从理论到实践 - 页 1050

新评论
 
Yuriy Asaulenko:
在这个问题上，科尔莫戈罗夫被爱因斯坦和其他人所接替。

爱因斯坦和他的妻子正在开发理论))))。

 
vladevgeniy:

爱因斯坦和他的妻子算是解决了理论))))。

不，是居里夫妇。
 
Yuriy Asaulenko:
不，他们是居里夫妇。
爱因斯坦的妻子起初是，我想是匈牙利人（我不太记得了）--一个优秀的数学家。她为他的想法开发了数学。爱因斯坦本人在数学方面并不特别性感。然后他娶了一个犹太妻子，她不再擅长数学；而他在新物理学方面的进展也放缓了。然而，当时STO和GRT已经创建。
 
Yuriy Asaulenko:
不，是居里夫妇。

我看过一部关于他的电影。我想他的妻子是跛子，他们是在研究所认识的。而她有，比如，50%的发现。

 

明天，2019年3月14日将是阿尔伯特-爱因斯坦 诞辰140周年，这个人显然对我们对世界的科学认识做出了最重大的改变。就其对科学的贡献而言，爱因斯坦可能是有史以来最伟大的科学家。仅在1905年的 "奇迹之年"，他就创立了狭义相对论，在电磁辐射量化的假设中奠定了量子力学的基础，并发表了解释布朗运动机制的工作，证实了物质的分子结构。 阿尔伯特-爱因斯坦是诺贝尔物理学奖得主，撰写了约300篇科学论文。

爱因斯坦的第一任妻子米列娃-马里奇是塞尔维亚人，她在丈夫的科学成就中扮演的角色是基于一起为他的学位工作的民间传说的幻想。当然，年轻的爱因斯坦与他的妻子讨论了他的想法和计划，也许她对他提出了一些建议，但没有更多。她从未发表过任何科学论文。

 

Yep....

这个话题已经变成了垃圾--没有研究，没有令人垂涎的配方......。太糟糕了!

到目前为止，我已经做了一个小实验。

我采取了由Doc生成的序列--增量分布为高斯分布，在此基础上，模拟维纳过程（又称布朗运动）是很方便的。

因此，无论是初始增量还是稀释增量（在每一个第二、第三等值中），我们总是有一个相同的高斯分布--具有相同的期望值和随机变量的其他时刻。这证实了布朗运动作为一个经典的随机过程在时间上的不变性和它的自相似性。

但是，如果我们把市场上的报价序列开始变细，那么对于每一种情况，我们都会得到不同的概率分布，也就是说，市场不是自相似的，变细（例如OHLC M1）会导致过程的扭曲和重要信息的丢失。

由于在不同的经纪公司有不同的数量，因此滴答报价是不适用的。

僵局。这是一个僵局吗？我认为--为了获得必须看到和处理的报价流，重要的是学会如何正确地稀释最初的tick报价，显示经纪公司的虚假报价，同时不因不必要的数据加载而丢失信息，就像在OHLC M1案例中那样。

如何做到这一点？嗯，当然，通过将tick流转换为一定顺序的Erlang!前段时间我走了这条路，后来放弃了，现在又决定重新走一遍。

在主管的瘦身中，是圣杯的盐和力量。

附加的文件：
normdist.zip  808 kb
 
Alexander_K:

Yep....

这个话题已经变成了垃圾--没有研究，没有令人垂涎的配方......。太糟糕了!

到目前为止，我已经做了一个小实验。

我采取了由Doc生成的序列--增量分布为高斯分布，在此基础上，模拟维纳过程（又称布朗运动）是很方便的。

因此，无论是初始增量还是稀释增量（在每一个第二、第三等值中），我们总是有一个相同的高斯分布--具有相同的期望值和随机变量的其他时刻。这证实了布朗运动作为一个经典的随机过程在时间上的不变性和它的自相似性。

但是，如果我们把市场上的报价序列开始变细，那么对于每一种情况，我们都会得到不同的概率分布，也就是说，市场不是自相似的，变细（例如OHLC M1）会导致过程的扭曲和重要信息的丢失。

由于在不同的经纪公司有不同的数量，因此滴答报价是不适用的。

僵局。这是一个僵局吗？我认为--为了获得必须看到和处理的报价流，重要的是学会如何正确地稀释最初的tick报价，显示经纪公司的虚假报价，同时不因不必要的数据加载而丢失信息，就像在OHLC M1案例中那样。

如何做到这一点？嗯，当然，通过将tick流转换为一定顺序的Erlang!前段时间我走了这条路，后来放弃了，现在又决定重新走一遍。

适当的稀释是圣杯的盐和力量。

也许在做减法和瘦身之前，你应该学习如何把流量加起来？

想象一下，你从两家经纪公司收到2个报价流，并产生你自己的报价。并看看原始流的哪些属性因此而保留，以及增加的选项取决于什么。

 

因此，虽然我没有交易，但我只是在理论上进行推测。

而在理论上，我们必须千方百计地将市场过程还原为奥恩斯坦-乌伦贝克过程，这保证了回归平均值。

它的突出特点是静止性、稳定和无限可分的增量分布以及指数 递减的ACF。

有一种观点认为，这种过程的相似性将在滑动的时间窗口=24小时内观察到，在某个订单的Erlang的报价流。

下周我将尝试回到正轨，向你展示如何正确地稀释市场时间序列。

保持清醒，孩子们!圣杯将被找到，句号。

 
Alexander_K:

Yep....

这个话题已经变成了垃圾--没有研究，没有令人垂涎的配方......。太糟糕了!

到目前为止，我已经做了一个小实验。

我采取了由Doc生成的序列--增量采用高斯分布，在此基础上，模拟维纳过程（又称布朗运动）是很方便的。

因此，无论是初始增量还是稀释增量（在每一个第二、第三等值中），我们总是有一个相同的高斯分布--具有相同的期望值和随机变量的其他时刻。这证实了布朗运动作为一个经典的随机过程在时间上的不变性和它的自相似性。

但是，如果我们把市场上的报价序列开始变细，那么对于每一种情况，我们都会得到不同的概率分布，也就是说，市场不是自相似的，变细（例如OHLC M1）会导致过程的扭曲和重要信息的丢失。

由于在不同的经纪公司有不同的数量，因此滴答报价是不适用的。

僵局。这是一个僵局吗？我认为--为了获得必须看到和处理的报价流，重要的是学会如何正确地稀释最初的tick报价，显示经纪公司的虚假报价，同时不因不必要的数据加载而丢失信息，就像在OHLC M1案例中那样。

如何做到这一点？嗯，当然，通过将tick流转换为一定顺序的Erlang!前段时间我走了这条路，后来放弃了，现在又决定重新走一遍。

适当的稀释是圣杯的盐和力量。


亚历山大，你自称是物理学家，却只用统计学来操作。物理方法在哪里？物理学在哪里？

 
Алексей Тарабанов:

亚历山大，你自称是物理学家，但你只在统计数据上操作。物理方法在哪里？物理学在哪里？

递归的力量是不可阻挡的...。

就这么一个简单的问题，你就把讨论带回到了一千多页:-)

1...104310441045104610471048104910501051105210531054105510561057...1981
新评论