价格增量的分配 - 页 17

 
Renat Akhtyamov:

你是这个意思吗?

那它是否值得转移纸张呢?


我的意思是 "非参数化的倾斜"。

对于一个行的投标,没有行的问。传播的想法是怎么来的?

 
Vladimir:
我的意思是 "非参数性偏移"

为一个投标行,没有询问行。传播的想法是怎么来的?

对不起,重读...
 

亲爱的交易员们!

我认为这个话题已经结束。我已经解决了我女儿设置的问题,在你的帮助下(至少对我来说)。

在新年之前,我将以密集模式进行编程,并将很少出现在论坛上。

特别感谢。

弗拉基米尔

尤里-阿索连科

阿列克谢-维亚兹米金

谢谢你!

P.S. 对于那些对这个话题感兴趣的交易者,以及一般来说好奇心和坚持不懈的交易者--再次仔细重读我参与讨论的所有主题,以及那些也参与了这些令人难忘的科学辩论的交易者的主题。

再次感谢!

注意到。

亚历山大_K

 
Alexander_K:

亲爱的交易员们!

我认为这个话题已经结束。我已经解决了我女儿设置的问题,在你的帮助下(至少对我来说)。

在新年之前,我将以密集模式进行编程,并将很少出现在论坛上。

特别感谢。

弗拉基米尔

尤里-阿索连科

阿列克谢-维亚兹米金

谢谢你!

P.S. 对于那些对这个话题感兴趣的交易者,以及一般来说好奇心和坚持不懈的交易者--再次仔细重读我参与讨论的所有主题,以及那些也参与了这些令人难忘的科学辩论的交易者的主题。

再次感谢!

注意到。

亚历山大_K

如果新年后市场上出现付费产品,我不会感到惊讶。

 
Alexander_K:

亲爱的交易员们!

我认为这个话题已经结束。我已经解决了我女儿设置的问题,在你的帮助下(至少对我来说)。

在新年之前,我将在密集模式下编程,并将很少出现在论坛上。

特别感谢。

弗拉基米尔

尤里-阿索连科

阿列克谢-维亚兹米金

谢谢你!

P.S. 对于那些对这个话题感兴趣的交易者,以及一般来说好奇心和坚持不懈的交易者--再次仔细重读我参与讨论的所有主题,以及那些也参与了这些令人难忘的科学辩论的交易者的主题。

再次感谢!

注意到。

亚历山大_K

你甚至没有谈及问题的解决,因为你犯了一个典型的错误:"用正确的方法解决一个错误的问题"

你是根据什么来判断金融市场,特别是外汇市场存在规律性的?你必须证明这一点,而你却把它当成了一个公理。

但如果我们假设相反的情况:金融市场上没有规律性,那么你的所有想法都会付诸东流。

而关于金融市场缺乏规律性的想法,今天是在金融市场上使用统计数据的一个基本想法,它被简单地称为:非平稳过程。

如果你注意金融市场上的现有结果,特别是如果你使用GARCH模型,你会惊讶地发现,你试图找到的参数是随机变量,这些参数只有在其误差呈正态分布时才存在,而情况并非总是如此也就是说,你计算的是你提到的学生分布的参数,而这些同样的参数要么存在,要么不存在。为了找出这个问题,对这些非常参数化的模型的参数的稳定性有特殊的测试,也就是说,不是分布类型,而是这些分布的参数。

而这些并不都是礼物。

模型参数的变化是一波接一波的,而这个波的周期也是随机的。

 
СанСаныч Фоменко:

你甚至没有谈及解决问题,因为你犯了一个典型的错误:"用正确的方法解决了错误的问题"

你是根据什么来判断金融市场,特别是外汇市场存在规律性的?你必须证明这一点,而你却把它当成了一个公理。

但如果我们假设相反的情况:金融市场上没有规律性,那么你的所有想法都会付诸东流。

而关于金融市场缺乏规律性的想法,今天是在金融市场上使用统计数据的一个基本想法,它被简单地称为:非平稳过程。

如果你注意金融市场上的现有结果,特别是如果你使用GARCH模型,你会惊讶地发现,你试图找到的参数是随机变量,这些参数只有在其误差呈正态分布时才存在,而情况并非总是如此也就是说,你计算了你提到的学生分布的参数,这些同样的参数要么存在,要么不存在。为了找出这个问题,对这些非常参数化的模型的参数的稳定性有专门的测试,即不是分布的类型,而是这些分布的参数。

而这些并不都是礼物。

模型参数的变化是一波接一波的,而这个波的周期也是随机的。

很多话。这里比较简单--为未来的奇迹产品做公关。
 
СанСаныч Фоменко:

你甚至没有谈及解决问题,因为你犯了一个典型的错误:"用正确的方法解决了错误的问题"

你是根据什么来判断金融市场,特别是外汇市场存在规律性的?你必须证明这一点,而你却把它当成了一个公理。

但如果我们假设相反的情况:金融市场上没有规律性,那么你的所有想法都会付诸东流。

而关于金融市场缺乏规律性的想法,今天是在金融市场上使用统计数据的一个基本想法,它被简单地称为:非平稳过程。

如果你注意金融市场上的现有结果,特别是如果你使用GARCH模型,你会惊讶地发现,你试图找到的参数是随机变量,这些参数只有在其误差呈正态分布时才存在,而情况并非总是如此也就是说,你计算的是你提到的学生分布的参数,而这些同样的参数要么存在,要么不存在。为了找出这个问题,对这些非常参数化的模型的参数的稳定性有专门的测试,即不是分布的类型,而是这些分布的参数。

而这些并不都是礼物。

模型参数的变化是一波接一波的,而这个波的周期也是随机的。


的确,有什么可理论的呢!?我们在一个波段上进行交易,仅此而已!

 
Yury Kirillov:

这有什么好理论的!?我们在同一台机器上进行交易,仅此而已!

我只是在开玩笑,但当你想一想,没有什么好笑的)))。
 
podotr:
我只是在开玩笑,但当你想一想,没有什么好笑的))))。

当然,没有什么好笑的。

今天,我们可以区分两个质量不同的方向来构建TS的决策模块:通过模式交易(TA和机器学习),考虑到报价的统计特征--最发达的是GARCH,它已经有几十年的历史。

与其在已经取得的成果上再走一步,不如说总有一些来自其他知识领域的能人进行理论建构。同时,这些人并没有考虑所有这些GARCH存在的原因,因为有普通的统计学和傅里叶。

这就是为什么我们会得到这种带有炼金术气味的树枝。

 
Alexander_K:

这项任务当然不容易。我应该说,这个分布不是广泛讨论的分布之一--既不是正态分布,也不是逻辑分布,也不是拉普拉斯分布,也不是考奇分布,等等,等等。

但可能是最接近拉普拉斯的,如果关于回报,除了有一个简单的理论依据,回报实际上是一个交易的意见表达,而交易的大小取决于财富,平均来说,财富是指数 分布的,如果所有的投资者从小到大开始冲击市场,你会得到纯拉普拉斯。