Teoriden pratiğe - sayfa 620

 

Geri dönüşler için bir model olarak bu dağıtımda ilgimi çeken bir şey var:

https://en.wikipedia.org/wiki/Skellam_distribution

Artışların gerçek dağılımını son derece andırıyor ve değerleri, bir düşünün , Poisson dağılımı ile iki miktarın farkı .

Eğer öyleyse, fiyatın kendisinin kayan pencerede beklenen değere göre bir Poisson dağılımına sahip olduğu tartışılabilir. Ve büyük bir örneklem büyüklüğüne sahip Poisson dağılımı normal olma eğilimindedir ...

Benimle yapmak istediğiniz şey bu ve Gauss teorisi, Ornstein-Uhlenbeck süreci gibi ortalamaya geri dönüş gibi Wiener süreçleri henüz tamamen tükenmiş değil.

Tik tırnaklarını okumak (özellikle yüksek dereceli bir Erlang akışında çalışmak için) ile kayan bir pencerede en az bir gün arasındaki zaman aralıklarını arttırmanın gerekli olduğundan şüpheleniyorum.

TS'yi 60. sıradaki Erlang akışıyla (ortalama olarak dakikada 1 kez okuma) ve bir pencere = 24 saat ile başlattım - tekliflerimi OPEN/CLOSE M1 ile karşılaştırmak ilginç olacak...

Nadir anlaşmalar olmasına izin verin (Tanrım bu gerçekle, sabırlı olmaya hazırım), ama kase.

Not Otokorelasyonu da unutmuyorum - bakalım Ornstein ve Uhlenbeck'in gerektirdiği gibi uzun zamanlarda katlanarak azalıyor mu.

Skellam distribution - Wikipedia
Skellam distribution - Wikipedia
  • en.wikipedia.org
Skellam Examples of the probability mass function for the Skellam distribution. The horizontal axis is the index k. (The function is only defined at integer values of k. The connecting lines do not indicate continuity.) Parameters Support pmf e − ( μ 1 + μ 2 ) ( μ 1 μ 2 ) k / 2 I k ( 2 μ 1...
 

Şimdi söylenecek şey şu.

Artışların dağılımlarına ve fiyatları okuma aralıklarına bağlı olarak istatistiksel anlarını nasıl değiştirdiklerine bakıyorum ve piyasa fiyatlarının kendi kendine benzerlik özelliğine sahip OLMADIĞINI anlıyorum. Bu özellik, yalnızca kararlı, sonsuz bölünebilir (örneğin normal) artış dağılımları olan - Brownian hareketi gibi - süreçlerin doğasında vardır. Bu piyasada görülmez.

Açıkça, Mandelbrot ve suç ortakları, fizikte el yordamıyla değil (ve daha da kötüsü - ortalığı karıştırarak, ama dikkatlice gizleyerek), mağdurları kasıtlı olarak yanlış yönlendirdiler, böylece kene verileri ve küçük zaman dilimleri üzerinde hızlı bir şekilde ölçeklendirmeye geçtiler ve mevduatlarını boşaltarak, onları dipsiz olarak doldurdular. cepler.

Bu kadar!

 
Novaja :

Bazı acil düşünceleri ifade edeceğim: TF'de bir artışla, takip ettiği SA'ya yaklaşıyoruz:

1) Fraktalite ilkesi bozulur

2) SB büyümesinin özellikleri kalıtsaldır

O da konuştu.

Bir tüccar için PS Google SV Bulashev İstatistikleri . Bulashev, genelleştirilmiş bir üstel dağılım kavramını verir. sayfa 43

 
Novaja :

O da konuştu.

Açıklığa kavuştururum - delta ile ilişkili bir ACF'ye sahip SB'ye değil, ortalamaya dönüş ile Ornstein-Uhlenbeck sürecine ( üssel olarak azalan bir ACF'ye sahip SB). Rab Tanrı'nın Kendisi, acı çekenleri, uzun bir hayal kırıklığı yolundan geçenleri karşılamaya gider ve böyle bir süreç verir. Ama yine de ona ulaşmak zorundasın ... Hala yoldayım ...

