伯努利、莫布-拉普拉斯定理；科尔莫戈罗夫准则；伯努利方案；贝叶斯公式；切比雪夫不等式；泊松分布规律；费雪、皮尔逊、学生、斯米尔诺夫等定理、模型，语言简单，没有公式。 - 页 8

新评论
 
Mathemat:
随心所欲。我不能给你建议，因为我不知道勾兑过程的特点。

这并不是要模拟一个真实的打勾过程。相反，到目前为止，我所需要的是OHLC形式的经典正态分布。粗略地说，问题归结为确定高点和低点，如果开盘=收盘-1，和收盘=sqrt(N)，其中N是刻度数。
 
C-4:

这并不是要模拟一个真实的打勾过程。相反，到目前为止，我所需要的只是一个OHLC形式的经典正态分布。粗略地说，问题是要确定高点和低点，如果开盘=收盘-1，和收盘=sqrt(N)，其中N是刻度数。

在我的记忆中，对于一个随机系列，|收盘-开盘|烛台体长度等于上影线和下影线长度的平均之和。因此，在将Close建模为sqrt(N)后，我们将上影的长度建模为|sqrt(N/4)|，同样，下影也是如此。当然，这是对称性sb（mo=0）的一个变种。对于不对称的，则略有不同
 
Avals:

在我的记忆中，对于一个随机系列，|闭合-开放|蜡烛体的长度等于上影线和下影线长度的平均之和。因此，在将Close建模为sqrt(N)后，我们将上影的长度建模为|sqrt(N/4)|，同样，下影也是如此。当然，这是对称性sb（mo=0）的一个变种。对于不对称的，则略有不同

虽然没有，但会错的。因为烛台体的长度和阴影的长度是有关系的。这就是为什么产生大量的蜡烛图，然后从这组蜡烛图中获得新的系列作为一个任意的蜡烛图，比寻找阴影的分析性分布要好。
 

我想，为什么不把它变得更简单：我们取四个生成的值：第一个将是开盘和低点之间的差异，第二个和第三个之和将是低点和高点之间的差异，第四个将是高点和收盘之间的差异。

在大量数据的情况下，Close将收敛于Open，High-Low价差将有双倍于分段值的方差（四个数字有一定的方差）。

 
C-4:

这并不是要模仿一个真正的打勾过程。相反，我所需要的是OHLC形式的经典正态分布。粗略地说，任务是确定高点和低点，如果开盘=收盘-1，和收盘=sqrt(N)，其中N是点的数量。

从前，很久以前，我在生成随机的人工报价。我做了以下工作--对于每分钟，我找到了3个独立的随机变量H、L和dlt--每条的转变。我按照高斯方法（以点为单位）找到它们，预期报酬为零，并有指定的方差。同时，我把得到的数值进行了模数化。另外，我选择转变的方向--sgn--是偶然的，50/50。因此，Close = Open+sgn*dlt，为了找到Hg，我取了(Open, Close)的大号，然后把H加进去；为了找到Lw，我取了(Open, Close)的小号，然后从里面减去L。

当然获得的报价是与真实的报价相比较的（虽然是在主观感受的层面上）。当时我很惊讶，定义人工报价与真实报价的 "相似性 "的唯一数量是偏移方差--dlt。为了使它与自然的科蒂尔相似，偏移量的变化必须非常小，即大部分的分钟偏移量必须为零。否则就会导致市场极度不稳定。Hg和Lw的变异影响了quotire的 "蓬头垢面 "的程度。为了模仿趋势，我稍微改变了方向选择的概率--49/51--如果我们在一天内查看，我们得到了一个强大的趋势。

因此，结果，我们得到了一个非常简单的不同模式的生成模型--我需要一个高度波动的趋势--我增加了转变的方差，改变了方向的概率。我需要一个低波动性的平盘--我让转变的变数非常小，方向是50/50。

 
C-4:

我想，为什么不把它变得更简单：我们取四个生成的值：第一个将是开盘和低点之间的差异，第二个和第三个之和将是低点和高点之间的差异，第四个将是高点和收盘之间的差异。

在大量数据的情况下，Close将收敛于Open，High-Low价差将有双倍于段值的方差（四个数字有一定的方差）。

botscar的想法不合适吗？
 
C-4:
...但这是一个非常缓慢和毫无意义的方法。

它没有那么慢，你不会有时间点烟。

 
faa1947:
靴子的想法是否不合适？


什么是靴带？

整数。

不要太慢，你将没有时间点烟。

我将尝试用纯C#实现它。
 

我有一个关于这个问题的问题

我正试图了解以下分配的范围。

广义帕累托分布（GPD）和极值分布（GEV）。

这些分布彼此之间、与正态分布以及与均匀分布的关系分别是什么？换句话说，在现实生活中，如何才能发生它们所描述的事件？

 
C-4:


什么是靴带？


在VIKI有。

这个想法是交换一个随机可用的样本，使频率收敛到样本上可用参数的概率。

12345678910
新评论