Half-normal distribution Parameters Support PDF CDF Quantile Mean Median Mode Variance Entropy Let follow an ordinary normal distribution, , then follows a half-normal distribution. Thus, the half-normal distribution is a fold at the mean of an ordinary normal distribution with mean zero. where E [ Y ] = μ = σ 2 π...
所有时间段的风险分布的分形性质是正确的。分形的创造者本人和其他许多人都写过这方面的文章。
https://ru.wikipedia.org/wiki/Фрактальный_анализ_рынка
有趣的是--最初我写了这个页面，有一个链接到我的网站，现在已经不存在了 :))但阿尔马佐夫进入后为自己改写了这一切，这很有趣:))
最初我这样做是因为它在搜索引擎中的位置很好，而且有直接链接到网站。我在笑:)
这并不是一项容易的任务。我们必须找到一个不变的统计参数，这个参数在增加/减少tick数据采样量时不会改变。这个参数原来是 非参数偏度系数（非参数偏度）.也许还有其他一些，但这足以证明这一点。
计算中使用了一个动态FIFO类型的Tick数据缓冲器。欧元兑日元在1.500.000个报价的一般数据集上进行了分析，即分析了1.500.000个有1个报价差异的连续样本。我们收到了以下结果，对于不同体积的样本，倾斜度的平均值采取了模数化。
0.186043748375457
0.18560474492056
0.184953481402386
0.184985234902438等。
简单地说-- 对于任何样本量的tick数据，非参数不对称性系数都保持不变。
结论如下：的确，小的TFs显示出与大的TFs相同的过程，在一个TF上操作的交易系统将在另一个TF上操作，反之亦然。
但有趣的是，我们得到了一个相当神秘的东西--原来一些具有奇怪的平均数（我强调--平均数）的非参数偏度系数=0.185（模数）的分布在外汇中 "行走"。我个人不知道有这样的分布...也许有人能帮我确定？
也就是说，以一种简单的方式--在不同的时间时刻，这种分布就像 "出生"、"形成 "和 "死亡"，而这个过程又重新开始。在不同的时间点上，这个分布有不同的倾斜度，但平均来说，这个分布的倾斜度为系数=0.185，它是不变的。
在我了解它的平均形式是什么样的分布之前--进一步探索它没有意义......
恭敬地说。
亚历山大。
有4个问题和一个答案。这些问题是。
1."动态FIFO类型的tick数据缓冲区" - 这是第二次在你的信息中出现，我想是时候澄清了。我是否正确地理解，你最初使用了会计术语 "先来后到 "处理文件堆栈的方法，随着个人电脑的出现和数据的堆栈组织变得适用于 "堆栈 "内存区域，在这个内存中工作的函数各自没有关于该函数在堆栈中可访问的内存区域上方和下方的信息？
如果是这样，为什么？这里的每个人都熟悉移动平均线的概念，其中的处理课程顺序对每个人来说都是毫不含糊的。同时，每个人都知道，这不是一个堆栈，而是一个系列，所有的速率都是已知的 - 一个数组，不仅允许处理极端元素。也许为了清楚起见，应该删除会计术语？说实话，在从 "具有指数分布时间 "的时间序列中取样后，我怀疑我是否正确理解了数据是用滑动取样的方式处理的，即在时间上连续取10、11...14000个元素。
2.关于 "150万的一般人口"--毕竟你已经写了这是一个大约一个月的样本，为什么要误导人们？维基。
一般人群（来自拉丁语generis--一般，通用）（在英语术语中--人口）--所有对象（单位）的总体，与之相关的是在特定任务的研究中应该得出的结论。
你马上得出的结论，对外汇...
