統計檢定運用方法.10

閱讀時間約 1 分鐘
在常態分配與大樣本數量的概念中,運用均數與標準差倍數定義離群值是很常見的方法,不過在小樣本數量的範圍內,有效率的偵查出離群值(孤點、極端值、奇異點、罕見事件...)在突破型的交易策略中,扮演極重要腳色,本文列舉敘述統計中的分位數概念,然後運用定義的方式來判定極端值
相關IQR概念,請參考下圖
Multicharts程式碼與範例請參考如下
假設有8筆價格數據資料,依據大小排列如下 : X(1)、X(2)、...、X(7)、X(8),
逕自定義75分位與25分位如下
Q(3)=0.5*(X(2)+X(3))
Q(1)=0.5*(X(6)+X(7))
所以突破進場價位可以設定為
Buy next bar at Q(3)+1.5*(Q(3)-Q(1)) stop;
SellShort next bar at Q(1)-1.5*(Q(3)-Q(1)) stop;
為什麼會看到廣告
21會員
108內容數
留言0
查看全部
發表第一個留言支持創作者!
Piemann的沙龍 的其他內容
計算 1+2+3+... ,當加到多少時,剛好大於 1000 計算 N+(N-1)+(N-2)+... ,當加到多少時,剛好大於 1000
計算 1+2+3+...+100 之值,請分別用 For,While、Until,Do Loop方式為之 (Excel VBA參考程式碼如下)
今有一個四位數的整數,請問四個數字和為9的個數共有幾個 ? 程式碼參考如下(Excel VBA)
統計檢定異常值的方法頗多,本文介紹的是小樣本極端值的Dixon檢定,本方法使用的限制為(a). 樣本數至少三個、(b). 樣本採自常態分配,檢定方法程序如下 : 將n個樣本由大而小依序排列,排列後為X(1)、X(2)、...、X(n),檢定統計量為
這個模組於每天收盤時做打分數的計算,計算的依據為各類指標的原始多空判斷方法,例如震盪類、動能類、通道類、均線系統、支撐壓力、型態...等,此外各類型相同的指標,也允許放入不同的長度參數、門檻值等濾網,使其重覆運用,然後將每日的多、空力道分數給予加總 !!
檢查樣本數據是否符合常態分配,價格數據若是符合常態分配,則視為正常行情,反之則視為有突破訊號。常態分配檢定有數種方法,本文介紹的是w/s檢定,檢定統計量僅需計算樣本全距(w),還有標準差(s),然後求其比值,接者透過查表比較其上、下臨界值,查表值請參考下圖
計算 1+2+3+... ,當加到多少時,剛好大於 1000 計算 N+(N-1)+(N-2)+... ,當加到多少時,剛好大於 1000
計算 1+2+3+...+100 之值,請分別用 For,While、Until,Do Loop方式為之 (Excel VBA參考程式碼如下)
今有一個四位數的整數,請問四個數字和為9的個數共有幾個 ? 程式碼參考如下(Excel VBA)
統計檢定異常值的方法頗多,本文介紹的是小樣本極端值的Dixon檢定,本方法使用的限制為(a). 樣本數至少三個、(b). 樣本採自常態分配,檢定方法程序如下 : 將n個樣本由大而小依序排列,排列後為X(1)、X(2)、...、X(n),檢定統計量為
這個模組於每天收盤時做打分數的計算,計算的依據為各類指標的原始多空判斷方法,例如震盪類、動能類、通道類、均線系統、支撐壓力、型態...等,此外各類型相同的指標,也允許放入不同的長度參數、門檻值等濾網,使其重覆運用,然後將每日的多、空力道分數給予加總 !!
檢查樣本數據是否符合常態分配,價格數據若是符合常態分配,則視為正常行情,反之則視為有突破訊號。常態分配檢定有數種方法,本文介紹的是w/s檢定,檢定統計量僅需計算樣本全距(w),還有標準差(s),然後求其比值,接者透過查表比較其上、下臨界值,查表值請參考下圖
你可能也想看
Google News 追蹤
Thumbnail
這個秋,Chill 嗨嗨!穿搭美美去賞楓,裝備款款去露營⋯⋯你的秋天怎麼過?秋日 To Do List 等你分享! 秋季全站徵文,我們準備了五個創作主題,參賽還有機會獲得「火烤兩用鍋」,一起來看看如何參加吧~
Thumbnail
美國總統大選只剩下三天, 我們觀察一整週民調與金融市場的變化(包含賭局), 到本週五下午3:00前為止, 誰是美國總統幾乎大概可以猜到60-70%的機率, 本篇文章就是以大選結局為主軸來討論近期甚至到未來四年美股可能的改變
Thumbnail
接續上一篇,繼續來講如何從常態分布的機率進行假設檢定,進而推論母體的平均數吧! 這篇會提到否證的邏輯、魔法數字0.5以及統計檢定到底是什麼這三個主題。
Thumbnail
  在上一篇文章解釋了常態分布怎麼幫助我們計算事件發生的機率,而更之前也看過了抽樣分布是如何形成常態分布的過程,現在就要利用這兩件事情來慢慢帶出什麼是統計學中的「假設檢定」了。
Thumbnail
當身為主管的你,碰到員工不符合你的期待時,你會怎麼做呢? 「我想當一個跟主流不同的主管,成為一個能帶給人力量的主管。雖然身為主管的我,有我的職責所在,需要指正下屬沒做好的地方,但我沒有想用削弱他人的力量來表達。」 謝謝丁榆精彩的敘事實踐故事,不僅活出了敘事的哲學觀,也把這份美好帶給身邊更多的人~
Thumbnail
中秋便當來了~還記得上一篇幫大家統計的資料嗎?歷屆總統大選前,10月上漲機率85%、平均漲幅4.67%! 喜歡吃便當的都是老實人,數據做了,當然要用行動來驗證。 九月最後一週,做完統計後開始佈局中秋加菜行情,指數的部分沒什麼好說的,就是無腦做多,漲也買、跌也買,時間都有列,證明真的是看數據做
Thumbnail
2020總統選票可以用數學統計證明蔡英文總統的817萬票並非真實,同樣的檢驗方法也可以證明2016年,蔡英文勝過朱立倫與宋楚瑜也是靠[作票]而得到.當年中選會的各縣市排序,大致是以蔡英文勝票由多到少排列(也是開票時大致所用的報票順序,旨在強調蔡英文是一路領先的),因此縱使各縣市排序按照中選會報表不變
Thumbnail
們必須時時謹記,若要讓寫筆記變成一個可以長久實踐下去的習慣,我們必須讓這件事能簡單、方便的進行下去,千萬別讓完美主義阻斷了心流。
Thumbnail
有些人經常會慨嘆,成年人的世界很複雜。要在大企業裡面求存,當中的人事、系統、流程,就只愈見複雜。無論你是在人資部門、專案管理、風管合規、資訊科技部門工作,也總有機會在會議或簡報中,介紹公司複雜的組織圖、流程圖或系統圖。處理複雜架構的時候,要兼顧展現與闡述,觀眾見樹也要見林,怎麼樣做才可以做好平衡呢?
