Лаги тиков случайная величина, но само по себе это не означает случайности частоты дискретизации. Она вполне может быть постоянной, просто когда результат измерения совпадает с предыдущим тик не даётся. Вообще я думаю, что в буквальном смысле частоты дискретизации для рынка не существует…
忍不住了!没错,我写的不是原始信号的属性,而是由观察者根据原始信号表示的所需质量分配给数字化的字面意思。但它是 "X "轴,我们也可以记住信号的量化问题,即 "Y "轴,但它也不是原始信号的一个属性。这都是由实验的综合特点和简单的硬件能力所决定的。
毕竟,采样率与采样周期的关系是由公式Fdisk=1/delta_t决定的。Delta_t只不过是数据周期(用数学术语说是 "tick lag")。问他tick lags是否是一个随机变量(只要分布规律的类型不重要)。 如果数学家说是,那么回答采样率也将是一个随机变量?
我不知道DSP。只是想保持一些概念,以便在发生任何事情时,我可以及时确定自己的方向 :)
Tick lags是一个随机变量,但这本身并不意味着采样率是随机的。它很可能是恒定的,只是当结果与前一次打勾相同时就不给了。一般来说,我认为从字面上看,市场没有采样率,但我们可以尝试把这个词看作是反映做市商信息处理速度的有效 概念。 从这个角度看,我认为,我们可以把工作周期间的采样率看作是常数。周末的情况还不清楚--我不知道做市商在那个时候是以什么模式工作的,但无论如何,由于统计数据的下降,确定 "真实价格 "的不确定性增加了。也就是说,由于这样或那样的原因,周一开市时的测量误差会急剧增加。也就是说,大多数缺口可以归因于测量误差--我从以下事实中看到了这一点的确认:在这大多数情况下,市场首先关闭了缺口,然后才决定下一步该怎么走。至于新闻,我们可以假设,在那些时刻,这种常规的采样频率是不够的,也就是说,我们又有了价格决定的不确定性的增长(这次是另一个原因),结果是随后的颠簸性。
这是我对这个问题的看法。
2Mathemat: 在回顾了Feigenbaum之后,我再次想到了一个事实,即伪随机序列在所有的统计测试中看起来都是随机的,是完全可以预测的。 顺便说一下,你未来的合成物也将是可以预测的,因为这个原因 :)
Лаги тиков случайная величина, но само по себе это не означает случайности частоты дискретизации. Она вполне может быть постоянной, просто когда результат измерения совпадает с предыдущим тик не даётся. Вообще я думаю, что в буквальном смысле частоты дискретизации для рынка не существует…
忍不住了!没错,我写的不是原始信号的属性,而是由观察者根据原始信号表示的所需质量分配给数字化的字面意思。但它是 "X "轴,我们也可以记住信号的量化问题,即 "Y "轴,但它也不是原始信号的一个属性。这都是由实验的综合特点和简单的硬件能力所决定的。
它对应于ADC的比特深度,对于市场来说,它对应于1点的分辨率。最后的决议给出了额外的噪音。
这相当于ADC的位深度,对于市场来说,它是1。最终的位深度会产生额外的噪声。
在我们的案例中,ADC是完全确定的,我们没有办法改变它,在使它更准确的意义上。比较粗糙--没问题。顺便说一句,坎迪德,你还记得我们为什么需要这个ADC吗?
在我们的案例中,ADC是完全确定的,我们没有办法改变它,在使它更准确的意义上。比较粗糙--没问题。顺便说一句,坎迪德,你还记得我们为什么需要这个ADC吗?
是的,他们对我们没有其他作家 :)。从更严肃的角度来看,这应该是迄今为止唯一准确计算的噪声源。当然,除非我的假设是DSP已经解决了这个问题是正确的:)
向坎迪尔 致敬
我是在问全球。:о)只是对Prival公司的提议的艰巨性感到有点吃惊。我不认为这种经典意义上的DSP方法会有助于理解市场结构和模仿。我相信这是一种误解。至于噪音,我卑微的理解是,这种噪音并不作为一个类别存在,因为来源的性质不同。是的,可能有 "量化错误",但没有噪音。 好吧,让我们等待作者的耐心解释。
到数学
赫斯特,私人?如果是这样,我不太研究它,但我在生成合成物时肯定要考虑到它。
而这要比奈奎斯特频率和其他不起作用的胡话重要得多。我强烈建议你做这件事,而且不仅仅是为了生成合成物。这里有一本书:《用分形 进行信号处理:基于小波的方法》。
http://grasn.narod.ru/002.djvu
我认为它对流的产生也可能是有用的,但我们应该记住,赫斯特指数也是一个函数。
伙计们,这就是我们出错的地方。当量化噪声比直流滤波器产生的效果(几分之一)小得多时,我们还在乎量化噪声(几分之一)吗?
如果我们需要生成一个合成系列,我们就走错了路。它不能从经典的DSP架构的位置来接近:"编码器"-"DSP设备"-"解码器"。祝你玩得开心 :o)
至于噪音,我卑微的理解是,这种噪音并不作为一个类别存在,因为来源的性质不同。是的,可能有 "量化错误",但没有噪音。
至于噪音,我卑微的理解是,这种噪音并不作为一个类别存在,因为来源的性质不同。是的,可能有 "量化错误",但没有噪音。
好吧,让我换个方式问吧。这是一棵分形树--其中的噪音在哪里?