价格增量的分配 - 页 5

[Alexander_K]

Alexander Sevastyanov:

我认为，采取光秃秃的增量，用它们来工作，效率并不高。梯度应该与一些背景（过滤器、事件、条件）相联系。也就是说，将时间序列区分（划分）为不同的组成部分，并对其进行单独处理，会更加正确。这种特征可以是。

• 一周的日子。
• 新闻干扰货币对的时期，新闻前2-3小时的冷清，通常的市场条件。
• 交易会议。
• 可能还有很多不同的分类。

一个相同的增量在不同的条件下可以而且会有不同的效果。也许增量的分布类型也会从你最初的t2到另一个t2发生变化，而且很可能分布参数会根据特点发生变化。

我认为应该采取的是净增量。正是它们让你看到了附件文件中呈现的分布图（见上面的主题帖子）。别忘了，这里有大约一个月的数据样本（超过一百万的报价）。

[Alexander_K]

下面是我的其他想法。GARCH模型当然很好，但它们只是假设。没有严格的数学论证。

只有当有人说："移动样本加权平均数的分布或任何其他过程的期望值和方差的估计，对于增量的分布是一个t2分布，也是一个t2分布（或其他）"，才会出现严格的论证。自然，要参考文学作品。

这将是理解该过程的一个真正的突破。

我一直在等待这样一个人--一定有这样一个人 :))))))

[Alexander_K]

是的，请原谅我之前所附的 "截断的 "Excel文件（当以Excel 97-2003格式保存时，大部分数据都丢失了）。

现在我附上 "真正的 "文件EURUSD_Ask。

无论如何，这并没有改变事情的本质--上面描述的一切都很真实，也很有趣，但是，可惜的是，它没有让人了解价格的一般概率分布，因此也就没有了解过程的过程，而如果一个人想在任何业务中取得成功，这是必须的。

好吧，这是我严格意义上的个人、老人的^)))意见--我将很高兴是错误的。

恭敬地说。

亚历山大_K

[Alexander_K]

我仍然没有等到有人给我一个关于汇率价格分配的李亚普诺夫TPT的类似物：））））。

我认为这个话题已经结束。

结论。

作为交易结果的汇率形成过程是一个非马尔科夫过程（所谓的 "记忆过程"），其中当前和以前的价格是由一个具有2个自由度的学生t分布来联系的。

是的...要应付这样的野兽是非常困难的。我向那些在利润中工作的交易员致敬--这只是一种艺术。

而像我这样简单的物理学家-数学家应该怎么做？我将尝试用通常的一切和一切的平均数来处理它--分散性、峰度、不对称性等等，就像苏联工程师在试图驱动一些框架内的进程时所做的那样。

最后，我列出了我一直在使用的蜱虫史 料。每一个都包含超过一百万个连续收集的报价，没有任何故障或遗漏的NDD模拟账户。

[Alexander_K]

加德满都（CADJPY

[Alexander_K]

AUDJPY

[Alexander_K]

欧元兑英镑

[Alexander_K]

EURJPY

[Alexander_K]

欧元兑美元

[Alexander_K]

好运!

注意到。

亚历山大_K