如果我们确切地知道价格是如何变动的... - 页 4 123456789 新评论 Avals 2009.12.14 13:34 #31 avtomat писал(а)>> 这里的原则是错误的! 0<p<1是概率 tp，sl是 "公斤"。 你不能把它们放在同一个键上 为什么不呢？你不喜欢点数和tp,sl--玩个游戏：每人押一美元。你猜得到你的，上面还有2个，你只输了赌注。猜或不猜的概率为0.5/0.5。 Mo=0.5*2-0.5*1=0.5。也就是说，在每场比赛中，你平均赢得0.5英镑。 但是，如果MM不是一个问题，那么以点计算更正确，这几乎等同于固定手数的MM。 [删除] 2009.12.14 13:49 #32 你不能这样做，因为它们是不同的东西。这就像将速度与颜色相比较。 Avals 2009.12.14 14:14 #33 你还如何计算数学上的期望值？ 离散分布的数学期望值 如果X 是一个具有分布 的离散随机变量 ,那么从Lebesgue积分 的定义可以直接看出 . https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BE%D0%B6%D0%B8%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5 Neutron 2009.12.14 14:24 #34 Avals >> : 例如，我们有一个mo=0的不对称分布。如果它是不对称的，就有可能找到一个sl和tp的值，在这个值上，新的分布将具有与零不同的mo。 同样地，对于一些对称但非高斯分布。通过纯粹地改变sl和tp 这种说法与现实不符。 众所周知，对于任何MO=0的第一差分序列（FDS）分布，引入sl和tp不会以任何方式转移期望值。这对于不对称分布也是如此。 假设我们有一个由MO=0的正态分布SV的积分得到的价格序列。让我们遵循 "让利润增长，减少损失 "的策略。很明显，我们处理的是 "纯 "马丁格尔，正如我们所知，在此基础上不可能建立盈利的策略（以及亏损的策略）。损失将由一个固定的止损来削减，而拿货将是灵活的，让我们看看这个参数将如何改变我们的TS的操作。 左边的图片显示了这种具有无限取值的TS的损失分布（它根本不存在）。我们可以看到，分布基本上是不对称的，有长尾的正取值（我们让利润增长）和削减损失（由于滑点的存在，损失边界并不明显）。实验中共有4500个交易。MO与零的差异是典型的贿赂规模的7%，即几乎为零，这是预期的（如果采取更多的交易，零会更准确）。 让我们来介绍一下拿。在右图中，它大约是平均报酬大小的10倍--MO没有移动（仍然是7%）。在右边，我们可以看到一个小尾巴，它已经在标记周围长出来了，很明显--我们用标记剪了长长的分布尾巴。此外，我们使TP更接近。 在下图的左图中，TP等于5个中拔，右图中的TP等于2个中拔。tp一侧的尾巴的生长情况清晰可见。 可以看出，非对称分布的MO并没有改变。 对于RPR中具有非高斯分布的综合CB，特别是价格系列，上述所有情况也是如此。在TS中引入StopLoss和TakeProfit并不改变TS的收益率（不转移MO），而只是在不可抗力的情况下为其提供保险，如连接故障等。 P.S. 对于IR的经典定义：如果已知某个值x的概率密度函数F，那么其平均值的计算方法如下。 [删除] 2009.12.14 14:34 #35 Avals >> : 你还如何计算数学上的期望值？ 离散分布的数学期望值 如果X 是一个具有分布 的离散随机变量 ,那么从Lebesgue积分 的定义可以直接看出 . 超越维基百科，研究一下什么是事件，什么是事件发生的概率，什么是概率加成，等等。 费勒或维尔朗或希罗钦或文策尔...... Avals 2009.12.14 14:34 #36 Neutron писал(а)>> 这种说法与现实不符。 众所周知，对于任何MO=0的第一差分序列（FDS）分布，引入sl和tp都不会改变期望值。这对于不对称分布也是如此。 假设我们有一个由MO=0的正态分布SV的积分得到的价格序列。