Tikler: genlik ve gecikme dağılımları - sayfa 4

 
New :
Dalın başlangıcındaki ilk şekil, tipik bir gürültü üssünü gösterir. aynen böyle
örneğin, kursun geçeceği puanların sayısını hesaplarsanız, aynı katılımcı ortaya çıkacaktır.
5 dakika ve ardından nokta sayısının bir histogramı N oluşturun.
Değerli bilgiler için teşekkürler, Yeni . Lütfen "tipik gürültü üssünün" ne olduğunu açıklayın, ör. hangi belirli olasılık yoğunluk fonksiyonuna karşılık gelir. Bir formül vermek gerekli değildir; sadece istatistiğe göre kabul edilen adını vermek yeterlidir.

İkinci rakam, hafta boyunca piyasa oynaklığındaki değişimi gösterir - belirgin bir periyodiklik vardır, değişiklikleri de rastgeledir.

Kesin olarak deterministik bir periyodiklik olduğunu söylemiyorum, ancak istatistiksel düzenlilik açıktır ve nesnel bir karaktere sahiptir (Asya sakinliği). Benim düşünceme göre, sürecin "belirleyici kısmı", periyodik bir fonksiyonla kabul edilebilir bir doğrulukla modellenebilir.

Uzun vadeli kalıpları aramak daha karlı.

Hatırlatma için tekrar teşekkürler. Ben de aynısını yapıyorum ve keneleri davranışlarından doğrudan kar elde etmek için değil, diyelim ki makul risk yönetimi taktikleri oluşturmak için analiz etmeye karar verdim.
 
Mathemat :
Değerli bilgiler için teşekkürler, Yeni . Lütfen "tipik gürültü üssünün" ne olduğunu açıklayın, ör. hangi belirli olasılık yoğunluk fonksiyonuna karşılık gelir. Bir formül vermek gerekli değildir; sadece istatistiğe göre kabul edilen adını vermek yeterlidir.


Evet, daha çok argo gibi. Örneğin, sinyal genliğinin büyüklüğü rastgele dağıtılırsa,
o zaman spektrum ilk şekle benzer olacaktır, yani. daha büyük genliğe sahip sinyallerin sayısı (sayısı)
katlanarak düşecek. Aynı zamanda bazı anormallikler (düzenlilikler) olacaksa, o zaman
bu karşılıklı üs "sivilce" - tepeler, aykırı değerler - görünecektir.

Japonlar heyecanlanmıyorsa, ama onu kullanıyorsa, Asya sakinliği elbette nesnel bir şeydir.
Bence zor.
 
New :
Örneğin, sinyal genliğinin büyüklüğü rastgele dağılmışsa ,
o zaman spektrum ilk şekle benzer olacaktır, yani. daha büyük genliğe sahip sinyallerin sayısı (sayısı)
katlanarak düşecek. Aynı zamanda bazı anormallikler (düzenlilikler) olacaksa, o zaman
bu karşılıklı üs "sivilce" - tepeler, aykırı değerler - görünecektir.
Cevabınızdaki kritik kelimeleri vurguladım. Ne kadar rastgele?

Ve ikinci şey: ilk grafikte bir genlik histogramı değil, bir gecikme histogramı olduğuna dikkat edin. Genliklerle, hemen hemen her şey az ya da çok açıktır.

PS İnternette "gürültü üssü" terimini bulamadım.
 
Mathemat :
Cevabınızdaki kritik kelimeleri vurguladım. Ne kadar rastgele?

Ve ikinci şey: ilk grafikte bir genlik histogramı değil, bir gecikme histogramı olduğuna dikkat edin. Genliklerle, hemen hemen her şey az ya da çok açıktır.

Evet, genel olarak, Gauss veya Poisson üslerinin burada ve orada nasıl dağıldığı önemli değildir.
Diyelim ki gecikmeler Gauss'a göre dağıtılıyor. Maksimum Gauss gecikmelerinin 1. saniye bölgesinde olmasına izin verin, o zaman t süreli gecikmelerin sayısı bazı katsayılarla N0*(1/exp(t-to)) olacaktır, burada N0 gecikme sayısıdır. maksimum. Dağıtımın özelliklerini belirlemek için, onu maksimuma yakın bir yerde dikkatlice incelemeniz gerekir (1. saniyeye yakın bir yerdesiniz), ancak pratikte bu genellikle gerekli değildir ve hatalar ve sınırlamalar nedeniyle çoğu zaman imkansızdır - dolayısıyla genelleştirilmiş argo terimi gürültü üssü. Uygulamada, yine sapmaları bulmak daha önemlidir - örneğin, N ile 50 saniyelik bölgede, örneğin 3000 diyelim, gecikme sayısında bir zirveye sahip olsaydınız, o zaman ilginç olurdu.
 

Evet, elbette, Gauss ve Poisson arasında nihai olarak belirli bir fark yoktur: yalnızca bir tepe vardır ve yalnızca bir tane vardır ve maksimuma yakın tüm eğrilerin davranışı aynıdır (parabol), bu da size izin verir. 3. ve 4. dağılım anlarına (her türlü asimetri, aşırılık) güvenle tükürün. Ve genel olarak, tüm tek modlu dağılımlar arasındaki farklar kesinlikle geçicidir - özellikle hem orada hem de aynı üsler varsa. Ayrıca ağır kuyrukları da unutabilirsiniz, çöp her şeydir, kötü olandan ...

