从理论到实践 - 页 440 1...433434435436437438439440441442443444445446447...1981 新评论 secret 2018.07.08 11:24 #4391 Olga Shelemey: 我曾经用来对抗市场的书籍。Shelepin L.A.: "现代科学是基于马尔科夫范式的。该评论强调了一个新的非马尔科夫范式的出现(有记忆的过程理论)"。 这就是我所说的)学术界落后于现实50年)。 长期以来,整个金融界都把市场看作是一个有记忆的过程,这对他们来说是个新闻)))))。 否则根本没有必要考虑,因为出于自然原因,不可能在一个没有记忆的过程中赚钱。 Aleksey Nikolayev 2018.07.08 12:43 #4392 bas:Shelepin L.A.: "现代科学是基于马尔科夫范式的。该评论强调了一个新的非马尔科夫范式的出现(有记忆的过程理论)"。 这就是我所说的)学术界落后于现实50年)。 长期以来,整个金融界都把市场看作是一个有记忆的过程,这对他们来说是个新闻)))))。 否则根本没有考虑的必要,因为由于自然原因,不可能在一个没有记忆的过程中赚钱。我没有详细研究过,但似乎Shelepin的马尔科夫过程与普遍接受的定义不太吻合。 对于 "记忆",主要问题是不清楚在非平稳过程的情况下如何计算它(即多变量过程分布)--通常没有足够的数据来计算。 人们也可以从带有漂移(趋势)的正常随机漫步中赚钱,这是很马尔科夫的。 secret 2018.07.08 13:18 #4393 Aleksey Nikolayev:记忆 "的主要问题是不清楚如何在非平稳过程中考虑它(即多变量过程分布)--通常没有足够的数据来这样做。 这似乎是一样的--增量之间的依赖性。那你认为到底是什么问题,为什么没有足够的数据?例如,我在记忆检索方面没有问题) 顺便说一下,记忆用波动性来表达更好,你可以用它来开始你的研究,如果有人在寻找 "可以抓住的东西"。你可以立即看到那里的新闻和其他影响的后果。 人们也可以在通常的带有漂移(趋势)的随机漫步中赚钱,这是很马尔科夫的。当然,但我们在这里谈论的是外汇),它没有漂移。 Aleksey Nikolayev 2018.07.08 14:01 #4394 bas: 这似乎是一样的--增量之间的关系。那你认为到底是什么问题,为什么没有足够的数据?比如说,我,寻找内存是没有问题的) 顺便说一下,记忆用波动性来表达更好,你可以用它来开始你的研究,如果有人在寻找 "可以抓住的东西"。在那里,新闻后的后果是立即可见的,还有其他影响。 当然,但我们在这里谈论的是外汇),它没有拆迁。我希望我们谈论的是作为随机变量的增量的依赖性?在这种情况下,我们需要它们的联合分布。两个随机变量--它们的联合2维分布,3--3维,等等。二维直方图有时仍被构建,但更高维度的直方图并不清楚如何表示,所需的数据数量随着维度的增加而强烈增长。很明显,通常不会这样做(但有时还是必须这样做)。但这里的情况要糟糕得多--对于每一个增量(随机变量),只有一个单一量的样本(取自价格图表的数值)。因此,我们不得不求助于各种假设和假定(这些假设并不总是真实的)。例如,如果没有关于增量的静止性的假设,它们的抽样分布就不会收敛到它们的真实分布。双变量分布也是如此,需要确定增量的成对依赖性(如计算协方差函数)。简而言之,如果使用假设静止性的方法,一个没有 "记忆"(独立增量)的非静止过程很可能获得 "记忆"(增量的依赖性)。 当然,一般情况下不存在漂移。但很可能有一些部分存在这种情况(再次,非稳态性)。 Evgeniy Chumakov 2018.07.08 14:38 #4395 我搞不清楚哪里出了问题。 我用公式计算了密度 预期=0,方差=55,X=13。密度=(1/(MathSqrt(方差)*MathSqrt(2*3.14159265358979323846))。* MathPow(2.718281845904523536, - ((X * X)/(2 * Dispersion) ) ) 。我得到的密度=0.01979。