一个完全随机的过程和FOREX。 - 页 4

新评论
 
lna01:
D.Will 写道（a）。

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 :) 。

你是什么人？

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矩阵以及其他一切。



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。

1.你知道这个数字吗？
2.以16位数的精度，它不能生成超过（65536）个元素的序列。
 
lna01 писал (а): 对于标准的伪随机数 生成器，你只需要知道系列开始的数字，就可以毫不含糊地预测了。所以你图片中的系列理论上是完全可以预测的。


坦率地 说，事情没有那么简单。我也这么想，直到我和komposter 检查了MathRand()函数。这里有一个分支：'初学者的问题：不同窗口中的两条曲线'.

代码。

#property show_inputs
 
/*extern int init_start    = 0;
extern int init_end      = 100000;*/
 
extern int iterations    = 1000000000;
 
int start()
{
    int tmp, pre_tmp, count_23281 = 0, count_16827 = 0, count_23281_16827 = 0; string res;
    //for ( int start = init_start; start < init_end; start ++ )
    {
        int start = 1;
        MathSrand( start );
        for ( int i = 0; i < iterations; i ++ )
        {
            pre_tmp = tmp;
            tmp = MathRand();
            if ( pre_tmp == 19169 ) //23281 )
            {
                count_23281 ++;
                if ( tmp == 15724 ) //16827 )
                {
                    count_23281_16827 ++;
                    res = StringConcatenate( res, count_23281_16827, ": Init value = ", 
                          start, ", interation # ", i, "\n" );
                }
            }
            if ( pre_tmp == 16827 ) count_16827 ++;
        }
    }
    Comment( "Чисел 23281 - ", count_23281, "\nЧисел 16827 - ", count_16827, 
                "\nЧередований 23281 с 16827 - ", count_23281_16827, ":\n", res );
    return(0);
}
P.S. 我想你是对的。但这个序列的周期显然是非常大的。谷物定义了整个序列，但从同一数字开始的片段是不同的。
 
D.Will писал (а):
此外，有些系统的运行被完全描述，*如 y(n+1)=a*y(n)*(1-y(n); ，这几乎是不可能预测的。在a->4。 ，这种过程被称为确定性混沌。





确切地说，在现实中，我们根本不可能足够准确地知道一个参数的值。尽管如此，混沌过程比随机过程更可预测。但我们无法从统计学上对它们进行区分。由此可见，统计学上的争论与市场的可预测性 问题无关。
 
我决定通过对一系列随机数进行多次洗牌来减少伪随机数发生器的确定性。

关闭所有;

N=1000;
r=NORMRND(0,0.0077,1,N);

r1=r;
% 洗牌
for i=1:1:10000
i1 = fix(rand*N)+1;
i2 = fix(rand*N)+1;
c=r（i1）;
r（i1）=r（i2）;
r（i2）=c;
end;

figure;
%r=r-0。5;
for i=2:1:length(r)
r(i)=r(i)+r(i-1);
r1(i)=r1(i)+r1(i-1);
end

grid on;

plot(r);
figure;
plot(r1);

result


混合的


有了。去掉了句号。那么有什么用呢？
 
lna01:
D.Will 写道（a）。

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。




确切地说，在现实中，我们根本不可能足够准确地知道一个参数的值。尽管如此，混沌过程比随机过程更可预测。但我们无法从统计学上对它们进行区分。 由此可见，统计学上的争论与市场的可预测性问题无关。

有足够的精度。是哪种？
所有关于D.H.的理论要么分析模型的方程，要么分析历史（提取统计规律）。
你说的统计学特征是什么意思？mo和std？谁说这是对两个序列的等价性的一种衡量？
 
Mathemat:
lna01 写道(a)：对于标准的伪随机数 生成器，你只需要知道系列开始的数字就可以毫不含糊地进行预测。所以你图片中的系列理论上是完全可以预测的。

不是，是糖果。我也这么认为，直到我和komposter 检查了MathRand()函数。这里有一个分支：https://forum.mql4.com/ru/6187 。
我认为重复对的效果可能是，例如，如果把32的最低16位数字作为一个随机数。但如果不是他们，可能就不存在 :)。这并没有使可预测性的事实失效。如果在相同的起始号码下得到不同的序列，情况将变得更加复杂。那么我们就只能考虑部分可预测性了:)。
 