31/10/2012 tarihli not: Şakaydı ama beni anlamadılar o zaman...

 
Mathemat :
bilmece :
Çok nazik ol, davayı yarı yolda bırakma.
Ve bundan vazgeçmeyeceğim: bu daha büyük bir projenin parçası. Sadece bu ikinci grafik durmuyor, ancak henüz pratik bir düşünce yok. Sadece biraz beklemelisin - o zaman düşünceler ortaya çıkacak ...

PS Göründü. Şimdiye kadar sadece bir. Bunu yaptım: dalın ilk sayfasındaki ikinci çizelgede, tık gecikmelerindeki çılgın farklılıkları bir şekilde düzeltmek için basitçe logaritmalarını hesapladım. İşte Nisan ayında (1. ve 2.) birkaç haftalık gecikmenin logaritmasının sözde rastgele süreci:

................................

Her iki süreç de gecikme zamanlarının kendi süreçlerine kıyasla daha "homojen" hale geldi. Şimdi, gecikmelerin logaritmaları, yaklaşık olarak 0 (gecikme = 1 saniye) ile 7 (1000 saniyeden büyük gecikme) arasında değişen sayılardır. ................
Zamanın logaritmasının "yarı durağan" sürecinin burada tesadüfen ortaya çıkmadığından şüpheleniyorum. .........
İşaretler arasındaki aralıkların logaritmaları için bir dağıtım işlevi oluşturursanız,
o zaman yüksek bir olasılıkla Gaus'a yakın bir şey elde edersiniz.

Bu, istatistiklerden alınan genel bir kalıptır - sanki Merkezi Limit Teoreminin (CLT) bir sonucu gibi.
Rastgele değişken sınırsız ise (yani eksiden artı sonsuza kadar değerler alabilir),
daha sonra, CLT'ye göre, bir dizi rasgele faktör, bu miktarın dağılım fonksiyonunu normal yasaya getirecektir.
Tabii ki, CLT'nin tüm varsayımları karşılanırsa.

Benzer şekilde, eğer rastgele değişken kesinlikle pozitifse
(örneğin, önceki ve sonraki olaylar arasındaki zaman aralığı),
o zaman bu rastgele değişken bir lognormal dağılımı izleyecektir.
Veya aynı şey - bu değerin logaritması normal dağılıma uyacaktır.

Bu ifadeler çok sayıda rastgele değişken için geçerlidir.
Örneğin, fiyatlar, bir bankadaki mevduatın büyüklüğü, insanların büyümesi vb.
 

Benzer şekilde, eğer rastgele değişken kesinlikle pozitifse
(örneğin, önceki ve sonraki olaylar arasındaki zaman aralığı),
o zaman bu rastgele değişken bir lognormal dağılımı izleyecektir.

Mak , Peters'ı okuyun, Örümcek'te. Piyasadaki normallik/lognormallik hayallerinizi hızla ortadan kaldıracaktır. Her halükarda, normal hipoteze dayalı risk değerlendirmesi, gerçeklikle çok çelişir.
 
Teşekkürler, başka zaman...
Bu konulardaki hayallerim yedi yıl önce boşa çıktı.
 
Eh, zaten benzer çalışmaların olduğu ortaya çıktı: http://forum.fxclub.ru/showthread.php?t=32942 . Doğru, Kuzey Rüzgarı'nın amacı biraz farklıydı, ancak yine de, gönderileri sunum ve bilgi tarzı açısından çok meraklı - ve en ilginç olanı, aynı kene kaynağına sahip. Ancak görünüşe göre insanlar, Gauss verileri üzerinde deneysel olarak kâr sağlama görevini ciddiye alıyorlar. Konuyla ilgili gerçek bilgiler, konunun ilk iki ve son iki sayfasında yoğunlaşmıştır.

Mak
, kenelerin gecikmelere göre lognormal dağılımı konusunda haklı olabilirsin, ancak bu doğrudan kanıtlanamıyor gibi görünüyor ...
 
İşte bir çift için sonuçların diğerlerine genişletilemeyeceğini kanıtlayan ilginç sonuçlar. _DJI alıyoruz. Bu, 15:30 ile 22:00 (Alpari saati) arasında işlem gören bir endekstir. 06/19/07 ile 06/22/07 arasındaki veriler, toplam 38500 tik.

1. Kene gecikmelerinin pdf'si:


2. zamana karşı gecikme (gecikmelerin yoğunlaştığı alanları daha net görebilmek için birkaç çok büyük gecikmenin kaldırılması gerekiyordu; bu büyük gecikmeler aslında çok azdır):

3.pdf genlikleri:


Ne görüyoruz? Üçüncü çizelgede özel bir sürpriz yoksa (EURUSD'de olduğu gibi, iki keskin tepe vardır), o zaman ilk ikisi sizi düşündürür: gecikmelerin pdf'si, hatta -ikinci alanlarda açıkça tanımlanmış ekstremalara ve gecikmeye karşı zaman işlevine sahiptir. sadece bunu onaylar. Muhtemelen, bu, bu endeksi alıntılamanın özelliklerinden kaynaklanmaktadır.

Altın için benzer çizelgelerin/histogramların EURUSD ile karşılaştırıldığında çok özel bir şey göstermediğini belirtmek ilginçtir, ancak kuşkusuz çok daha "gürültülü"ler.