 
Alexander_K2 :

:))))

Yine de "kulakları" bitirirdim. Onları nasıl elde ettiğini bilmiyorum - ama hatırladığım anlaşmalar onlarla harikaydı.

Bir şey başarısız olursa - nedenleri analiz etmek gerekir, burada Büyücü haklı - kapsamlı bir "bilgilendirme" gereklidir.

Ancak, "ortalama olarak", nedenleri analiz etmeden, kârsız anlaşmalara rağmen ayda en az% 25'lik bir kâr varsa - aptalca gerçek paraya bahis oynamanız ve buhar banyosu yapmamanız gerekir. BENİM NACİZANE FİKRİME GÖRE.

Sanırım büyücü bunu yaptı:

1. VR - artışlar

2. doğrudan Fourier dönüşümü, bir spektrumumuz var

3. İlk (gerekli) sinyal bir sinüzoiddir, Winner-Kolmogorov filtresini artış spektrumuna uygularız

4. Frekansları orijinal sinyalden minimum standart sapmaya göre bırakıyoruz

5. Artış grafiğinde en iyi sinüzoidi çiziyoruz

----

Not: 6. Bunda balık olmadığına ikna olduk.

 
Renat Akhtyamov :

Sanırım büyücü bunu yaptı:

1. VR - artışlar

2. doğrudan Fourier dönüşümü, bir frekans ve genlik spektrumumuz var

3. İlk sinyal bir sinüzoiddir, Winner-Kolomogorov filtresini artış spektrumuna uygularız

4. Frekansları orijinal sinyalden minimum standart sapmaya göre bırakıyoruz

5. Artış grafiğinde en iyi sinüzoidi çiziyoruz

Dayanamadım, üzgünüm. Her yerde sinüzoidler var, tek bir düz çizgi, eğri veya sargı yok. Bu, yalnızca düz ticaret yaptığınız anlamına gelir.

 
Renat Akhtyamov :

Sanırım büyücü bunu yaptı:

1. VR - artışlar

2. doğrudan Fourier dönüşümü, bir spektrumumuz var

3. İlk (gerekli) sinyal bir sinüzoiddir, Winner-Kolmogorov filtresini artış spektrumuna uygularız

4. Frekansları orijinal sinyalden minimum standart sapmaya göre bırakıyoruz

5. Artış grafiğinde en iyi sinüzoidi çiziyoruz

----

Not: 6. Bunda balık olmadığına ikna olduk.

Nokta 1 - soru sorulmadı.

Gerisi - fırında balık olmadığı için!

Kullandığı birkaç VR çizelgesi gördüm. Onları nasıl elde ettiğini görsel olarak anlamak neredeyse imkansız.

 
Köpekle yürüyüşe çıktı. Yakında yapacağım.
 
Алексей Тарабанов :

Dayanamadım, üzgünüm. Her yerde sinüzoidler var, tek bir düz çizgi, eğri veya sargı yok. Bu, yalnızca düz ticaret yaptığınız anlamına gelir.

Numara

büyücü artışlarla bir sinüzoid gösterdi ve K_2 şalgamını çizdi - bunun nasıl yapılacağı, sadece bu nedenle

Sadece bu konuyu okumaya çalışıyorum...

can sıkıntısına yardımcı olur

 
Alexander_K2 :

Nokta 1 - soru sorulmadı.

Gerisi - fırında balık olmadığı için!

Kullandığı birkaç VR çizelgesi gördüm. Onları nasıl elde ettiğini görsel olarak anlamak neredeyse imkansız.

nasıl olduğunu yazdım zaten

ve bunda (zaten Rusça) hiçbir kâr olmadığı gerçeği hakkında da

Kolmogorov'un tüm makalelerinde (sonuçta bugün bir şeyler okudum), asıl sinyalin bilinmesine güveniliyor. Bu tür bir literatüre güvenerek boşluğa acele ediyorsunuz ....

Bizim durumumuzdaki ilk sinyal bizim değil, alıntı yapanın hedefidir. Bu hedefe yönelik harekette, daha fazla karşı trend yakalamak için düz bir çizgi + olmadığı ortaya çıkacak şekilde ayarlamalar yapılıyor. Ne kadar uğraşırsan uğraş, bu hedefi asla çözemeyeceksin.