3."非参数性倾斜"--我的理解是否正确，你是说这个参数=0.185的模数？来自谷歌的翻译。"非参数化 的倾斜"。你的标题是 "非参数偏度系数"。我在谷歌上找不到这两个俄文版本，由于我不确定其中的对应关系，所以我从https://en.wikipedia.org/wiki/Nonparametric_skew，取了这个公式。它是（中位数-平均值）/（标准差）的比率--我是否猜对了你说的是什么？
4.我无法理解，一个有正负值的指标，除了 "在不同时间点似乎 "出生"、"形成 "和 "死亡 "并重新开始这一过程的分布 "之外，除了 "不变 "之外，还有一个模数平均值。这意味着什么呢？也许给出一个图表或其他说明性材料？
为了对我恼人的问题表示歉意，我对你关于在外汇上行走的分布的问题提供一个答案。"有一些1分布在外汇上 "行走"，具有奇怪的平均（我强调--平均）非参数斜率=0.185（模数）。"
首先想到的是，得出的0.185的数值是你获得原始数据的外汇公司的过滤算法的设置（参数）之一，在它适用的月份。极为简短，因为我提出了在这家公司产生报价的一个（相对公平和简短）可能的方案。
- 银行向路透社、彭博社等机构出售在其中进行的最后一次真实（不是赌博，没有义务 "将开放的交易关闭回来"）的快照，而不说明交易量。
- 你们公司从机构购买这些快照。
- 该公司按空间（按费率值）和时间对最新交易的价格进行平均，将产生的价差估计值按其需要进行分摊（甚至转移，如果它将价差转移到佣金）并在终端发送给你。每个公司都有自己设置这些算法的诀窍，此外，每个公司的交易员都有单独的权力，根据其负责的货币对列表配置这些算法。
P.S.是的，通常也为每种类型的真实账户公司设置不同的点差水平，并在其网站上告知。当然，根据一些算法，也会设置参数。因此，分析ticks，我们分析的不是外汇，而是在选定的时间段，在指定的账户类型上，给定经纪公司的报价生成算法的属性。而在这里，我们可以发现很多奇迹。例如，在模拟账户上提供蓬头垢面（粗略地说是未经过滤的），甚至故意黑掉（例如通过 "过度监管"）的报价，以此来引诱客户进入真实账户。或者说，当一个公司允许大量的套利（当你在谈论7西格玛异常值时，你可能注意到了）已经在真实的账户上出现的这种迹象表明它的 "年轻化"。有四个问题和一个答案。问题。
1."动态FIFO类型的tick数据缓冲器"--这是你的帖子中第二次出现，我想是时候澄清了。我是否正确地理解，你最初使用了会计术语 "先来后到 "的文件堆栈处理方法，随着PC的出现和数据的堆栈组织变得适用于 "堆栈 "内存区域，在这个内存中工作的函数各自没有关于堆栈中这个函数可访问的内存区域上下的信息？
如果是这样，为什么？这里的每个人都熟悉移动平均线的概念，其中的处理课程顺序对每个人来说都是毫不含糊的。同时，每个人都知道，这不是一个堆栈，而是一个系列，所有的速率都是已知的 - 一个数组，不仅允许处理极端元素。也许为了清楚起见，应该删除会计术语？说实话，在从 "具有指数分布时间 "的时间序列中取样后，我怀疑我是否正确理解了数据是用滑动取样的方式处理的，即在时间上连续取10、11...14000个元素。
2.关于 "150万的一般人口"--毕竟你已经写了这是一个大概一个月的样本，为什么要误导人们？维基。
一般人口（来自拉丁语generis--一般，通用）（在英语术语中--人口）--所有对象（单位）的总体，与之相关的是假设在研究具体任务时得出结论。
你马上得出的结论，对外汇...
3."非参数性倾斜"--我的理解是否正确，你是说这个参数=0.185的模数？来自谷歌的翻译。"非参数化 的倾斜"。你的标题是 "非参数偏度系数"。我在谷歌上找不到这两个俄文版本，由于我不确定其中的对应关系，所以我从https://en.wikipedia.org/wiki/Nonparametric_skew，取了这个公式。它是（中位数-平均值）/（标准差）的比率--我是否猜对了你说的是什么？
4.我不明白，具有正负值的指数，以及 "在不同时间点上 "出生"、"形成 "和 "死亡 "的分布，以及这个过程重新开始"，如何具有平均值模数，以及 "不变性"。这意味着什么呢？你能给出一个图表或其他说明性材料吗？
大家早上好!
