模擬與交易

含有「模擬與交易」共 9 篇內容
全部內容
發佈日期由新至舊
在對稱分布的情況下,均數(Mean)、眾數(Mode)、中數(Middle),三個敘述統計量彼此相等。也就是說,在不對稱有所偏態的情況下,除去眾數不討論,右偏之下,極端值(大)會加大均數的數值,而有Mean>Middle;反之,左偏則有Middle>Mean
舉例而言,有價格數據資料八筆,依大小排序為 : X(1)、X(2)、...、X(7)、X(8),定義全距(Range)=Max-Min=X(1)-X(8)=R(1,8)。依此類推,R(3,6)就是X(3)-X(6)的距離,所以評估波動度的方法,又多了一個想法,就是R(1,8)/R(3,6)的比值
迅速地在小樣本中判斷是否有異常值發生,然後讓下列的Multicharts程式碼發出訊號,一值是開發者重點 If Condition1 then Buy next bar at Highest(High,8) stop;
avatar
Piemann
尤有甚者,假若5%顯著水準值的門檻為55,意即在第七筆資料完成後,第8筆的最高價,可以反推先行求解,假設解的隱含值為X,因此可以把 If Condition1 then Buy next bar at Highest(High,8) stop; 改寫成 Buy next bar at X stop; 可以提早一隻K棒進場,又不失原意 !
1. 假如你有8筆實際的時間序列價格資料,依時間序列為X(1)、X(2)、...、X(8),然後價格資料給予標準化 2. 假如你有8筆數據,是透過標準常態分配亂數而得,由小而大依序為 Y(1)、Y(2)、...、Y(8)
假如你有日本東京與澳洲雪梨的月均溫時間序列資料,你想比較兩個城市誰比較熱,透過檢定方法以及假定參數的條件,可以挑選適合的檢定方法以完成任務。不過有更直覺與視覺化的方式可以處理與比較這些資料,那就是雷達圖 !
Thumbnail
利用常態分配亂數,模擬10萬次,產生極值新創造的價格空間與母體數據的距離比值。以下表為例,0.2794之意即為8日以來24筆高、低、收數據的(最高價-次高價)/(最高價-最低價)統計式,只有5%的機會超過27.94%這個比例。 實務上,日K棒資料若有看到超過該水準值,可以判斷出現異常的新高、新低價格
Thumbnail
1. 假設每筆成交價與前一筆成交價的差距只有三個情況 : +1、0、-1個跳動級距(Tick),且每個情況出現的機率相同 2. 假設成立之下,試問在95%的信心水準下,觀察50筆成交價之後,累積漲跌點數(Tick)的合理區間
假設每筆成交價與前一筆的成交價的差異,只有 -1、0、1 三種跳動情況,且每個出現機率都相同,請問觀察51筆成交價資料後,在95%的信心水準下,累積的漲跌點數合理區間為何 ?
利用亂數,在複雜的多個條件下,透過模擬而得到參考答案,在計算科學越來越進步的情況下,此法應用的領域範圍,已獲得大爆發式的增加。本文利用Excel VBA工具,來產生兩種亂數表,一個是均勻分配、另一個是標準常態分配亂數。
Thumbnail
avatar
Piemann
補充說明(Greene.6th,17 Chapter) 1. 模擬的用途 : 研究那些未知的統計性質、以及無法推導的估計量 2. 產生偽的隨機亂數表,選定種子(Seed),透過迴圈與賦值計算程序來給予產生,在此同時,為了減少亂數表的周期性困擾,混用不同的亂數產生方法,為常用的招式,例如線性同於法與平方取中法一起並用 3. 可以利用均勻分配的方式,利用機率變換,產生其他不同配的隨機變數,例如使用Box-Muller,產生兩個均勻分配亂數,可以產生一個常態分配亂數,如此可以再產生Chi、F、t等分佈,而捨離法,更為簡單易懂也適合離散的隨機變數