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;
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 !
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
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。
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