我怎样才能区分外汇图表和PRNG? - 页 12

 
Demi:

Yeah....

听好了。

你在帖子里写的是试图解释分形几何,把它当作你自己思想的成果。谢谢你,但不要。

嗯,不要,所以不要。

拜拜了。

 

当全世界都在为所有市场使用供需理论时,为什么还要编造阴谋论,证明没有明显的存在效应等等?嗯,我以前写过这个问题。

我在概率论中被告知,不相关的序列实际上在自然界中是不存在的。挑选两个相关系数=0的系列是 "必须做的"。

 
AlexEro:

嗯,不要,所以不要。

再见。


我不会,但它确实是分形几何。
 
AlexEro:

方法是这样的:在这个主题的第8页上

https://forum.mql4.com/ru/53661/page8

ALSU给出了定义,但 "忘了 "说明系列的自相关和连续随机变量之间的相关在那里起什么作用(这些有点不同,但这不是我们现在要讨论的)。

因此,首先应该考虑所谓的随机价格报价之间的相关性必须存在,然后再从这一点出发。

为什么它在那里--在定价主题中。

为什么要考虑到这一点--好吧,伙计,在概率论中,所有的结论都以".... 随机不相关的值..... "开始。


你对定价的理解是否表明,价格增量之间存在自相关?确切地说,是相关性,而不是一般的记忆效应(非标记性)?

这些假设对你来说已经足够了,你不需要再从定价中获得任何东西吗?即像在TA的前提下--"价格记住了一切",并继续进行数学-统计学-密码学的研究))?

 
Avals:


你对定价的理解是否表明,价格增量之间存在自相关?确切地说,是相关性,而不是一般的记忆效应(非标记性)?

这些假设对你来说已经足够了,你不需要再从定价中获得任何东西吗?即像在TA的前提下--"价格记住了一切",并继续应用数学-统计学-密码学)?

我在你的问题中感觉到某种不友好的态度。我通常会立即停止讨论。但为了你,我将破例回答。

1.M15时间框架的两个柱子之间的相关性是一个系列的 相关,这个系列在M1的15个柱子之间。大的时间框架的条形的相关性是小的时间框架的条形的自相关,它的微观结构。在此补充一点,你收到的报价已经被过滤了,也就是说,它们已经有了斯鲁茨基效应。也许这就是为什么普里瓦洛夫如此强烈地希望获得未经过滤的打勾报价,并因此被禁(我对打勾问题比较放松)。

2.我不知道什么是 "无痕"。有缺陷的投机性学术数学理论的套话,我从来没有兴趣。

3. 不够。还需要一些别的东西。

4.TA。我可以再次重复(见上文)几乎所有概率推理中写的内容,以及为什么POSTLY在theor-ver中没有处理高度相关的 "随机 "系列的方法(这恰恰是一种信仰,就像在邪教中)。奥尔洛夫教授(著名的概率论实践者、许多文章的作者、期刊编辑和书籍的作者)也写到了这一点,明确警告将统计学应用于经济学的危险性。

 
Prival:


有这样一个概念,即维纳过程 ,有一个过滤器可以监测这个过程它被称为维纳滤波器

该技术很简单。将要分析的过程送入过滤器的输入,并观察输出。如果过滤器叮当响(行话),那么分析的过程不是维纳的,而是与之不同......那么就轮到统计无线电工程.....。有很多信,谁有兴趣,我希望他能按照链接,至少阅读一下。

Z.Y. 我们曾经在无线电定位的实践课上和学员们一起解决这样的问题。 标准问题是区分雷达输入的噪声和噪声+信号的混合物...


谢尔盖,在雷达中的随机/未知信号检测任务和报价中的随机/未知信号检测任务之间,所有字母几乎相同,但有一个本质的区别:对于雷达来说,一个脉冲长度数量级的计算延迟本身是绝对不重要的(更不用说维纳滤波器理想地需要无限的观察时间和系统的严格静止性),但对于交易来说,这几乎是一场灾难。因此,第二个问题的难度要高一个数量级,并不是每个无线电工程学员都能应对。
 

AlexEro:

... "忘记 "说明系列的自相关和连续随机变量之间的相关在那里起什么作用...


我没有 "忘记",我只是厌倦了打字))
 
作者似乎并没有要求从定价的角度来处理这个问题。这与......有什么关系呢?gpsh和kotirs有2个范围(没有具体的采样深度),有些没有内部波动,有些有。可能是基于此。+ 存在粗大的尾巴。厚尾巴表明,事实上,在某些地方,缩小的分散可能比正常的gpsh分布中的样本数更长/更短,因此,在kotier中的放电有时是通过拍摄/厚尾巴的存在,由于这些长时间的缩小分散。在哪一行中,更常见的是看到蜡烛的 "身体 "减少,例如连续减少5-6次?粗略地说,"平均 "放电发生在3-4根蜡烛里,而报价可能更多。但在分形中,分散变窄的 "模式 "对其出现和触发(分散变窄的崩溃)的稀有性依赖将对这种模式的统计集合产生指数 依赖。而科蒂尔对不同分形结构的 "移位 "或长期缩小的方差,可以相对于分形水平进行移位。在kotirs中,我们在一些地方(在层层增加的分形结构的叠加处)得到了分散的压实,在一些地方得到了更稀薄的状态。在gpsc中,这种密集化和它们的发生也将是伪随机的,为了实现至少是某种周期性(自然,在时间上不是恒定的),我们将不得不事先对它进行还原--通过MM或者,如果我们说的是TF,通过系数来实现这种情况。某个地方可以保持差异的缩小,某个地方可以加速差异的扩大。
 
alsu:

我没有 "忘记",我只是厌倦了打字))
很明显,我并没有真正忘记,我只是尽可能地简化,达到了搞笑的地步。这就是为什么我把它放在引号里。
 
AlexEro:

4.TA。我可以再次重复(见上文)几乎所有概率论输出中写的内容,以及为什么POSTLY在theor-ver中没有处理强相关的 "随机 "系列的方法(这恰恰是一种邪教般的信仰)。奥尔洛夫教授(著名的概率论实践者、许多文章的作者、期刊编辑和书籍的作者)也写到了这一点,明确警告将统计学应用于经济学的危险性。

当然,我不敢为整个理论家和Matstat说话,但在相关和回归分析 中,因素的多重共线性问题正在得到处理,而且相当成功。为什么是 "危险"?不是危险,而是检查和转化。