Thumbnail
統計學 吳迪 一、檢定步驟 1.設立H0:虛無假設 (希望拒絕的對象)   設立H1:對立假設 (希望接受的對象) 2.選定檢定統計量 3.決定顯著水準及拒絕域 4.計算檢定統計量 5.當落入拒絕域時,則拒絕H0,反之則拒絕H1 二 1.型一錯誤 afa= p (拒絕H0/H0為真) 2.型二錯誤
Thumbnail
這個秋,Chill 嗨嗨!穿搭美美去賞楓,裝備款款去露營⋯⋯你的秋天怎麼過?秋日 To Do List 等你分享! 秋季全站徵文,我們準備了五個創作主題,參賽還有機會獲得「火烤兩用鍋」,一起來看看如何參加吧~
Thumbnail
美國總統大選只剩下三天, 我們觀察一整週民調與金融市場的變化(包含賭局), 到本週五下午3:00前為止, 誰是美國總統幾乎大概可以猜到60-70%的機率, 本篇文章就是以大選結局為主軸來討論近期甚至到未來四年美股可能的改變
Thumbnail
接續上一篇,繼續來講如何從常態分布的機率進行假設檢定,進而推論母體的平均數吧! 這篇會提到否證的邏輯、魔法數字0.5以及統計檢定到底是什麼這三個主題。
Thumbnail
  在上一篇文章解釋了常態分布怎麼幫助我們計算事件發生的機率,而更之前也看過了抽樣分布是如何形成常態分布的過程,現在就要利用這兩件事情來慢慢帶出什麼是統計學中的「假設檢定」了。
Thumbnail
當身為主管的你,碰到員工不符合你的期待時,你會怎麼做呢? 「我想當一個跟主流不同的主管,成為一個能帶給人力量的主管。雖然身為主管的我,有我的職責所在,需要指正下屬沒做好的地方,但我沒有想用削弱他人的力量來表達。」 謝謝丁榆精彩的敘事實踐故事,不僅活出了敘事的哲學觀,也把這份美好帶給身邊更多的人~
Thumbnail
中秋便當來了~還記得上一篇幫大家統計的資料嗎?歷屆總統大選前,10月上漲機率85%、平均漲幅4.67%! 喜歡吃便當的都是老實人,數據做了,當然要用行動來驗證。 九月最後一週,做完統計後開始佈局中秋加菜行情,指數的部分沒什麼好說的,就是無腦做多,漲也買、跌也買,時間都有列,證明真的是看數據做
Thumbnail
2020總統選票可以用數學統計證明蔡英文總統的817萬票並非真實,同樣的檢驗方法也可以證明2016年,蔡英文勝過朱立倫與宋楚瑜也是靠[作票]而得到.當年中選會的各縣市排序,大致是以蔡英文勝票由多到少排列(也是開票時大致所用的報票順序,旨在強調蔡英文是一路領先的),因此縱使各縣市排序按照中選會報表不變
Thumbnail
們必須時時謹記,若要讓寫筆記變成一個可以長久實踐下去的習慣,我們必須讓這件事能簡單、方便的進行下去,千萬別讓完美主義阻斷了心流。
Thumbnail
有些人經常會慨嘆,成年人的世界很複雜。要在大企業裡面求存,當中的人事、系統、流程,就只愈見複雜。無論你是在人資部門、專案管理、風管合規、資訊科技部門工作,也總有機會在會議或簡報中,介紹公司複雜的組織圖、流程圖或系統圖。處理複雜架構的時候,要兼顧展現與闡述,觀眾見樹也要見林,怎麼樣做才可以做好平衡呢?
Thumbnail
統計學 吳迪 一、檢定步驟 1.設立H0:虛無假設 (希望拒絕的對象)   設立H1:對立假設 (希望接受的對象) 2.選定檢定統計量 3.決定顯著水準及拒絕域 4.計算檢定統計量 5.當落入拒絕域時,則拒絕H0,反之則拒絕H1 二 1.型一錯誤 afa= p (拒絕H0/H0為真) 2.型二錯誤