在这里检查 https://planetcalc.ru/4986/ 密度=0.01157 是我弄错了公式,还是计算器网站上有错误? Aleksey Nikolayev 2018.07.08 14:51 #4396 Evgeniy Chumakov:我搞不清楚哪里出了问题。 我用公式计算了密度 预期=0,方差=55,X=13。密度=(1/(MathSqrt(方差)*MathSqrt(2*3.14159265358979323846))。* MathPow(2.718281845904523536, - ((X * X)/(2 * Dispersion) ) ) 。我得到的密度=0.01979。在这里检查 https://planetcalc.ru/4986/ 密度=0.01157 是我弄错了公式,还是计算器网站上有错误?在R: > dnorm(13,0,sqrt(55))[1] 0.01157429 Evgeniy Chumakov 2018.07.08 14:52 #4397 Aleksey Nikolayev:在R: 我想不出我的错误在哪里,那么... igrok333 2018.07.08 15:00 #4398 Alexander_K2: 唯一能在这里发表巨幅演讲的最低学历的人是巴斯。他有时也是个不错的演讲者。显然,在他睡着的时候。在睡梦中,他有一个顿悟。有时读起来很有意思。 教育不给人以思想)亚历山大_K2。现在,增量的总和是移动观察时间窗口的价格,起点为=0。 增量的总和是指图表在N秒内走了多少。 高的是图表走了多少,低的是图表走了多少。 它是速度。 Aleksey Nikolayev 2018.07.08 15:07 #4399 双重d=55,X=13。double p = (1/(MathSqrt(d) * MathSqrt(2 * 3.14159265358979323846))* MathPow(2.718281845904523536, - ((X * X)/(2 * d) ) ) 。打印(p)。 0.01157429298384641 Evgeniy Chumakov 2018.07.08 15:19 #4400 Aleksey Nikolayev:双重d=55,X=13。double p = (1/(MathSqrt(d) * MathSqrt(2 * 3.14159265358979323846))* MathPow(2.718281845904523536, - ((X * X)/(2 * d) ) ) 。打印(p)。0.01157429298384641 我不明白,同样的公式,为什么会有不同的结果。NormalizeDouble 到5位数不可能有这种效果...... 1...433434435436437438439440441442443444445446447...1981 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
我曾经用来对抗市场的书籍。
Shelepin L.A.: "现代科学是基于马尔科夫范式的。该评论强调了一个新的非马尔科夫范式的出现(有记忆的过程理论)"。
这就是我所说的)学术界落后于现实50年)。
长期以来,整个金融界都把市场看作是一个有记忆的过程,这对他们来说是个新闻)))))。
否则根本没有必要考虑,因为出于自然原因,不可能在一个没有记忆的过程中赚钱。
Shelepin L.A.: "现代科学是基于马尔科夫范式的。该评论强调了一个新的非马尔科夫范式的出现(有记忆的过程理论)"。
这就是我所说的)学术界落后于现实50年)。
长期以来,整个金融界都把市场看作是一个有记忆的过程,这对他们来说是个新闻)))))。
否则根本没有考虑的必要,因为由于自然原因,不可能在一个没有记忆的过程中赚钱。
我没有详细研究过,但似乎Shelepin的马尔科夫过程与普遍接受的定义不太吻合。
对于 "记忆",主要问题是不清楚在非平稳过程的情况下如何计算它(即多变量过程分布)--通常没有足够的数据来计算。
人们也可以从带有漂移(趋势)的正常随机漫步中赚钱,这是很马尔科夫的。
记忆 "的主要问题是不清楚如何在非平稳过程中考虑它(即多变量过程分布)--通常没有足够的数据来这样做。
