市场礼仪或雷区中的良好风度 - 页 12 1...5678910111213141516171819...104 新评论 paralocus 2009.05.05 10:11 #111 Neutron >> : P.S. 它很美。我是说照片。我在审美上很享受! 是的，它是美丽的!我们的谈话为我澄清了很多事情。 顺便说一下，我做了一个简单的指标，可以用来调整输入信号的概率密度分布。 下面是调整前的RSI概率密度函数的图片。 这里的紫线是系数为1的RSI的正切线（即原样），绿线是概率密度函数的概率密度函数左边的边是-1，右边的是+1。 而在下一张图片中，th( RSI (i) * kf )，其中kf是 "涂抹 "系数-:) 在这里，我们走了。现在我要把你美丽的图画变成代码。 Neutron 2009.05.05 10:13 #112 HideYourRichess писал(а)>> 这与其说是一个悖论，不如说是有再投资的MM的一个特性。这个MM的效率取决于交易的数量，以及其他方面。这个MM的盈利能力是交易数量的几何平均程度。在交易数量较少的情况下，盈利能力输给了简单的MM，但如果我们设法在大量的交易中生存下来（玩长线），那么回报就会更大。但是，像往常一样，没有什么是白给的。你将不得不付出不对称的杠杆及其后果--与简单的MM相比，长期的低利润。 我想从最近的结果谈一谈最佳MM。 以上（从这个主题的开始）我收到了分析性的表达式，它连接了这样的参数，即交易的特点，如：所选符号的当前汇率 -S，使用的杠杆 -L，正确预测预期价格走势的概率 -p，典型的回报点大小 -H，DC的佣金 - Sp和 初始存款 -Ko。 让我提醒你，在贿赂规模不变的条件下，资金再投资时存款变化的可能变体，可以借助明显的表达方式进行数值模拟。 其中西格玛是一个随机值，取值为+/-1，小幅领先于+1（我们有TS的正ÌÎ）。 实际上，我把问题设定为在已知的真实价格变化迹象与全部翻倍的交易数量--P 的比率下，寻找H 和L 的最佳值。当然，我们可以将这些参数的所有可能的值替换到迭代表达式中，并试图找到最佳方案（这就是文斯在他的工作中计算最佳 f 时的做法）。事实证明，获得一个足以满足迭代形式的分析表达式并不十分困难。我们需要对等式的两部分进行顺式计算，将亏损和盈利的交易按不同角度划分。 分析性表达的好处是，我们不需要解决参数问题来寻找最佳交易参数，我们只需要使用随时可以使用的公式。 上面我得到了最佳H 和 L 值的表达式，但我在交易时发现，我们不能把最佳的H 和现有的P 结合起来，这些参数独立存在。这就是为什么，在我们以某种方式确定了最佳交易H 之后，我们需要在交易历史上找到P，之后才需要寻找最佳交易杠杆。在这种情况下，如果 L 等于，自然界的最大可能回报率将是。 对于世界上最成功的交易，我们需要知道的是当前的汇率和点差，以及，有正MO的TS！我们需要知道的是，我们需要知道的是，我们需要知道的是，我们需要知道的是。 但首先让我们确保我们对回报率的分析表达式真正反映现实。为此，让我们在具有接近真实分布的人工报价上进行1000次数字实验（为了获得更多的统计数据）（例如，欧元兑美元和市场有回调或反趋势， p=0.2），看看我们账户的对数在500次交易中是如何表现的。 红色方块显示了我们的账户在500次交易后的对数值的平均值，晶须显示了这个数值的1/e的特征散布，红色实线是分析解。你可以看到统计散点内有显著的重叠。 厌倦了写作...我去喝啤酒了! 蓝色的那个是不属于伯努利的。 Hide 2009.05.05 14:33 #113 至于文斯的Fopt，这其实只是名字而已，事实上从资本增长率来看，它并不是最佳价值。确定资本份额的正确公式是所谓的凯利测试：Fopt=p-q或Fopt=2p-1，其中p是获胜的概率，q是失败的概率。这个公式对等量的胜利或失败都有效。这意味着，如果p=0.51，例如，Fopt=0.02，即应该使用0.02的存款。当然赢钱和输钱都应该等于这个数值。换句话说，为了确定最佳份额，就股权增长率而言，人们只需要知道概率。然后，如果你知道手数、手数、保证金大小、佣金等，就可以计算出杠杆。或者反过来说，知道了杠杆率，你就可以计算出手数。顺便说一下，为什么你的公式中没有地段的概念？ 看看索普书中凯利标准的结论，它非常简明扼要，一针见血。顺便说一下，对于胜负不等的情况，有一个略微不同的公式，一般化。