Calcular a probabilidade de inversão - página 5
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
Eu apoio Bas com seus conselhos - você precisa passar para as opções. O modelo Black-Scholes deve obviamente trabalhar com seus dados.
Você nem mesmo entendeu sobre o que era a pergunta e qual era o meu conselho) por que mostrar sua ignorância tão claramente?)
Cada função em forma de sino é uma densidade de uma distribuição normal? O que o impede, por exemplo, de ver em sua figura a densidade da distribuição beta?
A propósito, Alexey, e Vladimir, você pode nos dar uma dica? Suponha que queiramos aproximar alguns dados por uma distribuição normal.
Cauda e meio de distribuição devem ter o mesmo peso em aproximação que eu suponho?
Então é melhor se aproximar em coordenadas logarítmicas?
Pois em coordenadas lineares o erro absoluto nas caudas será ordens de magnitude menor do que no meio, e, portanto, participará mal da aproximação.
Ou a segunda opção - tomar o quociente, não o quadrado da diferença, como o erro? Mas não serei capaz de derivar tais fórmulas.
Você nem mesmo entendeu sobre o que era a pergunta e qual era o meu conselho) por que mostrar sua ignorância tão claramente?)
A propósito, Alexey, e Vladimir, você pode nos dar uma dica? Suponha que queiramos aproximar alguns dados por uma distribuição normal.
Cauda e meio de distribuição devem ter o mesmo peso em aproximação, como eu suponho?
Então é melhor se aproximar em coordenadas logarítmicas?
Pois em coordenadas lineares o erro absoluto nas caudas será ordens de magnitude menor do que no meio, e, portanto, participará mal da aproximação.
Ou a segunda opção - tomar o quociente, não o quadrado da diferença, como o erro? Mas eu não posso derivar tais fórmulas.
Antes de tudo, seria necessário verificar a normalidade da amostra, pelo menos "a olho nu".
Então você deve encontrar "estatísticas aplicadas" por Kobzar e veja lá o segundo capítulo)
...
Seria então melhor aproximar-se em coordenadas logarítmicas?
...Em geral, sua pergunta (perguntas?) é colocada de forma muito geral, em abstrato. A única coisa que posso dizer com certeza - se a aproximação for feita com a minimização dos desvios em coordenadas logarítmicas, será um erro relativo mínimo. Isto se aplica à aproximação por qualquer coisa: polinômios, funções trigonométricas, estrias, frações racionais, wavelets... Não tenho ouvido falar de aproximações com distribuições de probabilidade típicas.
Para começar, vale a pena verificar se a amostra é normal, pelo menos "a olho nu".
"Isto significa construir um gráfico quantil-quantil(ou probabilidade-probabilidade) para a amostra e a distribuição normal e garantir que seja bem aproximado por uma linha reta".
A propósito, Alexey, e Vladimir, você pode nos dar uma dica? Suponha que queremos aproximar alguns dados por uma distribuição normal
..
Aqui, por exemplo, estão os dados que todos estão interessados neste momento https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6. Apenas "alguns" dados.
Por que eles precisariam ser aproximados por uma distribuição normal ou outra? O expoente ainda era interessante no início, de acordo com a equação da cinética de propagação da reação em cadeia.
Por que eles precisariam ser aproximados por uma distribuição normal ou outra? O expoente ainda era interessante no início, de acordo com a equação da cinética de propagação da reação em cadeia.
O que se entende não é uma série cronológica, mas um histograma próximo ao normal.
https://www.mql5.com/ru/articles/396
python -https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.gaussian_kde.html
https://www.mql5.com/ru/articles/396
Portanto, é suavizante.