从理论到实践 - 页 26

 
Alexander_K2:
N不是一般人,对吗?它是一个样本量。也就是说,如果你绘制这个样本量的直方图,你将得到这个样本量的当前方差值,而不是其他。没有历史,即在给定的样本量下的平均方差,惯例是一百万这样的样本。对吗?

对,但你又写道:"我们将采取所有可用历史数据的平均方差"。这与马尔科夫或非马尔科夫有什么关系?马尔科夫并没有对样本量施加任何条件)。

而整个历史上的平均方差又给了你什么?它是一个 "医院平均数",当前(用你的话说)的差异会不断地轻微变化。

那么你也可以用一个常数来代替平均方差)。

就你目前正在处理的蜱虫而言--"当前 "是最后一个蜱虫,以前所有的蜱虫都是历史。而布林格是用N个历史值工作的。

 

如果不用说,这里有懂数学和编程的人,我可以提供解决一个简单的问题,即。

英镑兑美元 为例

计算蜱虫的数量和质量

1)总数为100%

2)在一个方向上的刻度的百分比(即下一个刻度在同一方向上,形成一个组合)。

2个以上刻度

3件以上。

4件以上。

3)分段

2017.11.29.00.00-2017.12.01.00.00

2017.10.13.00.00-2017.10.16.00.00

 
bas:

对,但你又写道:"我们将采取所有可用历史数据的平均方差"。这与马尔科夫或非马尔科夫有什么关系?马尔科夫并没有对样本量施加任何条件)。

而整个历史上的平均方差又给了你什么?它是一个 "医院平均数",当前(用你的话说)的差异会不断地轻微变化。

那么你可以用一个常数来代替平均方差)

正是如此!在此,向你致敬--你也能做到这一点。要做到这一点,请计算在一个非常大的数据档案中,一定的样本量的平均方差。

不仅如此!你已经从模型中看到,只要价格超出一定限度,那里的交易就不会被捕获,对吗?这也是非参数测量法发挥作用的地方。而当前的价值和历史的平均价值也起作用。你可能会感到惊讶,历史上的平均非参数统计量几乎是一个常数。而我们只需将当前的参数与它进行比较。

总的来说,这个话题的诞生是我对历史和当前统计数据分析的结果。

还有谁能告诉我如何计算峰度的NE PARAMETRICAL系数?

好了,各位程序员--我几乎已经涵盖了所有的内容。你可以使用它。我不后悔!

 
Alexander_K2:

不,迈克尔--我们需要直方图的是刻度线之间的时间间隔。最终,我们必须将一切都简化为一个具有明确采样时间T的有限差分方程方案。答案是没有。在这种情况下,没有任何方程可以被解决。这就对了!

你从哪里得到如此无望的答案?难道仅仅是因为Wissim中没有变量方法?什么,现在将数据与现有的解决方法相适应,或者将它们作为不适合的方法而丢弃?

是的,时间网格将有一个非永久性的步骤,这对差异法来说是死亡。而对于变异方法来说,这没有什么好坏之分。这里是链接http://www.mathnet.ru/php/archive.phtml?wshow=paper&jrnid=rm&paperid=8488&option_lang=rus, 在这里你可以找到并下载1950年的《S.G. Mikhlin,解决数学物理问题的变异方法,UMN,1950年,第5卷,第6(40)期,3-51"。目录中的前两种方法,即里茨和正交投影,已经表明变量方法不需要有限差分和网格的均匀性,而是使用标量积的仪器,也就是所谓的积分和。 你写到了希尔伯特空间的猫,这就是定义标量乘法运算的(函数)空间。

问题是什么,为什么我们需要差异计划?

 

为了更好地理解市场上发生的事情,这里描述了其余的物理-数学知识。最后,都是一样的,谁对中心趋势(在我看来是WMA)、方差(在我看来是加权方差)的衡量最准确,谁对历史数据的处理最准确,等等,谁就会获利最大。

呃...

甚至不愿意和你分开......但你必须这样做!

我们在交易机器人锦标赛上见吧?:))))

祝大家好运!


真诚的。

亚历山大。

aka Alexander_K

aka Alexander_K2

:))))))))))))))))))))))

 

就这样了?

 
Олег avtomat:

是这样吗?


她说她会走到风)))))

该论坛是因果报应。

 
Олег avtomat:

是这样吗?


不,我在这里总是有点像希尔伯特空间里的薛定谔的猫 :)))))))))))

 
Alexander_K2:

不,我在这里总是有点像希尔伯特空间里的薛定谔的猫 :)))))))))))


那些叹息和呼喊是怎么回事?

========================================

ǞǞǞ

我是61年的,你是哪一年的,亚历山大?

 
Alexander_K2 好吧,各位程序员--我几乎已经告诉了你们一切。使用它。我不后悔!

谢谢你的分享,当然,你的想法很有意思,但说实话,我还看不出这里能用什么,我怀疑最后的结果不会比布林好多少)

三个交易的加号是很好的,但你作为一个数学家应该明白,为了或多或少的可靠估计,你至少需要几十个交易?你在你的模拟账户上观察到了多少交易

而且还有一个细节。所有的结构--包括你的和布林格的--都是来自移动平均线。但你交易的不是平均数的偏差,而是价格的纯粹形式。而移动平均线并不是一个非常可靠的参考点,因为它在价格后面移动。如果就MA而言,价格可以走出通道并返回通道,那么事实上,相对于一些参考水平,它可以继续走出去。在实践中,这意味着要么损失,要么缩减。你对这一过程有了解吗,你能对此发表评论吗?

一般来说,价格在某个遥远的地方并不意味着它会回来。交易员称其为均值回归,但它必须用不同的方法来发现和证明,如果我没弄错的话,是数学方面的--条件分布(未来价格变化对之前变化的依赖)。现在,这种依赖性确实可以在ticks上检测到,然后在所有时间尺度的衍生品和所有价格衍生品的计算中检测到,所以用哪种工具来利用它其实并不重要。但这种依赖性通常非常弱,不足以实现稳定的收益和覆盖成本。看看你想出了什么办法,就更有意思了。