此外，这也是文斯引入他的Fopt计算方法的原因，--有再投资的MM允许大额缩减，这又是不对称杠杆的影响。不是每个人都准备好容忍这样的缩减，这就是为什么文斯的Fopt是人为的低。索普有关于它的公式和结论。我写了一篇 关于这个MM的文章，它已经在megaquotes的评论上躺了一个月了。 顺便说一下，我可能没有正确计算所有的东西，请纠正我。下面是原始数据和使用公式1和3得到的结果。 以点为单位的特征贿赂规模 - H 50 所选工具的当前价格 - S 1.3500 正确预测预期价格变动的概率--P 0.01 经纪公司的佣金 - Sp 2 初始存款 - Ko 1000 sigma是一个随机值，其值为+/-1。 1 使用的杠杆 - L -0.00054 淇= 980.7692 Market etiquette or good EA测试仪的结果 关于遗传优化的问题 Hide 2009.05.05 14:59 #114 我的印象是，我在把数字放进公式的时候，在某个地方弄错了。结果是这样的。 贿赂的特征大小，单位是分 - H 10 所选工具的当前汇率 - S 1.3500 正确预测预期价格变动的概率--P 0.1 经纪公司的佣金 - Sp 2 初始存款 - Ko 1000 sigma是随机值，其值为+/-1。 1 使用的杠杆 - L 0 淇= 1000 Neutron 2009.05.05 15:26 #115 我所得出的是凯利在50年代所得到的结果的一个重复。唯一的一点是，我在这个公式中加入了直流电佣金，而且我使用了杠杆L 的概念，而不是资本分数f。我想如果我用杠杆而不是用手操作，公式看起来会更好。如果有必要，很容易从它切换到地段大小。 Lot=MathFloor(L*AccountFreeMargin()/MarketInfo(Symbol(),MODE_MARGINREQUIRED)/AccountLeverage()/LotStep)*LotStep; if(Lot<MarketInfo(Symbol(),MODE_MINLOT))Lot=MarketInfo(Symbol(),MODE_MINLOT); if(Lot>MarketInfo(Symbol(),MODE_MAXLOT))Lot=MarketInfo(Symbol(),MODE_MAXLOT); 就我所知，没有任何方法（MM）能比使用最佳杠杆大小更有效地积累存款（收益和损失相等）。 我不明白你在帖子的最后引用了什么数据...这是一个用我的公式计算东西的例子，还是试图重构我在数值模拟中使用的数据？我把 S=10000 分，H=10 分，Lopt 变成了210分的样子，P=0.2，Sp=2 分。市场正在滚动。 回到我的上一篇文章，我想指出，我得到的分析表达式只对输赢值相等的贿赂是正确的。不幸的是，在实际交易中，情况可能并非如此。例如，如果在交易中我们遵循 "限制损失并允许利润增长 "的策略（对应于所选交易期限的趋势市场），存款增量的概率密度函数是指数型的，与伯努利式相差甚远。如果我们在数字实验中模拟这种情况，我们可以看到，依赖性具有不同的特点，一般情况下的最大值与贿赂的伯努利分布中的最大值不一致。这是非常糟糕的，解释了为什么文斯用数值方法来寻找一般情况下的极值。我试图在指数分布的一般情况下分析解决这个问题，遇到了严重的数学困难，我无法克服。 HideYourRichess，你是说Tharp的论文为Kelly提供了一个一般的案例？你能不能提供一个他的书的链接。我很感激。 有意思的是。你可以证明，在历史数据上，最佳的TS是对价格系列的Zig-Zag分解，H=2Sp。当工作时不看未来（在BP的右边），我们在工作中遇到的是作为交易员，最佳的是Kagi BP分解H+ 当市场是趋势，H- 当它是反趋势（Pastukhov的论文）。在自然界中，没有任何策略，从长远来看会比这更有盈利能力（各种Fibs-Mibs没有被考虑在内）。这两种策略是众所周知的 "限制损失，让利润增长 "和 "限制利润，让损失增长 "的精髓，如果市场在滚动的话。这反过来又归结为追踪性止损或止损!像这样。 然而，如果我们开始进行再投资，一切都会改变。在这种情况下，是伯努利的交易模式成为最优。看看最后一张图，在其他条件相同的情况下，在每个人身上都有相等的贿赂和获利的策略，在统计上优于最佳的简单策略（蓝色），即没有再投资TC资金。 这是一个重要的观点!