从随机的价格范围中获利 - 页 4

新评论
 
olexij: 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值？
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。

3、是的，即使是关于Box-Muller，也有很多不同的方法。即使在这里有一个统计库（来自klot，我想），有一个函数，正态的逆函数，只是为了从一个均匀分布的值中生成一个正态值。 在任何情况下，概率的 基本转换法 是这里的基础。这就是我所指的法律。

至于我遗漏了什么：我没有做，只是指出这可能是S.V.想做的。 他显然想收集关于回报率的统计数据，然后根据回报率的经验分布，将这些数据转化为正态分布的数据，根据他的暗示和Rosh 的说法，在这些数据上可以直接切白菜。这样一来，真实回报的每个维度都将与 "规范化 "的维度相互 明确地匹配。在 "规范化 "的数据上，交易被打开/关闭并转化为真实数据上的交易。

1.你应该阅读彼得斯，那里有很多有趣的东西。我不需要做Kolmogorov-Smirnov测试来检查回报的正态性，因为我知道它们不是正常的，这真的很明显--例如从重尾存在的事实来看。现实市场中的六西格玛型事件相当罕见，但仍比正常规律的频率高几十万倍。

 
Mathemat писал (а):

1.你应该阅读彼得斯，里面有很多有趣的东西。


彼得斯怎么样？


Э.彼得斯 "资本市场的混沌与秩序"

Э.E. Peters "Fractal Analysis of Financial Markets.混沌理论在投资和经济中的应用》。
 
Mathemat:
olexij: 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，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值？
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。如果这对你来说还不够，那么请将上述所有内容合并到你所提议的描述中。

3、是的，即使是关于Box-Muller，也有很多不同的方法。即使在这里有一个统计库（来自klot，我想），有一个函数，正态的逆函数，只是为了从一个均匀分布的值中生成一个正态值。 在任何情况下，概率的 基本转换法 是这里的基础。这就是我所指的法律。

至于我遗漏了什么：我没有做，只是指出这可能是S.V.想做的。 他显然想收集关于回报率的统计数据，然后根据回报率的经验分布，将这些数据转化为正态分布的数据，根据他的暗示和Rosh 的说法，在这些数据上可以直接切白菜。这样一来，真实回报的每个维度都将与 "规范化 "的维度相互 明确地匹配。在 "规范化 "的数据上，交易被打开/关闭并转化为真实数据上的交易。

1.而且你读了彼得斯，里面有很多有趣的东西。我不需要做Kolmogorov-Smirnov检验来检查回报的正态性，因为我知道它们不是正态的，这真的很明显--例如从有重尾的事实来看。六西格玛类型的事件在现实市场中相当罕见，但仍然比正常规律要频繁几十万倍。

谢谢你的解释!
3.我们知道数量是均匀分布的吗？或者一般来说，我们的分布函数是什么？如果是这样，我们就有一个可以转换的分布函数。科尔莫戈罗夫在这里也可以提供帮助。
1.读了前面关于稳定性的1的描述，就我的理解，它实际上重复了关于静止性的2点。关于彼得斯--我将采取并阅读它，谢谢。
关于企业本身--让我们看看他们在搞什么。如果它们在这里突然消失，就值得仔细看看。
 
usdjpy:
彼得斯怎么样？
我更喜欢彼得斯。仿佛英语译者不知道彼得斯 的英语读起来像彼得斯......。
 
usdjpy:
数学写道（a）：

1.你应该阅读彼得斯，里面有很多有趣的东西。


也许是彼得斯？


Э.彼得斯 "资本市场的混沌与秩序"

Э.E. Peters "Fractal Analysis of Financial Markets.混沌理论在投资和经济中的应用》。

谢谢你，这些链接不仅在俄罗斯有效。我对资金管理方面的书籍感兴趣，你能推荐一些吗？Matemat，这个问题也是给你的 :)
 
olexij:

谢谢你，这些链接不只在俄罗斯有效。我对资金管理方面的书籍感兴趣，你能推荐一些吗？Matemat，也有一个问题要问你 :)

该类型的经典之作。

Р.文斯，《资金管理的数学》。

对于自动交易

Yuri Reshetnikov "MTS和资金管理方法"
 
olexij:
1.读了前面关于稳定性的1的描述，就我的理解，它实际上重复了关于静止性的2点。

不，它没有。一个稳定的概率分布 是这样的（来自Shiryaev，第一卷，第232页）。

类似的东西是无限可分的分布。

 
Mathemat:
olexij:
1.读了前面关于稳定性的1的描述，就我的理解，它实际上重复了关于静止性的2点。

不，它没有。一个稳定的概率分布是这样的（来自Shiryaev，第一卷，第232页）。

类似的东西是无限可分的分布。

谢谢你的澄清，甚至复制了它，哇!我还没有看到我们在哪里需要它。如果我们还在讨论这个话题，问题3仍然存在--如果分布1是未知的，如何将分布1转化为分布2？我们是否应该首先接受分布1的假设，对其进行检验，然后再进行转换？
 
尤里-切博塔廖夫有一定的名声--一个负面的名声。
在他的时代，他在一些严肃的论坛上被充分曝光。
因此，除了乐趣之外，阅读他的文章没有什么意义。

"Dub证明了在随机系列的数据上不可能有系统的胜利"
- 这通常是不正确的，除非指定了有关的随机系列。

例如，在这样一个随机数列X=a+b*t+e上，赚钱是非常容易的（e是一个随机变量）。
还有许多其他的随机系列，你可以在此基础上建立一个系统。

主要的一点是，有记忆的随机系列和无记忆的随机系列。
有一个有记忆的随机数列；它有一个随机变量（e）增量的分布函数，不依赖于它的前值。
一个没有记忆的随机数列--它的随机变量增量的分布函数并不取决于数列的前值。

不可能在没有记忆的随机数列上构建一个有利可图的系统。
 
olexij:
至于正态分布--报价在移动平均线周围呈正态分布，就像S.W.写的那样，也是他手掌中的东西，所以我们在这里是很清楚的。
纠正。
1.价格的差异和平均值的那种分布函数取决于该分布的方差和平均值的值。
2.这种差异的分布函数是不对称的，所以它不可能是高斯的。
3.在某些条件下，差值的分布趋向于高斯分布，但从未成为高斯分布。
123456789
新评论