让我们遵循 "让利润增长，减少损失 "的策略。很明显，我们处理的是 "纯 "马丁格尔，正如我们所知，在此基础上不可能建立盈利的策略（以及亏损的策略）。我们将通过一个固定的止损来减少损失，并使Take成为可移动的，看看我们的TS的MO将如何变化。 左边的图显示了这种具有无限取值的TS的损失分布（它根本不存在）。我们可以看到，分布基本上是不对称的，有长尾的正取值（我们让利润增长）和削减损失（由于滑点的存在，损失边界并不尖锐）。实验中共有4500个交易。MO与零的差异是典型的贿赂规模的7%，即几乎为零，这是预期的（如果采取更多的交易，零会更准确）。 介绍一下采取。在右图中，它大约是平均报酬大小的10倍--MO没有移动（仍然是7%）。在右边，我们可以看到印记周围长出了一个小尾巴，这是可以理解的--我们用印记剪了长长的分布尾巴。让我们拉近TP的距离。 在下图中，TP=5的中间取值在左边，两个在右边。你可以清楚地看到尾巴在Tp一侧的生长情况。 你可以看到，非对称分布的MO并没有改变。 所以，你最初采取的是以mo=0的HP增量分布。在这种情况下，不引入停顿和托克将导致积极的摩。 Neutron 2009.12.14 14:36 #37 但这是不对称的。这就是我想说的。我在你上面的帖子中强调了这一点。 Avals 2009.12.14 14:38 #38 Neutron писал(а)>> 对于RRR中具有非高斯分布的综合CB，尤其是价格系列，都是如此。在TS中引入StopLoss和TakeProfit并不改变TS的收益率（不转移MO），而只是针对不可抗力情况（如故障等）进行保险。 当然，因为实数系列的增量是对称的。 我的 "获利 "并不保证任何东西，但却大大地改变了MO。） Avals 2009.12.14 14:43 #39 Neutron писал(а)>> 但它是不对称的。这就是我想说的。我在你上面的帖子中强调了这一点。 你有不对称的分布，通过改变正态分布增量的综合分布上的sl和tp得到。这是它应该有的样子。你仍然在交易一个对称的分布，没有办法改变sl和tp可以使正摩。 也许我没有准确表达，但我指的是不对称分布，通过整合得到有关的系列。 Neutron 2009.12.14 14:46 #40 Avals >> : 当然，因为实数系列的增量是对称的。 对我来说，获利并不能保证什么，但却能大大改变操作方式 :) 我说的是贿赂增量的分布--在我的例子中是不对称的，引入TR并没有改变什么，这与你上面的说法不一致。 123456789 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
这里的原则是错误的!
0<p<1是概率
tp，sl是 "公斤"。
你不能把它们放在同一个键上
为什么不呢？你不喜欢点数和tp,sl--玩个游戏：每人押一美元。你猜得到你的，上面还有2个，你只输了赌注。猜或不猜的概率为0.5/0.5。
Mo=0.5*2-0.5*1=0.5。也就是说，在每场比赛中，你平均赢得0.5英镑。
但是，如果MM不是一个问题，那么以点计算更正确，这几乎等同于固定手数的MM。
你还如何计算数学上的期望值？
离散分布的数学期望值
- 如果X 是一个具有分布 的离散随机变量
,那么从Lebesgue积分 的定义可以直接看出
. https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BE%D0%B6%D0%B8%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5例如，我们有一个mo=0的不对称分布。如果它是不对称的，就有可能找到一个sl和tp的值，在这个值上，新的分布将具有与零不同的mo。
同样地，对于一些对称但非高斯分布。通过纯粹地改变sl和tp
这种说法与现实不符。
众所周知，对于任何MO=0的第一差分序列（FDS）分布，引入sl和tp不会以任何方式转移期望值。这对于不对称分布也是如此。