换句话说：没有比一些抽象的TS更有利可图的资本再投资的TS，但贿赂的规模相等，即TP=SL。 超级。 Market etiquette or good Empty Results in Strategy 我的第一个 "圣杯" Hide 2009.05.05 15:39 #116 对不起，我搞错了，不是萨普，是索普。"21点、体育博彩和股市中的凯利准则。"爱德华-O-索普著，第5页。 现在进入正题。我采用了你的公式，替换了我自己的数据，得到了这样的结果。这些结果对我来说并不那么令人惊讶。这就是为什么我认为这些公式有问题的原因。我不是在宣称，只是想了解负杠杆的原因。那么，如果你在计算中不使用地段，我就不清楚资本是如何计算的。而这正是凯利标准的基石。还是我错过了什么，这也是有可能的。 事实上，考虑到所有因素，带再投资的MM的分析形式并不十分简单。我没有，所以我用数字来解决这个问题。 关于再投资策略，这是一个非常模糊的观点，因为它是否总是好的。我可以说，我的数据显示，不同的交易条件组合导致的结果正好相反。 也就是说，每次你需要确定最合适的MM时，你都要考虑这些具体条件。有几个一般规则。除了可能非常常见的，所有MM的典型。 "换句话说：在自然界中，当再投资资本时，没有比一些抽象的TS更有利可图的TS，但回报率相同，即TP=SL。"--几年来，我一直在认识到这个事实。直到我读到帕斯图霍夫的论文。 Neutron 2009.05.05 15:50 #117 已下载。谢谢你! 我斜着看了一下。我可能忽略了一些东西，但索普说的是受贿的固定不平等情况。 同意，这种情况并不适合描述拿货比例的指数分布 或任何其他离散（如高斯），这是我们在交易时倾向于处理的问题。我们没有把这个比例固定下来（等于一个常数）。 Hide 2009.05.05 15:56 #118 Neutron >> : 已下载。谢谢你! 我斜着看了一下。我可能忽略了一些东西，但索普说的是受贿的固定不平等情况。 同意，这种情况并不适合描述拿货比例的指数分布或任何其他离散（如高斯），这是我们在交易时倾向于处理的问题。我们没有把这个比例固定下来（等于一个常数）。 我有一个固定的尺寸。另外，如果你的赢利/亏损是按照正态法分布的，那么就怀疑这对应的是一个固定的规模。 [删除] 2009.05.05 16:09 #119 博弈论也被拖入其中）。 Neutron 2009.05.05 16:09 #120 HideYourRichess писал(а)>> 对不起，我的错误，不是索普，是索普。"21点、体育博彩和股市中的凯利标准。" 爱德华-O-索普，第5页。 现在说说案情。我采用你的公式，插入我的数据，得到的结果是这样的。这些结果对我来说并不那么令人惊讶。所以我认为这些公式有问题。我不是在宣称，只是想了解负杠杆的原因。那么，如果你在计算中不使用地段，我就不清楚资本是如何计算的。而这正是凯利标准的基石。还是我错过了什么，这也是有可能的。 事实上，考虑到所有因素，带再投资的MM的分析形式并不十分简单。我没有，所以我用数字来解决这个问题。 关于再投资策略--它是否总是好的，是非常模糊的。我可以说，我的数据显示，不同的交易条件组合会导致完全相反的结果。也就是说，每次你需要确定最合适的MM时，你都要考虑这些具体条件。有几个一般规则。可能除了非常常见的典型的所有MM之外。 使用我的公式，我们确实可能得到一个最佳杠杆规模的负值。这里没有悖论，它对应的情况是，从最大限度地提高资本增长率的角度来看，获胜的资金必须不进行投资，而是尽可能快地提取:-)那么，为什么呢？ 想象一下，我们在吹气和吹气的情况下...当然，只是开个玩笑！你只需要在比较Lopt的价值上放一个if块，以确定其积极性，如果是负面的，就不要进入市场。一般来说，这种情况不能有误导性。通常在解决物理问题时，你可能会得到一个非物理学的结果，你只需要选择正确的答案。例如，如果我们以分析的形式获得抛出的石头的运动方程，我们会得到两个解决方案，其中一个给出一个虚数单位。没有什么，我们只是抛弃了这个解决方案。 我在上面给出了用于数值建模的量值。 P.S. p 的值从0到1/2，被认为是不考虑差价的获胜交易数与所有交易数的两倍的比率。 1...5678910111213141516171819...104 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
P.S. 它很美。我是说照片。我在审美上很享受!
