从随机的价格范围中获利 - 页 3

新评论
 
Mathemat:

你必须将真实数据转换为正态分布数据。

我没料到你会这么说!如何将不符合高斯分布的经验数据转换为正态分布？

你不是和橡树一起做毕业论文吗？
 
Rosh:
就是说，要找到这样一个原始数据（报价）的转换，才能看到正常的增量？那么它是如何运作的呢？
我不知道，Rosh。他只是从我给的链接中抛出了这个想法。显然，他是想做什么......。
 
usdjpy писал (а): 我没料到你会这么说!如何将不符合高斯分布的经验数据转换成正常数据？

你不是用一棵橡树做论文吗？
学习特维尔，牛顿...有一个分形分布，回报满足，而且是静止的。有一些表格是这样的。有一个高斯，对于它有一个明确的公式。对于一个随机变量的积分分布函数，有一个Therver定理，它是另一个随机变量的给定确定性函数。你还需要什么呢？
 
usdjpy:
数学。

你必须将真实数据转换为正态分布数据。

我没料到你会这么说!如何将不符合高斯分布的经验数据转化为正常数据？

你不是用一棵橡树做论文吗？


首先，你必须学会阅读和理解所写的内容，然后你必须学会写作。

你必须将真实数据转换成正态分布数据，这也是北风的 想法...
 
上面的帖子有点漫无边际。
  • 有这样一种东西，即抛物线分形分布（相当新的东西，它涉及到对真实物体的分布进行建模，比如巴黎市的大小与法国节俭的城市的关系https://en.wikipedia.org/wiki/Parabolic_fractal_distribution）。 除非你是直接从大学毕业，否则你可能没有被教导过。我不明白它怎么会在这里出现。
  • 静态分布：如果el.向量在马尔科夫链的状态空间中是el.，是非负数，给出的和是1，el.i是el.向量j的和乘以从状态j过渡到i的概率。它是如何到达这里的，我也不明白。
  • 我还知道Mois-Laplace积分定理，对于大的n，二项分布收敛于正态分布。 我不知道另一个，这个也不适合这里。
好吧，关于正态分布--就像S.W.写的那样，报价和他手掌上的东西，都是围绕移动平均线的正态分布，所以我们在这里很清楚。
 
Mathemat:
罗什。
就是说，要找到这样一个原始数据（报价）的转换，才能看到正常的增量？那么它是如何运作的呢？
我不知道，Rosh。他只是从我给的链接中抛出了这个想法。显然，他是想做什么......
只需阅读该主题的第一页。有趣的是，我的模型也差不多，即进场是随机的，止损大小比盈利大小大。此外，目标和止损都远离了点数，数百点。盈利能力是稳定的。已经考虑了传播问题（2分）。如果在真实的市场上有这么简单就好了 :)
 
olexij:
上面的帖子有点漫无边际。
  • 有这样一种东西，即抛物线分形分布（相当新的东西，它涉及到对真实物体的分布进行建模，比如巴黎市的大小与法国节俭的城市的关系https://en.wikipedia.org/wiki/Parabolic_fractal_distribution）。 除非你是直接从大学毕业，否则你可能没有被教导过。我不明白它怎么会在这里出现。
  • 静态分布：如果el.向量在马尔可夫链的状态空间中是el.，是非负数，给出的和是1，el.i是el.向量j的和乘以从状态j过渡到i的概率。它是如何到达这里的，我也不明白。
  • 我还知道Mois-Laplace积分定理，对于大的n，二项分布收敛于正态分布。 我不知道另一个，这个也不适合这里。
好吧，关于正态分布--就像S.W.写的那样，报价和他手掌上的东西，都是围绕移动平均线的正态分布，所以我们在这里很清楚。

olexij，措辞之精确令人惊叹。你应该上lib.mexmat.ru，而不是这里（如果你不介意 "你 "的话）。我将尝试逐点回答--尽量严谨，同时，至少让这里的人明白。我不是直接从大学里出来的，但我对数学的严谨性有一个大致的概念。

1.分形分布：指的是彼得斯书中讨论的那个，书末有一个表格。这本书的链接：http://www.ozon.ru/context/detail/id/1691158/。顺便说一下，它在Spider上也可以免费使用。在Shiryaev的《随机金融数学基础》中，有一个更严格的介绍。这里的分叉性更多的是指概率分布的稳定性。

2.静止性：是的，我是不准确的（因为运气不好，在我写完后，我认为我是不准确的--肯定有人会挑剔我）。我并不是指分布的静止性，而是指回报随机过程的静止性。

3.我知道这个二项式收敛于正态的定理。我指的是这个定理，通过这个定理，你可以在拥有一个均匀分布的数量并知道正态分布函数的反函数的情况下，在你的计算机上获得一个相当好的正态分布的模仿。我不记得具体叫什么了，但它是特维尔最重要的一个。

