如果我们确切地知道价格是如何变动的... - 页 6 123456789 新评论 [删除] 2009.12.14 15:43 #51 Reshetov >> : 这还不够吗?或者你有比这更好的话语吗? 归一化和概率--你看到了区别,还是你认为它们是同一件事? 然而,我不再有丝毫的愿望与你谈论任何事情。 Yury Reshetov 2009.12.14 15:50 #52 对不起,我的错误。考虑到同步BP上的传播应该是。 p(tp) = (sl - spead) / (sl + tp) p(sl) = (tp + spread) / (sl + tp) Yury Reshetov 2009.12.14 15:50 #53 avtomat >> : 然而,我不再有丝毫的愿望与你谈论任何事情。 >> 同样地。 Alexey Subbotin 2009.12.14 15:51 #54 Reshetov >> : p(tp) = (tp - spread) / (sl + tp) p(sl) = (sl + spead) / (sl + tp) P(TP) + P(SL) = 1 计算结果是不正确的。 为了计算赢/输的概率,有必要知道未来价格分布的多元(更确切地说,是无限维)先验PDF(不要说matstat不适用于时间序列,它是为此目的而创建的)W(x,n),其中x--在给定(或无限)时间n内价格达到与进入点的某个最大偏差时的事件。如果我们也考虑到价格轴的离散性,用求和代替积分,我们得到以下买入交易的递归公式(对于卖出-镜像)(tp和sl被假定为绝对水平)。 P(tp) =S[n=1...N] {P(价格>=tp为0到n的时间)*P(价格>sl为0到n-1的时间)} =S[n=1...N] {S[价格=tp-spread... +oo](W(价格,n))*S[价格=sl+spread+1... +oo](W(价格, n-1) )} P(sl) =S[n=1...N] {P(价格<=sl为0至n时间)*P(价格<tp为0至n-1时间)} =S[n=1...N] {S[价格=-oo ... sl+spread](W(价格,n))*S[价格=-oo ... sl+spread+1](W(价格,n-1))} 其中S[n=...]()是求和运算符,+-oo是我画出无穷大的方式。 也就是说,在计算tp的概率时,应该考虑到sl在早期没有工作的概率,反之亦然。 因此,不要以为这很简单--凡是你不知道的都要乘以,结果就可以了。如果有那么简单,我就不会问了。 Yury Reshetov 2009.12.14 15:56 #55 alsu >> : 要计算赢/输的概率,必须知道未来价格分布的多变量(更确切地说,是无限维)先验PDF ... 这里没有必要数到无限大。事实上,这个问题要琐碎得多,即通过一个算术级数。这是个很胡闹的问题。 alsu 写道(a)>>。 也就是说,在计算tp的概率时,必须考虑到sl之前没有工作的概率,反之亦然。 好吧,根据总概率定理,p(tp)+p(sl)=1。你可以用公式代替p(*)并进行检查。 Alexey Subbotin 2009.12.14 16:18 #56 Reshetov >> : 没有必要数到无穷大。事实上,这个问题要微不足道得多,即通过算术级数。这个问题是相当大胡子的。 好吧,根据总概率定理,p(tp)+p(sl)=1。你可以用公式代替p(*)并进行检查。 很明显,输的概率+赢的概率=1。问题不在于此,而在于构建这些概率,根据市场参数分析得到。关于大胡子问题(如果我正确理解了我们正在谈论的问题)--它不适用于这种情况,因为它假设了均匀分布,另外我们不知道在某一步骤是否会发生这个或那个事件,或者不会发生。顺便说一下,我不知道如何在不考虑分布密度的情况下计算概率(除非是均匀分布)。我只接受过这样的教育:) Yury Reshetov 2009.12.14 16:25 #57 alsu >> : 顺便说一下,我不知道如何在不考虑分布密度的情况下计算概率(当然,除非是均匀分布)。我只是被这样教育了一下:) 他们把你教得很差(他们在哪里教你--一般的书呆子,他们会教什么吗?) (正确结果的)概率=正确结果的预期数量/(正确结果的预期数量+错误结果的预期数量) 对于频率,同样的公式,只是用 "预期 "代替 "实际"。 而没有分布密度或其他书呆子的废话。 Alexey Subbotin 2009.12.14 16:32 #58 Reshetov >> : 你被教得一塌糊涂(他们在哪里教你们这些书呆子,他们有没有教你们什么?) 正确结果的概率=正确结果的数量/(正确结果的数量+错误结果的数量)。 而且没有分布密度和其他书呆子的废话。 季霍诺夫开始教书,但时间不长,他就退休了。 同样,你的公式是正确的,但也是微不足道的。而且它反映的是对后验概率的估计,或者说是对获胜频率的估计,这不是一回事,它在你上面引用的那些公式中的元素是计算错误的。我在上面写的正确公式。 Alexey Subbotin 2009.12.14 16:36 #59 顺便说一下,我已经纠正了公式,有一个错误,现在它们是正确的。 Alexey Subbotin 2009.12.14 16:40 #60 随机过程的事件概率是如何计算的,可以在同一篇《蒂霍诺夫》中找到,甚至在论坛上还贴出了这篇文章。 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
这还不够吗?或者你有比这更好的话语吗?