答案。
1.Vissim有一个缓冲区。它根据先进先出原则工作--"先入先出"。也就是说，当我按顺序接收tick数据时，我输入的是一个一定大小的数组--比方说10,000。然后，一个新的刻度线进来，取代一万个刻度线中的第一个刻度线，以此类推。事实证明，我已经分析了超过1,000,000个不同的连续阵列，差异为1勾。一个巨大的统计数字，可以相信，否则 "统计不是科学"，我不同意这样的说法。
2.当然，对于外汇来说，一般人是无限的。但是，在这种情况下，我应用了这个词，因为我找不到更好的词。毕竟，我的样本量是10.000、11.000等，而我取了1.500.000，称之为GS :))))))。
3.是的，这正是它的特点。
4.没有图表--数组是动态生成的，它们的大小很巨大--我只保存了结果。基本上，有兴趣的人可以在VisSim或MathLab中重复我的实验（在这个系统中不确定，因为我没有使用过）。
我的想法是这样的。
如果外汇分布的非参数偏度是不变的并且等于+-0.185的说法是真的，那么它可以意味着（没有神秘主义：)))))，只有一件事。
请注意，对于正态分布来说，它的一半（所谓的半正态分布）有一个非参数化的偏度=0.36279。
在这种情况下，我们平均 有一种半未知的分布，它的非参数偏度=0.185，如果我们从两边看，我们会看到一个对称的正态分布。
我恐怕要建议，平均而言，我们只是在处理我 "最喜欢的 "非标准化t2分布，即学生分布。在增量的层面上形成的，它不会消失，它在动态中转化，但当平均化时，它或多或少会出现。
事实上，这证实了我的假设，即外汇市场的价格概率分布是一个非标准化的t2分布的叠加（"混合"）。
现在我们只需要学会在动态中 "看到 "这种分布，问题就解决了。
如何看到它？我坚持我的观点--通过对一些参数的平均化，考虑到这个分布的量值。
所有时间段的风险分布的分形性质是正确的。分形的创造者本人和其他许多人都写过这方面的文章。
https://ru.wikipedia.org/wiki/Фрактальный_анализ_рынка
有意思的是--原来我写了这个页面，并有一个链接到我的网站，现在已经不存在了:)但阿尔马佐夫进入后为自己改写了这一切，这很有趣:))
最初，我建立它是因为它在搜索引擎中的位置很好，并有直接的链接到网站。我在笑:)
日安，马克西姆！我特别尊重你，因为如果没有你的第一个评论，导致我认真从事研究，这个主题就不可能实现。
第一个选择是在1690年左右出售的。特维尔和统计数据甚至可以追溯到更久远的年代。你真的认为这一切不是在浪费时间吗？你至少比Cardano更聪明，更有智慧？
不，虽然我不是受教育程度最差、经验最丰富的人，但我远远没有认为一切都已经很清楚、很明白。我甚至对这些结果感到惊讶，希望有人能根据他们的经验和知识来独立验证。
不，虽然我不是受教育程度最差、经验最丰富的人，但我远远没有认为一切都已经很清楚、很明白。我甚至对这些结果感到惊讶，希望有人根据自己的经验和知识来独立验证。
此外--我认为这个话题应该发表在物理学和数学论坛上。然而--为什么要这样，如果我每天都和这样的人交流，他们对这个话题根本不感兴趣。人们认为，这不是一个严肃的话题，专门针对年轻人，没有什么可浪费的。而我，只是出于好奇而进入了这个领域。
此外--我认为这个话题应该发表在物理学和数学论坛上。然而--为什么要这样，如果我每天都和这样的人交流，而他们对这个话题根本不感兴趣。人们认为，这不是一个严肃的话题，专门针对年轻人，没有什么可浪费的。我只是出于好奇而进入了这个领域。
其实这正是我想问的--为什么一个有经验的物理学家、统计学家（或其他什么）要对这个问题感兴趣？由金融家来处理财务问题不是更好吗？每个人都应该管好自己的事。而如果没有，就会让你感到奇怪。
还是像梅德韦杰夫先生曾经说过的那样，作为一名物理学家是一种职业......如果你想要钱，就去做生意。如果你想输钱，就进入金融市场...