这似乎是一样的--增量之间的依赖性。那你认为到底是什么问题,为什么没有足够的数据?例如,我在记忆检索方面没有问题)
顺便说一下,记忆用波动性来表达更好,你可以用它来开始你的研究,如果有人在寻找 "可以抓住的东西"。你可以立即看到那里的新闻和其他影响的后果。
人们也可以在通常的带有漂移(趋势)的随机漫步中赚钱,这是很马尔科夫的。
当然,但我们在这里谈论的是外汇),它没有漂移。
这似乎是一样的--增量之间的关系。那你认为到底是什么问题,为什么没有足够的数据?比如说,我,寻找内存是没有问题的)
顺便说一下,记忆用波动性来表达更好,你可以用它来开始你的研究,如果有人在寻找 "可以抓住的东西"。在那里,新闻后的后果是立即可见的,还有其他影响。
当然,但我们在这里谈论的是外汇),它没有拆迁。
我希望我们谈论的是作为随机变量的增量的依赖性?在这种情况下,我们需要它们的联合分布。两个随机变量--它们的联合2维分布,3--3维,等等。二维直方图有时仍被构建,但更高维度的直方图并不清楚如何表示,所需的数据数量随着维度的增加而强烈增长。很明显,通常不会这样做(但有时还是必须这样做)。但这里的情况要糟糕得多--对于每一个增量(随机变量),只有一个单一量的样本(取自价格图表的数值)。因此,我们不得不求助于各种假设和假定(这些假设并不总是真实的)。例如,如果没有关于增量的静止性的假设,它们的抽样分布就不会收敛到它们的真实分布。双变量分布也是如此,需要确定增量的成对依赖性(如计算协方差函数)。简而言之,如果使用假设静止性的方法,一个没有 "记忆"(独立增量)的非静止过程很可能获得 "记忆"(增量的依赖性)。
当然,一般情况下不存在漂移。但很可能有一些部分存在这种情况(再次,非稳态性)。
我搞不清楚哪里出了问题。 我用公式计算了密度
预期=0,方差=55,X=13。
密度=(1/(MathSqrt(方差)*MathSqrt(2*3.14159265358979323846))。* MathPow(2.718281845904523536, - ((X * X)/(2 * Dispersion) ) ) 。
我得到的密度=0.01979。
在这里检查
https://planetcalc.ru/4986/
密度=0.01157
是我弄错了公式,还是计算器网站上有错误?我搞不清楚哪里出了问题。 我用公式计算了密度
预期=0,方差=55,X=13。
密度=(1/(MathSqrt(方差)*MathSqrt(2*3.14159265358979323846))。* MathPow(2.718281845904523536, - ((X * X)/(2 * Dispersion) ) ) 。
我得到的密度=0.01979。
在这里检查
https://planetcalc.ru/4986/
密度=0.01157
是我弄错了公式,还是计算器网站上有错误?在R:
在R:
我想不出我的错误在哪里,那么...
唯一能在这里发表巨幅演讲的最低学历的人是巴斯。他有时也是个不错的演讲者。显然,在他睡着的时候。在睡梦中,他有一个顿悟。有时读起来很有意思。
现在,增量的总和是移动观察时间窗口的价格,起点为=0。
增量的总和是指图表在N秒内走了多少。
高的是图表走了多少,低的是图表走了多少。
它是速度。
双重d=55,X=13。
double p = (1/(MathSqrt(d) * MathSqrt(2 * 3.14159265358979323846))* MathPow(2.718281845904523536, - ((X * X)/(2 * d) ) ) 。
打印(p)。
0.01157429298384641
双重d=55,X=13。
double p = (1/(MathSqrt(d) * MathSqrt(2 * 3.14159265358979323846))* MathPow(2.718281845904523536, - ((X * X)/(2 * d) ) ) 。
打印(p)。
0.01157429298384641
我不明白,同样的公式,为什么会有不同的结果。NormalizeDouble 到5位数不可能有这种效果......