归一化和概率--你看到了区别,还是你认为它们是同一件事?
然而,我不再有丝毫的愿望与你谈论任何事情。
对不起,我的错误。考虑到同步BP上的传播应该是。
p(tp) = (sl - spead) / (sl + tp)
p(sl) = (tp + spread) / (sl + tp)
然而,我不再有丝毫的愿望与你谈论任何事情。
>> 同样地。
p(tp) = (tp - spread) / (sl + tp)
p(sl) = (sl + spead) / (sl + tp)
P(TP) + P(SL) = 1
计算结果是不正确的。
为了计算赢/输的概率,有必要知道未来价格分布的多元(更确切地说,是无限维)先验PDF(不要说matstat不适用于时间序列,它是为此目的而创建的)W(x,n),其中x--在给定(或无限)时间n内价格达到与进入点的某个最大偏差时的事件。如果我们也考虑到价格轴的离散性,用求和代替积分,我们得到以下买入交易的递归公式(对于卖出-镜像)(tp和sl被假定为绝对水平)。
P(tp) =S[n=1...N] {P(价格>=tp为0到n的时间)*P(价格>sl为0到n-1的时间)} =S[n=1...N] {S[价格=tp-spread... +oo](W(价格,n))*S[价格=sl+spread+1... +oo](W(价格, n-1) )}
P(sl) =S[n=1...N] {P(价格<=sl为0至n时间)*P(价格<tp为0至n-1时间)} =S[n=1...N] {S[价格=-oo ... sl+spread](W(价格,n))*S[价格=-oo ... sl+spread+1](W(价格,n-1))}
其中S[n=...]()是求和运算符,+-oo是我画出无穷大的方式。
也就是说,在计算tp的概率时,应该考虑到sl在早期没有工作的概率,反之亦然。
因此,不要以为这很简单--凡是你不知道的都要乘以,结果就可以了。如果有那么简单,我就不会问了。
要计算赢/输的概率,必须知道未来价格分布的多变量(更确切地说,是无限维)先验PDF ...
这里没有必要数到无限大。事实上,这个问题要琐碎得多,即通过一个算术级数。这是个很胡闹的问题。
alsu 写道(a)>>。
也就是说,在计算tp的概率时,必须考虑到sl之前没有工作的概率,反之亦然。
好吧,根据总概率定理,p(tp)+p(sl)=1。你可以用公式代替p(*)并进行检查。
没有必要数到无穷大。事实上,这个问题要微不足道得多,即通过算术级数。这个问题是相当大胡子的。
好吧,根据总概率定理,p(tp)+p(sl)=1。你可以用公式代替p(*)并进行检查。
很明显,输的概率+赢的概率=1。问题不在于此,而在于构建这些概率,根据市场参数分析得到。关于大胡子问题(如果我正确理解了我们正在谈论的问题)--它不适用于这种情况,因为它假设了均匀分布,另外我们不知道在某一步骤是否会发生这个或那个事件,或者不会发生。顺便说一下,我不知道如何在不考虑分布密度的情况下计算概率(除非是均匀分布)。我只接受过这样的教育:)
顺便说一下,我不知道如何在不考虑分布密度的情况下计算概率(当然,除非是均匀分布)。我只是被这样教育了一下:)
他们把你教得很差(他们在哪里教你--一般的书呆子,他们会教什么吗?)
(正确结果的)概率=正确结果的预期数量/(正确结果的预期数量+错误结果的预期数量)
对于频率,同样的公式,只是用 "预期 "代替 "实际"。
而没有分布密度或其他书呆子的废话。
你被教得一塌糊涂(他们在哪里教你们这些书呆子,他们有没有教你们什么?)
正确结果的概率=正确结果的数量/(正确结果的数量+错误结果的数量)。
而且没有分布密度和其他书呆子的废话。
季霍诺夫开始教书,但时间不长,他就退休了。
同样,你的公式是正确的,但也是微不足道的。而且它反映的是对后验概率的估计,或者说是对获胜频率的估计,这不是一回事,它在你上面引用的那些公式中的元素是计算错误的。我在上面写的正确公式。