是的，它是美丽的!我们的谈话为我澄清了很多事情。
顺便说一下，我做了一个简单的指标，可以用来调整输入信号的概率密度分布。
下面是调整前的RSI概率密度函数的图片。
这里的紫线是系数为1的RSI的正切线（即原样），绿线是概率密度函数的概率密度函数左边的边是-1，右边的是+1。
而在下一张图片中，th( RSI (i) * kf )，其中kf是 "涂抹 "系数-:)
在这里，我们走了。现在我要把你美丽的图画变成代码。
这与其说是一个悖论，不如说是有再投资的MM的一个特性。这个MM的效率取决于交易的数量，以及其他方面。这个MM的盈利能力是交易数量的几何平均程度。在交易数量较少的情况下，盈利能力输给了简单的MM，但如果我们设法在大量的交易中生存下来（玩长线），那么回报就会更大。但是，像往常一样，没有什么是白给的。你将不得不付出不对称的杠杆及其后果--与简单的MM相比，长期的低利润。
我想从最近的结果谈一谈最佳MM。
以上（从这个主题的开始）我收到了分析性的表达式，它连接了这样的参数，即交易的特点，如：所选符号的当前汇率 -S，使用的杠杆 -L，正确预测预期价格走势的概率 -p，典型的回报点大小 -H，DC的佣金 - Sp和 初始存款 -Ko。
让我提醒你，在贿赂规模不变的条件下，资金再投资时存款变化的可能变体，可以借助明显的表达方式进行数值模拟。
实际上，我把问题设定为在已知的真实价格变化迹象与全部翻倍的交易数量--P 的比率下，寻找H 和L 的最佳值。当然，我们可以将这些参数的所有可能的值替换到迭代表达式中，并试图找到最佳方案（这就是文斯在他的工作中计算最佳 f 时的做法）。事实证明，获得一个足以满足迭代形式的分析表达式并不十分困难。我们需要对等式的两部分进行顺式计算，将亏损和盈利的交易按不同角度划分。
分析性表达的好处是，我们不需要解决参数问题来寻找最佳交易参数，我们只需要使用随时可以使用的公式。
上面我得到了最佳H 和 L 值的表达式，但我在交易时发现，我们不能把最佳的H 和现有的P 结合起来，这些参数独立存在。这就是为什么，在我们以某种方式确定了最佳交易H 之后，我们需要在交易历史上找到P，之后才需要寻找最佳交易杠杆。在这种情况下，如果 L 等于，自然界的最大可能回报率将是。
对于世界上最成功的交易，我们需要知道的是当前的汇率和点差，以及，有正MO的TS！我们需要知道的是，我们需要知道的是，我们需要知道的是，我们需要知道的是。
但首先让我们确保我们对回报率的分析表达式真正反映现实。为此，让我们在具有接近真实分布的人工报价上进行1000次数字实验（为了获得更多的统计数据）（例如，欧元兑美元和市场有回调或反趋势， p=0.2），看看我们账户的对数在500次交易中是如何表现的。
红色方块显示了我们的账户在500次交易后的对数值的平均值，晶须显示了这个数值的1/e的特征散布，红色实线是分析解。你可以看到统计散点内有显著的重叠。
厌倦了写作...我去喝啤酒了!
