(2 * d) ) )

Imprimir(p);

0.01157429298384641

 
Aleksey Nikolayev:

duplo d = 55 , X = 13;

duplo p = (1/(MathSqrt(d) * MathSqrt(2 * 3,14159265358979323846)) * MathPow(2,71828282845904523536, - ((X * X)/(2 * d) ) )

Imprimir(p);

0.01157429298384641


Não entendo então, a mesma fórmula, porque há um resultado diferente. NormalizeDuplo a 5 dígitos não pode ter esse efeito ...