D.Will писал (а):

诀窍是，在足够精确的情况下，哪一个是它？
这个问题只能有一个特定问题的答案。

P.S. "概率密度 "也是一种统计特性。它也不能保证用RNG的所有 过程特性的可重复性。
 
lna01:
D.Will 写道（a）：



诀窍是，在足够精确的情况下，哪一个是？


这个问题只能有一个特定问题的答案。P.S. "概率密度 "也是一种统计特性。而且也不能保证用RNG再现过程的



所有 特征。

即使对于一个特定的任务，你也不能从理论上证明它是合理的，因为将一个过程参数改变10^-100，可能会使其动态变化无法识别。(分叉等）
，所以计算机其实不适合分析这种过程。(从根本的角度来看)。只有他们的概率性和描述性建模才是可能的。


lna01> 附注："概率密度 "也是一种统计特性。也不能保证通过RNG再现一个过程的所有 特征。


，你怎么想象？？如何通过随机变量的分布规律 来重构一些东西？这样的任务根本不可能存在。
如果我引用直方图，那只是为了说明随机变量的分布与eurusd 1D的分布相同。
 
D.Will писал (а):
lna01:
D.Will 写道（a）：

诀窍是，在足够精确的情况下，哪一个是？


该问题只能有一个特定任务的答案。

即使对于一个给定的问题，你在理论上也无法预测。 将这个参数改变10^-100，可能会使这个过程的动态变化无法识别。(分叉等）
，所以计算机其实不适合分析这种过程。(从根本的角度来看)。只有他们的概率性和描述性建模才是可能的。
那么，如果对于某些参数值的范围，可以确定吸引子，这将意味着部分可预测性。在这种情况下，这些范围的边界将决定参数定义精度的 "充分性"。关于计算机对这种过程的分析不足，我完全同意你的观点--在这个行业中最主要的是头脑:)
如果我引用直方图，那只是为了说明随机变量的分布与eurusd 1D相同。
对，我就问。"那又怎样？" :)我再重复一遍：你摆出的随机系列并不是随机的。只是对于那些只有统计特征的任务来说，它可以被当作随机的。也就是说，在主题的标题中写上 "RNG Matlab和FOREX "会更正确 :) 。实际上，我的帖子的主要观点是，没有理由将Matlab的RPM视为 "绝对随机过程"。
 
lna01:
D.Will 写道（a）。

lna01:

D.Will 写道（a）。



诀窍是，在足够精确的情况下，哪一个是它？





该问题只能有一个特定任务的答案。



即使对于一个具体的问题，你也不能理论化。因为改变这个参数10^-100，就能改变这个过程的动态，无法识别。(分叉等)。

这就是为什么计算机不大适合分析这种过程。(从根本的角度来看)。只有他们的概率性和描述性建模才是可能的。

那么，如果对于某些参数值的范围，可以确定吸引子，这将意味着部分可预测性。在这种情况下，这些范围的界限将决定参数定义的 "适当性"。关于计算机不足以分析这种过程的问题，我完全同意你的观点--在这个行业中最主要的是头脑:)

如果我真的给出了直方图，那也只是为了说明随机变量的分布与eurusd 1D相同。


对，我就问。"那又怎样？" :) 我重复：你定位为随机的系列，并不是随机的。 只是对于那些只有统计学特征的任务来说，它可以被当作一个随机的。也就是说，在主题的标题中写 "RNG Matlab和FOREX "会更正确 :) 。实际上，我的帖子的主要观点是，没有理由将Matlab的RPM视为 "绝对随机过程"。
好吧，没有什么异常的随机性。这个话题如此命名是因为它强调了 "异常的随机性 "和 "非随机性 "之间的相似性。

如果你看上面，我举了一个例子，整个序列被混合了几次。 并同时显示了一个和另一个序列。
这是试图降低GSF的决定论。运动的特点是一样的。
123456789
新评论