蓝色的那个是不属于伯努利的。
至于文斯的Fopt，这其实只是名字而已，事实上从资本增长率来看，它并不是最佳价值。确定资本份额的正确公式是所谓的凯利测试：Fopt=p-q或Fopt=2p-1，其中p是获胜的概率，q是失败的概率。这个公式对等量的胜利或失败都有效。这意味着，如果p=0.51，例如，Fopt=0.02，即应该使用0.02的存款。当然赢钱和输钱都应该等于这个数值。换句话说，为了确定最佳份额，就股权增长率而言，人们只需要知道概率。然后，如果你知道手数、手数、保证金大小、佣金等，就可以计算出杠杆。或者反过来说，知道了杠杆率，你就可以计算出手数。顺便说一下，为什么你的公式中没有地段的概念？
看看索普书中凯利标准的结论，它非常简明扼要，一针见血。顺便说一下，对于胜负不等的情况，有一个略微不同的公式，一般化。此外，这也是文斯引入他的Fopt计算方法的原因，--有再投资的MM允许大额缩减，这又是不对称杠杆的影响。不是每个人都准备好容忍这样的缩减，这就是为什么文斯的Fopt是人为的低。索普有关于它的公式和结论。我写了一篇 关于这个MM的文章，它已经在megaquotes的评论上躺了一个月了。
顺便说一下，我可能没有正确计算所有的东西，请纠正我。下面是原始数据和使用公式1和3得到的结果。
我的印象是，我在把数字放进公式的时候，在某个地方弄错了。结果是这样的。
我所得出的是凯利在50年代所得到的结果的一个重复。唯一的一点是，我在这个公式中加入了直流电佣金，而且我使用了杠杆L 的概念，而不是资本分数f。我想如果我用杠杆而不是用手操作，公式看起来会更好。如果有必要，很容易从它切换到地段大小。
Lot=MathFloor(L*AccountFreeMargin()/MarketInfo(Symbol(),MODE_MARGINREQUIRED)/AccountLeverage()/LotStep)*LotStep;
if(Lot<MarketInfo(Symbol(),MODE_MINLOT))Lot=MarketInfo(Symbol(),MODE_MINLOT);
if(Lot>MarketInfo(Symbol(),MODE_MAXLOT))Lot=MarketInfo(Symbol(),MODE_MAXLOT);
就我所知，没有任何方法（MM）能比使用最佳杠杆大小更有效地积累存款（收益和损失相等）。
我不明白你在帖子的最后引用了什么数据...这是一个用我的公式计算东西的例子，还是试图重构我在数值模拟中使用的数据？我把 S=10000 分，H=10 分，Lopt 变成了210分的样子，P=0.2，Sp=2 分。市场正在滚动。
回到我的上一篇文章，我想指出，我得到的分析表达式只对输赢值相等的贿赂是正确的。不幸的是，在实际交易中，情况可能并非如此。例如，如果在交易中我们遵循 "限制损失并允许利润增长 "的策略（对应于所选交易期限的趋势市场），存款增量的概率密度函数是指数型的，与伯努利式相差甚远。如果我们在数字实验中模拟这种情况，我们可以看到，依赖性具有不同的特点，一般情况下的最大值与贿赂的伯努利分布中的最大值不一致。这是非常糟糕的，解释了为什么文斯用数值方法来寻找一般情况下的极值。我试图在指数分布的一般情况下分析解决这个问题，遇到了严重的数学困难，我无法克服。
HideYourRichess，你是说Tharp的论文为Kelly提供了一个一般的案例？你能不能提供一个他的书的链接。我很感激。
有意思的是。你可以证明，在历史数据上，最佳的TS是对价格系列的Zig-Zag分解，H=2Sp。当工作时不看未来（在BP的右边），我们在工作中遇到的是作为交易员，最佳的是Kagi BP分解H+ 当市场是趋势，H- 当它是反趋势（Pastukhov的论文）。在自然界中，没有任何策略，从长远来看会比这更有盈利能力（各种Fibs-Mibs没有被考虑在内）。这两种策略是众所周知的 "限制损失，让利润增长 "和 "限制利润，让损失增长 "的精髓，如果市场在滚动的话。这反过来又归结为追踪性止损或止损!像这样。