假设我们有一个由MO=0的正态分布SV的积分得到的价格序列。让我们遵循 "让利润增长，减少损失 "的策略。很明显，我们处理的是 "纯 "马丁格尔，正如我们所知，在此基础上不可能建立盈利的策略（以及亏损的策略）。损失将由一个固定的止损来削减，而拿货将是灵活的，让我们看看这个参数将如何改变我们的TS的操作。
左边的图片显示了这种具有无限取值的TS的损失分布（它根本不存在）。我们可以看到，分布基本上是不对称的，有长尾的正取值（我们让利润增长）和削减损失（由于滑点的存在，损失边界并不明显）。实验中共有4500个交易。MO与零的差异是典型的贿赂规模的7%，即几乎为零，这是预期的（如果采取更多的交易，零会更准确）。
让我们来介绍一下拿。在右图中，它大约是平均报酬大小的10倍--MO没有移动（仍然是7%）。在右边，我们可以看到一个小尾巴，它已经在标记周围长出来了，很明显--我们用标记剪了长长的分布尾巴。此外，我们使TP更接近。
在下图的左图中，TP等于5个中拔，右图中的TP等于2个中拔。tp一侧的尾巴的生长情况清晰可见。
可以看出，非对称分布的MO并没有改变。
对于RPR中具有非高斯分布的综合CB，特别是价格系列，上述所有情况也是如此。在TS中引入StopLoss和TakeProfit并不改变TS的收益率（不转移MO），而只是在不可抗力的情况下为其提供保险，如连接故障等。
P.S. 对于IR的经典定义：如果已知某个值x的概率密度函数F，那么其平均值的计算方法如下。
你还如何计算数学上的期望值？
离散分布的数学期望值
- 如果X 是一个具有分布 的离散随机变量
,那么从Lebesgue积分 的定义可以直接看出
.超越维基百科，研究一下什么是事件，什么是事件发生的概率，什么是概率加成，等等。
费勒或维尔朗或希罗钦或文策尔......
这种说法与现实不符。
众所周知，对于任何MO=0的第一差分序列（FDS）分布，引入sl和tp都不会改变期望值。这对于不对称分布也是如此。
假设我们有一个由MO=0的正态分布SV的积分得到的价格序列。让我们遵循 "让利润增长，减少损失 "的策略。很明显，我们处理的是 "纯 "马丁格尔，正如我们所知，在此基础上不可能建立盈利的策略（以及亏损的策略）。我们将通过一个固定的止损来减少损失，并使Take成为可移动的，看看我们的TS的MO将如何变化。
左边的图显示了这种具有无限取值的TS的损失分布（它根本不存在）。我们可以看到，分布基本上是不对称的，有长尾的正取值（我们让利润增长）和削减损失（由于滑点的存在，损失边界并不尖锐）。实验中共有4500个交易。MO与零的差异是典型的贿赂规模的7%，即几乎为零，这是预期的（如果采取更多的交易，零会更准确）。
介绍一下采取。在右图中，它大约是平均报酬大小的10倍--MO没有移动（仍然是7%）。在右边，我们可以看到印记周围长出了一个小尾巴，这是可以理解的--我们用印记剪了长长的分布尾巴。让我们拉近TP的距离。
在下图中，TP=5的中间取值在左边，两个在右边。你可以清楚地看到尾巴在Tp一侧的生长情况。
你可以看到，非对称分布的MO并没有改变。
所以，你最初采取的是以mo=0的HP增量分布。在这种情况下，不引入停顿和托克将导致积极的摩。
对于RRR中具有非高斯分布的综合CB，尤其是价格系列，都是如此。在TS中引入StopLoss和TakeProfit并不改变TS的收益率（不转移MO），而只是针对不可抗力情况（如故障等）进行保险。
当然，因为实数系列的增量是对称的。
我的 "获利 "并不保证任何东西，但却大大地改变了MO。）
但它是不对称的。这就是我想说的。我在你上面的帖子中强调了这一点。
你有不对称的分布，通过改变正态分布增量的综合分布上的sl和tp得到。这是它应该有的样子。你仍然在交易一个对称的分布，没有办法改变sl和tp可以使正摩。
也许我没有准确表达，但我指的是不对称分布，通过整合得到有关的系列。
当然，因为实数系列的增量是对称的。
对我来说，获利并不能保证什么，但却能大大改变操作方式 :)
我说的是贿赂增量的分布--在我的例子中是不对称的，引入TR并没有改变什么，这与你上面的说法不一致。