오징어땅콩먹고싶다

데이터분포가 불균질한경우에 각데이터의점유영역에 비례해서 넣어주면좋을것같다

오늘은 파라미터프로세싱중에서 가장 기초적이라고 볼 수 있는 추세프로세싱에 사용할 범용함수를 만들었다 추세의 정성적해석은 아래와같다. 펀더멘탈적 장기추세를 배제한다고 하더라도 가격변화에는 사람들의 행동변화를 야기하는 어떠한 원인이있고 그 원인의 인식과 실행이 시장참여-부 들에게 있어 다른 속도로 진행된다는 것이다. 가격의 변화를 단위시간을 기준으로 조각내어 자른 뒤, 무작위로 섞은 경우에 대비해 단위시간의 N배 프레임에서 변동성의 증가가 얼마나 관찰되는가를 봄으로 추세의 실존을 확인할수 있다. N배 시간프레임에서 변동성은 N, 편차는 루트 N에 대충 비례하는데 편차가 루트 N배 이상으로 유의미하게 커진다면(커지는 정도는 로그스케일로 바라보는것이 좋을것이다) 추세를, N배 이하로 유의미하게 작아진다면 역추세를 의미한다. 장기추세, 단기추세, 현재타임스탬프로부터의 델타T, + 추세로부터의 최근 이탈, 전반적변동성, ... 등등을 변수들로 넣어보나? 변수들의 전처리핵심은 머신러닝이 최대한 트위스트를 안춰도되도록, 혹은 세계의 물리적규칙에 근거하여 정성적으로 추론해 볼 수 있는 변수들을 제공함으로써 연산효율을 높여주면서 또 투자의 통계적접근에서의 근본적 약점(n도작은데 애초에 이런저런 통계적인 수학이론등을 확실하게 적용할수가없다. 시간변수의 통제가 불가능하기때문. 타겟변수가 시간에 대해 독립적일것이라는 강력한 가정이 없으면 말짱꽝 보통의 경우에는 애매~하게 적용가능해서 눈치껏 해야 하는 부분) 에 최대한 저항하고자 하는 것이다. 변수 x, y가 있는 상태에서 z를 추가할때는, x, y가 똑같은 상황에서 새로운변수 z가 기존 변수셋에 제공할 수 있는 추가적인 가치가 무엇인지를 생각해보고 정하면 좋을 듯 하다.

써볼까 ㅁ f'(접점x) = k, f'(접점x) ~ k for del x_t, x_t또한 p에 비례

프로그램 어디까지 짯었는지 까먹었다 분석에서 액션으로 가는거 찾다가 여기까지 왔구나... 결론은 10배레버리지를 풀 상황은 많이 없을 것이라는 것이고(다만 손실났을때 자산규모 줄어든만큼 포지션정리를 해야는겠죠~) 그냥 포지션수익이 매매비용을 초과한 대부분의 상황에서 풀베팅을 하는 것이 옳아 보인다. 그다음은 프로세싱함수 마저 만들기... 아이고귀찮아

어제 분산고정시키면 쌍봉이었던 것 같은데 그건 좀말이안되는거 같고 이런 도어스토퍼모양에 위에가 살짝볼록한 그런느낌이 맞는듯, 카이스퀘어드는 y축을 로그로보면 x가 dof이상으로 충분히 커지면 거의 직선이던데 그점을 고려할필요있음 어쨋든 곰곰히 생각해봤을 때 중요한건 대충 mu / sigma^2 로 베팅하면 된다는거고 선물같은경우 증거금대비 레버리지가 한 10배정도되니 mu / sigma^2 가 10 이하로 떨어지는 상황에만 유의하면 될듯하다 mu_S, sigma_S에서 mu_S는 0쪽으로 조금 떙겨주고 sigma_S는 k * mu_S 쪽으로(pdf에서 고점) 좀 땡겨주면 좋을 듯 예를들어 우리가 쁠마 0.1%정도로 흔들리는 타임프레임에서 0.01% 상승을 예측하면 1e-4 / (1e-3) ^ 2 이니까 100배(파산이슈떄문에 좀 덜 베팅 - 공식자체가 fraction * return이 절대값 1이하를 가정)까지 베팅해도 됨 또 log(1+fr)의 ...