然而，如果我们开始进行再投资，一切都会改变。在这种情况下，是伯努利的交易模式成为最优。看看最后一张图，在其他条件相同的情况下，在每个人身上都有相等的贿赂和获利的策略，在统计上优于最佳的简单策略（蓝色），即没有再投资TC资金。
这是一个重要的观点!换句话说：没有比一些抽象的TS更有利可图的资本再投资的TS，但贿赂的规模相等，即TP=SL。
超级。
对不起，我搞错了，不是萨普，是索普。"21点、体育博彩和股市中的凯利准则。"爱德华-O-索普著，第5页。
现在进入正题。我采用了你的公式，替换了我自己的数据，得到了这样的结果。这些结果对我来说并不那么令人惊讶。这就是为什么我认为这些公式有问题的原因。我不是在宣称，只是想了解负杠杆的原因。那么，如果你在计算中不使用地段，我就不清楚资本是如何计算的。而这正是凯利标准的基石。还是我错过了什么，这也是有可能的。
事实上，考虑到所有因素，带再投资的MM的分析形式并不十分简单。我没有，所以我用数字来解决这个问题。
关于再投资策略，这是一个非常模糊的观点，因为它是否总是好的。我可以说，我的数据显示，不同的交易条件组合导致的结果正好相反。 也就是说，每次你需要确定最合适的MM时，你都要考虑这些具体条件。有几个一般规则。除了可能非常常见的，所有MM的典型。
"换句话说：在自然界中，当再投资资本时，没有比一些抽象的TS更有利可图的TS，但回报率相同，即TP=SL。"--几年来，我一直在认识到这个事实。直到我读到帕斯图霍夫的论文。
已下载。谢谢你!
我斜着看了一下。我可能忽略了一些东西，但索普说的是受贿的固定不平等情况。
同意，这种情况并不适合描述拿货比例的指数分布 或任何其他离散（如高斯），这是我们在交易时倾向于处理的问题。我们没有把这个比例固定下来（等于一个常数）。
已下载。谢谢你!
我斜着看了一下。我可能忽略了一些东西，但索普说的是受贿的固定不平等情况。
同意，这种情况并不适合描述拿货比例的指数分布或任何其他离散（如高斯），这是我们在交易时倾向于处理的问题。我们没有把这个比例固定下来（等于一个常数）。
我有一个固定的尺寸。另外，如果你的赢利/亏损是按照正态法分布的，那么就怀疑这对应的是一个固定的规模。
博弈论也被拖入其中）。
对不起，我的错误，不是索普，是索普。"21点、体育博彩和股市中的凯利标准。" 爱德华-O-索普，第5页。
现在说说案情。我采用你的公式，插入我的数据，得到的结果是这样的。这些结果对我来说并不那么令人惊讶。所以我认为这些公式有问题。我不是在宣称，只是想了解负杠杆的原因。那么，如果你在计算中不使用地段，我就不清楚资本是如何计算的。而这正是凯利标准的基石。还是我错过了什么，这也是有可能的。
事实上，考虑到所有因素，带再投资的MM的分析形式并不十分简单。我没有，所以我用数字来解决这个问题。
关于再投资策略--它是否总是好的，是非常模糊的。我可以说，我的数据显示，不同的交易条件组合会导致完全相反的结果。也就是说，每次你需要确定最合适的MM时，你都要考虑这些具体条件。有几个一般规则。可能除了非常常见的典型的所有MM之外。
使用我的公式，我们确实可能得到一个最佳杠杆规模的负值。这里没有悖论，它对应的情况是，从最大限度地提高资本增长率的角度来看，获胜的资金必须不进行投资，而是尽可能快地提取:-)那么，为什么呢？ 想象一下，我们在吹气和吹气的情况下...当然，只是开个玩笑！你只需要在比较Lopt的价值上放一个if块，以确定其积极性，如果是负面的，就不要进入市场。一般来说，这种情况不能有误导性。通常在解决物理问题时，你可能会得到一个非物理学的结果，你只需要选择正确的答案。例如，如果我们以分析的形式获得抛出的石头的运动方程，我们会得到两个解决方案，其中一个给出一个虚数单位。没有什么，我们只是抛弃了这个解决方案。
我在上面给出了用于数值建模的量值。
P.S. p 的值从0到1/2，被认为是不考虑差价的获胜交易数与所有交易数的两倍的比率。