一个完全随机的过程和FOREX。 - 页 3

 
grasn:

该值不会是负数,因为 "+"和"-"的运动之和近似相等。
你可以在图表上看到这一切


应该指出的是,不同的运行情况可能有很大的不同。
这就是我所写的



很明显,真正的金融过程并不那么混乱。

然而......水平,菲博.平面等等。
和菲博是由于。

FIBO的水平是存在的。 很明显,每一个连续的数值都等于它之前的数值之和。
:о)))



让我问你一个问题 - 那么什么???????说你想说的还是你只是在玩?


好吧,两者都有。

我通过分析外汇得到了一些模式,然后决定对一个随机过程做同样的事。
我产生了这些照片,这让我有点震惊,因为它们拥有分析报告中所说的一切。
而且它不是一个市场,它只是一个随机数字发生器。

你是说这是一个糟糕的模式。
同样,这不是一个模型,它更像是一个笑话。但即使是这个完美的简单模型,也会产生一个真正的市场。


这种行为对你来说很明显吗?





 

D.Will

对外汇的分析给了我一些规律性的东西,然后我决定对一个随机过程做同样的分析。为了兴趣,我产生了这些图片。它们让我有点震惊。它们有分析中所说的一切。<br / translate="no">而且它不是一个市场。它只是一个随机数字发生器。

如果你挖掘历史,你会发现有大量类似的狂言。我的意思是,这是一个众所周知的事实。我只是在琢磨这个故事的内容。现在很清楚了。

这种行为对你来说很明显吗?

我是说我能像MathLab 那样在头脑中进行这样的计算吗? 不 ,我可以。

Korey

所以在60年代,他们试图用一组振荡器和变换来模拟时间序列,据说用随机的方式来模拟,据说可以预测。我不知道模型的情况,但输出的是博士和学者。

我知道这一点,这就是为什么我问作者关于出版物的意义。

 
grasn:

D.Will



我分析了外汇,得到了一些规律性的东西,然后我决定对一个随机过程做同样的分析。
然后我决定对一个随机过程做同样的事情。
我看到了这些照片,这让我有点震惊。
分析中所说的一切。

而且它不是一个市场,它只是一个随机数字发生器。


如果你在历史中挖掘,你会发现很多
你会遇到很多这样的赞美。我的意思是,这是一个众所周知的事实。我只是在琢磨
这个故事是关于什么的。现在一切都说得通了。

如果你觉得有道理,你能解释一下为什么随机图表上的价格会从一个级别跳到另一个级别?



这种行为对你来说很明显吗?


我的意思是,我能否在我的脑海中进行这些计算。
MathLab 那样?
我不能。

D.W> 你不明白吗? MathLab和它有什么关系?




to Korey



嗯,在60年代,他们试图模拟时间序列
有一组生成器和变换,据说是随机的,由
随机的,据说有一个你可以预测的象形。我不知道模型的情况。
但产出的是博士和学者。


我知道,这就是为什么我问作者关于出版物的意义。



谁能解释一下随机过程是如何保存水平的?我只是猜测 =(
 

这个话题很好!!!。它的作者向我们展示了--具有普遍接受的模式的市场,就像我们周围的一切一样,是一种混乱的波动。问题:我明天会想什么 - 等一下,等一下,期望,统计学,数学,阅读全文 .....真的有人相信预测未来吗?外汇市场 和我们生活中的任何事情一样,都是不可预测的混乱局面。结论一--在这个市场上,我们至少可以实现一件事:看到目前正在发生的事情,并有时间做出决定。

 
vizit:

这个话题很好!!!。它的作者向我们展示了--市场,其普遍接受的模式,和我们周围的一切一样,是混乱的波动。问题:我明天会想什么 - 等一下,等一下,期望,统计学,数学,阅读更多 .....真的有人相信预测未来吗?外汇市场和我们生活中的任何事情一样,都是不可预测的混乱局面。结论一--在这个市场上,我们至少可以实现一件事:看到目前正在发生的事情,并有时间做出决定。

好吧,至少有人理解了。

当然,我希望市场更加真实。最近的Usd事件证实了这一点。

,这里有一个例子。为g均匀分布 生成的。理论上,图形应该总是接近零。
,没办法。这不是为电脑准备的。


r=rand(1,15000);
figure;

hist(r);
figure;
r=r-0.5;
for i=2:1:length(r)
r(i)=r(i)+r(i-1);
end
grid on;
plot(r)





On some plot go sub +++++++++。在另一个情节--------------。

而市场最基本的属性是,在大的运动之前有一个缩小的动态。
 
D.Will писал (а):

谁能解释一下随机过程是如何保存水平的?我只是猜测 =(



引用1。

Marsaglia A968)证明,所有的随机数探针。
使用重现率的方法,在一定程度上受到连续的 "重现率 "之间的关联性的影响。
连续数字之间的相关程度。

引用2:正如定理A(Knuth A969)第29页)所证明的,序列
序列{Yn}必然有 时间 最大长度为m的


 
D.Will писал (а):

谁能解释一下随机过程是如何保存水平的?我只是猜测 =(


这与随机过程有什么关系?该图是一个完全确定的系列,只是在统计学上与随机系列无法区分。所以这只是一个混乱系列的好例子 :) 。
 
Korey:
D.Will 写道(a)。



谁能解释一下,在一个随机过程中,等级的保存是怎么来的?我只有一个猜测 =(








引用1。



Marsaglia A968)证明,所有的随机数探针。

使用重现率的方法,在一定程度上受到连续的 "重现率 "之间的关联性的影响。

连续数字之间的相关程度。



引用2:正如定理A(Knuth A969)第29页)所证明的,序列

序列{Yn}必然有 时间 最大长度为m的

好吧,第一个猜测。

顺便说一句
在16位数的精度下,不能产生一个超过(65536)个元素的序列。

我们可以做到以下几点。假设3个人分别从0...1中产生10.000个数字,我将随机地把它们混合起来,并做出一个图表。=).
 
lna01:
D.Will 写道(a)。



谁能解释一下,在随机过程中,等级的保存是怎么来的?我只有一个猜测 =(






随机过程与它有什么关系?该图是一个完全确定的系列,只是在统计学上与随机系列无法区分。所以它只是一个混乱系列的好例子 :) 。
你在做什么?
请不要迷惑我们。
根据定义,一个随机过程是一个随机变量的序列。当定义一个随机过程时,我们总是谈论方差和差异以及其他各种东西。

而一个确定的过程是一个在任何特定时间都可以明确说是系统将进入的下一个状态的过程。

人们总是在谈论决定性的部分和混乱的部分。

而一个过程的确定性越强,我们就越能确定它在未来的演变。

此外,还有一些系统的操作是完全描述的*,例如
y(n+1)=a*y(n)*(1-y(n);
这几乎是不可能预测的。在a->4。

这样的过程被称为决定性的混沌。
 
D.Will писал (а):
该图是一个完全确定的系列,只是在统计上与随机系列无法区分。所以它只是一个混乱系列的好例子 :) 。
你在做什么?
请不要迷惑我们。
根据定义,一个随机过程是一个随机变量的序列。当定义一个随机过程时,我们总是谈论方差和方差以及其他一切。

而一个确定的过程是一个在任何时候你都可以清楚地说出系统的下一个状态的过程。
对于标准的伪随机数 生成器,你只需要知道它开始的数字,就可以毫不含糊地预测序列。所以你图片中的系列理论上是完全可以预测的。