最后一件事：我们不是在讨论移动平均线周围的报价分布，它们的正态性...嗯，从直觉上看，它只是看起来，而且在表面上根本就没有。我们的意思是回报，即相邻条形图的收盘价差--不考虑muwings。
 
olexij:
上面的帖子有点漫无边际。
  • 有这样一种东西，即抛物线分形分布（相当新的东西，它涉及到对真实物体的分布进行建模，比如巴黎市的大小与法国节俭的城市的关系https://en.wikipedia.org/wiki/Parabolic_fractal_distribution）。 除非你是直接从大学毕业，否则你可能没有被教导过。我不明白它怎么会在这里出现。
  • 静态分布：如果el.向量在马尔科夫链的状态空间中是el.，是非负数，给出的和是1，el.i是el.向量j的和乘以从状态j过渡到i的概率。它是如何到达这里的，我也不明白。
  • 我还知道Mois-Laplace积分定理，对于大的n，二项分布收敛于正态分布。 我不知道另一个，这个也不适合这里。
好吧，关于正态分布--就像S.W.写的那样，报价和他手掌上的东西，都是围绕移动平均线的正态分布，所以我们在这里很清楚。

阅读。想了很多。哭了。
作者火了!继续努力吧!
 
Mathemat:
olexij:
上面的帖子有点漫无边际。
  • 有这样一种东西，即抛物线分形分布（相当新的东西，它涉及到对真实物体的分布进行建模，比如巴黎市的大小与法国节俭的城市的关系https://en.wikipedia.org/wiki/Parabolic_fractal_distribution）。 除非你是直接从大学毕业，否则你可能没有被教导过。我不明白它怎么会在这里出现。
  • 静态分布：如果el.向量代表马尔科夫链状态空间中的el.，是非负数，给出的和为1，el.i是el.向量j的和乘以从状态j过渡到i的概率。它是如何到达这里的，我也不明白。
  • 我还知道Mois-Laplace积分定理，对于大的n，二项分布收敛于正态分布。 我不知道另一个，这个也不适合这里。
好吧，关于正态分布--正如S.W.所写的报价和他手掌中的东西一样，围绕移动平均线呈正态分布，所以我们在这里是清楚的。

olexij，措辞之精确令人惊叹。你应该去lib.mexmat.ru，而不是这里（如果你不介意 "你"）。我将尝试逐点回答--尽量严谨，同时，至少让这里的人明白。我不是直接从大学里出来的，但我对数学的严谨性有一个大致的概念。

1.分形分布：指的是彼得斯书中讨论的那个，书末有一个表格。这本书的链接：http://www.ozon.ru/context/detail/id/1691158/。顺便说一下，它在Spider上也可以免费使用。在Shiryaev的《随机金融数学基础》中，有一个更严格的介绍。这里的分叉性更多的是指概率分布的稳定性。

2.静止性：是的，我是不准确的（因为运气不好，在我写完后，我认为我是不准确的--肯定有人会挑剔我）。我并不是指分布的静止性，而是指回报随机过程的静止性。

3.我知道这个二项式收敛于正态的定理。我指的是这个定理，通过这个定理，你可以在拥有一个均匀分布的数量并知道正态分布函数的反函数的情况下，在你的计算机上获得一个相当好的正态分布的模仿。我不记得具体叫什么了，但它是特维尔最重要的一个。

最后一件事：我们不是在讨论移动平均线周围的报价分布，它们的正态性...嗯，从直觉上看，它只是看起来，而且在表面上根本就没有。我们的意思是回报率，即相邻条形图的收盘价差--不考虑muwings。
Matemat，既然你们是以名字相称的，那么。:)在谈论数学和统计学时，精确的措辞总是更好的，特别是当你手头有谷歌，而你的手又不干时。逐一说明。
3.你是在写Box-Muller转换吗？关于从伪随机均匀分布的数字中生成伪随机正常分布的数字，在这里：http://www.taygeta.com/random/gaussian.html。 但我们在这里哪里有伪随机均匀分布的数量？
2.过程的固定性：可能是的。我认为分布函数也不会随着时间的推移而改变。
1.鉴于最后一句话，现在懒得再去挖掘和阅读了。
例如，有一个Kolmogorov-Smirnov检验，对于这个检验，用一个随机样本，可以检验随机变量的分布是否正常：https://en.wikipedia.org/wiki/Kolmogorov-Smirnov_test。如果这些对你来说还不够，那么请将上述所有内容合并为对你所提出的建议的描述。
 
alexjou:
olexij:
上面的帖子有点漫无边际。
  • 有这样一种东西，即抛物线分形分布（相当新的东西，它涉及到对真实物体的分布进行建模，比如巴黎市的大小与法国节俭的城市的关系https://en.wikipedia.org/wiki/Parabolic_fractal_distribution）。 除非你是直接从大学毕业，否则你可能没有被教导过。我不明白它怎么会在这里出现。
  • 静态分布：如果el.向量在马尔科夫链的状态空间中是el.，是非负数，给出的和是1，el.i是el.向量j的和乘以从状态j过渡到i的概率。它是如何到达这里的，我也不明白。
  • 我还知道Mois-Laplace积分定理，对于大的n，二项分布收敛于正态分布。 我不知道另一个，这个也不适合这里。
好吧，关于正态分布--正如S.W.所写的报价和他手掌中的东西一样，围绕移动平均线呈正态分布，所以我们在这里很清楚。

阅读。想了很多。哭了。
作者火了!继续努力吧!
不要哭，爷爷会给你一颗糖 :)
123456789
新评论