Forex Trading ความน่าจะเป็น และ สถิติ

ฟอรั่มกลยุทธ์ Forex ใครมีสถิติของรูปแบบเทียนและความน่าจะเป็นไปได้ของคุณเองหลังการทดสอบและข้อมูลได้รับการยอมรับ ฉันต้องการอะไร สิ่งที่ต้องการสิ่งที่เป็นความน่าจะเป็นของการกลับรายการหลังจากที่พินบาร์สิ่งที่เป็นความน่าจะเป็นที่เทียนจะยังคงขึ้นหลังจากสองเทียนรั้นและสิ่งที่ต้องการที่ จริงๆสถิติที่คุณจะยินดีใด ๆ ฉันไม่ได้พบการศึกษาออนไลน์ที่ดีใด ๆ เลย หนังสือที่ดีเกี่ยวกับเทียนแท่งรวมถึงสถิติ ฉันได้ทดสอบบางอย่างและมีสถิติแตกต่างกันมาก ช่วงของความน่าจะเป็น Mosty 50-54 เชิงเทียนบางส่วน 60 ตัวน่าจะมีความถี่ต่ำ อย่าคาดหวังว่าจะมีโอกาสเท่ากันในระยะเวลารายชั่วโมงเป็นระยะเวลารายวัน ระยะเวลารายวันให้โอกาสที่ดีกว่า หลังจากทั้งหมดมีรูปแบบขนาดใหญ่ของปริมาตรในช่วง ไม่ได้มี candlesticks รายวัน อย่าคาดหวังความน่าจะเป็นเดียวกันกับไม้กางเขนทั้งหมด มีรูปแบบเชิงเทียนภายใต้ quotNew (จริง) Sitequot ประโยชน์สถิติของรูปแบบเทียนและความน่าจะเป็นได้โดย Thomas N. Bulkowski ผู้เผยแพร่หนังสือที่เรียกว่า: quotEncyclopedia of Candlestick Chartsquot ประกอบด้วยแผนภูมิประมาณ 105 รูปแบบ ในเว็บไซต์ของผู้เขียนคุณจะสามารถหาคำอธิบายรูปแบบเหล่านั้นได้ ตัวอย่างเช่นคำอธิบายของดาวตก, quot: quot. ผลการดำเนินงานตามทฤษฎี: การกลับรายการของ Bearish ผลการดำเนินงานที่ผ่านการทดสอบ: ความต่อเนื่องอย่างต่อเนื่อง 61 ครั้งอันดับความถี่: 51 คะแนนประสิทธิภาพโดยรวม: 52 เป้าหมายอัตราร้อยละที่ดีที่สุดในการประชุม: 52 (ตลาดวัว, breakout) ค่าเฉลี่ยที่ดีที่สุดในรอบ 10 วัน: -4.93 (หมีตลาด, breakout) อันดับการจัดอันดับที่ดีที่สุด 10 วัน: 31 (ตลาดหมีลดลง) quot Link: thepatternsiteShootingStar2.html ที่น่าสนใจเกี่ยวกับการกลับรายการ Bearish ความน่าจะเป็นของ downmove เพียง 40 ความยาวของลำตัวมีความสำคัญมากกว่าการจำแนกลายตาม Kieran Murphy เงายาวด้านบนหรือเงาล่างยาวเป็นเพียงข้อยกเว้นของกฎเท่านั้น Kieran Murphy จะกล่าวว่า - ให้ฉันเทียนรายวันที่ดีรั้น - ให้วัน confimation onesome เช่นตื้นตอบไม่ได้ใด ๆ ที่ขาส่องสว่างเทียน - ให้ฉันเทียนรั้น (อาจที่ H4 ไม่แตกต่างกันมากจากการฝ่าวงล้อมของสุดท้าย) - ---------------------------------------------- แนวโน้มขึ้นแล้ว เอ็ดเวิร์ด Revy เขียน: สถิติของรูปแบบเทียนและความน่าจะเป็นได้โดย Thomas N. Bulkowski ผู้เผยแพร่หนังสือที่เรียกว่า: quotEncyclopedia of Candlestick Chartsquot ประกอบด้วยแผนภูมิประมาณ 105 รูปแบบ ในเว็บไซต์ของผู้เขียนคุณจะสามารถหาคำอธิบายรูปแบบเหล่านั้นได้ ตัวอย่างเช่นคำอธิบายของดาวตก, quot: quot. ผลการดำเนินงานตามทฤษฎี: การกลับรายการของ Bearish ผลการดำเนินงานที่ผ่านการทดสอบ: ความต่อเนื่องอย่างต่อเนื่อง 61 ครั้งอันดับความถี่: 51 คะแนนประสิทธิภาพโดยรวม: 52 เป้าหมายอัตราร้อยละที่ดีที่สุดในการประชุม: 52 (ตลาดวัว, breakout) ค่าเฉลี่ยที่ดีที่สุดในรอบ 10 วัน: -4.93 (หมีตลาด, breakout) อันดับการจัดอันดับที่ดีที่สุด 10 วัน: 31 (ตลาดหมีลดลง) quot Link: thepatternsiteShootingStar2.html ขอบคุณเอ็ดเวิร์ด การศึกษาที่น่าสนใจมาก และพวกเขาแสดงให้ฉันเห็นหลายเหตุผลที่จะไม่ไว้วางใจรูปแบบเทียนเท่าที่ฉันได้รับ lol ดูเหมือนว่าน่าจะต่ำมากสำหรับส่วนใหญ่ แต่ข้อได้เปรียบเล็ก ๆ น้อย ๆ มักจะช่วยให้ไม้เทียนเป็นสิ่งที่ดี แต่เพียงอย่างเดียวในกรอบเวลาที่สูงขึ้น เป็นเสมอดีกว่าที่จะรวมเส้นเชิงเทียนกับเครื่องมือยืนยันอื่น ๆ เช่นเส้นแนวโน้มค่าเฉลี่ยเคลื่อนที่ ฯลฯ พวกเขามักจะไม่ได้มีประสิทธิภาพเมื่อใช้เฉพาะใน own. Trading กับแบบจำลองแบบ Gaussian สถิติ Carl Friedrich Gauss เป็นนักคณิตศาสตร์ยอดเยี่ยมที่อาศัยอยู่ใน ต้นปี 1800 และให้สมการสมการกำลังสองสมการของโลกวิธีการวิเคราะห์กำลังสองและการแจกแจงแบบปกติ แม้ว่า Pierre Simon LaPlace ถือว่าเป็นผู้ก่อตั้งเดิมของการแจกจ่ายตามปกติในปี 1809 แต่ Gauss มักได้รับเครดิตสำหรับการค้นพบนี้เนื่องจากเขาเขียนเกี่ยวกับแนวความคิดในช่วงต้น ๆ และเป็นเรื่องของการศึกษามากโดยนักคณิตศาสตร์เป็นเวลา 200 ปี ในความเป็นจริงการแจกจ่ายนี้มักเรียกว่าการกระจายแบบ Gaussian การศึกษาสถิติทั้งหมดเกิดจาก Gauss และช่วยให้เราเข้าใจตลาด ราคาและความน่าจะเป็นของโปรแกรมอื่น ๆ ศัพท์สมัยใหม่กำหนดการกระจายตามปกติเป็นเส้นโค้งระฆังที่มีพารามิเตอร์ปกติ และตั้งแต่วิธีเดียวที่จะเข้าใจ Gauss และเส้นโค้งระฆังคือการเข้าใจสถิติบทความนี้จะสร้างเส้นโค้งระฆังและใช้กับตัวอย่างการค้า เฉลี่ยมัธยฐานและโหมดมีอยู่ 3 วิธีในการหาค่าดิสทริบิวชันคือค่าเฉลี่ย มัธยฐานและโหมด วิธีการคือปัจจัยโดยการเพิ่มคะแนนทั้งหมดและหารด้วยจำนวนคะแนนที่จะได้รับค่าเฉลี่ย มัธยฐานเป็นปัจจัยโดยการเพิ่มตัวเลขสองตัวกลางของกลุ่มตัวอย่างและหารด้วยสองหรือเพียงแค่นำค่ากลางจากลำดับที่เป็นลำดับ โหมดเป็นตัวเลขที่ใช้บ่อยที่สุดในการแจกแจงค่า วิธีที่ดีที่สุดในการทำความเข้าใจเกี่ยวกับลำดับตัวเลขคือการใช้วิธีเพราะมันมีค่าเฉลี่ยจำนวนทั้งหมดและเป็นส่วนสำคัญที่สุดในการกระจายทั้งหมด นี่คือวิธีการแบบ Gaussian และวิธีที่เขาต้องการ สิ่งที่เราวัดนี่คือพารามิเตอร์ของแนวโน้มกลางหรือเพื่อตอบคะแนนตัวอย่างของเรามุ่งหน้าไป เมื่อต้องการทำความเข้าใจเรื่องนี้เราจะต้องคำนวณคะแนนของเราโดยเริ่มต้นด้วย 0 ตรงกลางและมีการเบี่ยงเบนมาตรฐาน 1, 2 และ 3 ด้านขวาและ -1, -2 และ -3 ด้านซ้ายตามค่าเฉลี่ย ศูนย์หมายถึงค่าเฉลี่ยของการแจกจ่าย (การวิเคราะห์เชิงปริมาณของกองทุนเฮดจ์ฟันด์และแบบหลายตัวแปร: การวิเคราะห์มอนติคาร์โล) ส่วนเบี่ยงเบนมาตรฐานและความแปรปรวนถ้าค่าตามรูปแบบปกติเราจะพบ 68 คะแนนทั้งหมดจะตก ภายใน -1 และ 1 ส่วนเบี่ยงเบนมาตรฐาน 95 ตกอยู่ในค่าเบี่ยงเบนมาตรฐาน 2 และ 99 ตกอยู่ในค่าเบี่ยงเบนมาตรฐาน 3 ค่า แต่สิ่งนี้ไม่เพียงพอที่จะบอกเราเกี่ยวกับเส้นโค้ง เราจำเป็นต้องกำหนดความแปรปรวนที่แท้จริงและปัจจัยเชิงปริมาณและเชิงคุณภาพอื่น ๆ ความแปรปรวนจะตอบคำถามเกี่ยวกับวิธีแพร่กระจายการแจกจ่ายของเรา เป็นปัจจัยในการเป็นไปได้ว่าทำไมความผิดพลาดอาจมีอยู่ในตัวอย่างของเราและช่วยให้เราเข้าใจข้อผิดพลาดเหล่านี้และวิธีที่สามารถระบุได้ ตัวอย่างเช่นถ้าค่าเป็นค่าเบี่ยงเบนมาตรฐานหกด้านบนหรือต่ำกว่าค่าเฉลี่ยคุณสามารถจัดประเภทเป็นค่าทดแทนเพื่อวัตถุประสงค์ในการวิเคราะห์ได้ ส่วนเบี่ยงเบนมาตรฐานเป็นเมตริกที่สำคัญซึ่งเป็นรากฐานที่สองของความแปรปรวน ข้อกำหนดปัจจุบันเรียกว่าการกระจายตัวนี้ ในการแจกแจงแบบ Gaussian ถ้าเราทราบค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานเราสามารถทราบเปอร์เซ็นต์ของคะแนนที่อยู่ในส่วนเบี่ยงเบนมาตรฐาน +1 หรือ 2 ได้จากค่าเฉลี่ย นี้เรียกว่าช่วงความเชื่อมั่น นี่เป็นวิธีที่เรารู้ว่ามีการแจกแจง 68 รายการอยู่ในค่าส่วนเบี่ยงเบนมาตรฐาน +1 หรือค่าลบ 1, 95 ภายในบวกหรือลบ 2 ส่วนเบี่ยงเบนมาตรฐานและ 99 ตามค่าส่วนเบี่ยงเบนมาตรฐาน +1 หรือค่าลบ 3 Gauss เรียกฟังก์ชันความน่าจะเป็นเหล่านี้ (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการวิเคราะห์ทางสถิติให้ดูที่การทำความเข้าใจเกี่ยวกับมาตรการความผันผวน) Skew and Kurtosis จนถึงตอนนี้บทความนี้ได้อธิบายเกี่ยวกับความหมายและการคำนวณต่างๆเพื่อช่วยให้เราสามารถอธิบายได้ง่ายขึ้น เมื่อเราวางแผนจุดแจกจ่ายของเราแล้วเราก็ดึงเส้นโค้งของเราเหนือคะแนนทั้งหมดโดยสมมติว่าพวกเขามีลักษณะของภาวะปกติ ดังนั้นยังคงนี้ไม่เพียงพอเพราะเรามีหางบนเส้นโค้งของเราที่ต้องการคำอธิบายเพื่อทำความเข้าใจทั้งโค้ง ในการทำเช่นนี้เราไปที่ช่วงเวลาที่สามและสี่ของสถิติการกระจายที่เรียกว่า skew และ kurtosis ความเอียงของหางจะวัดความไม่สมมาตรของการแจกจ่าย เอียงบวกมีความแตกต่างจากค่าเฉลี่ยที่เป็นบวกและเอียงขวาในขณะที่เอียงด้านลบมีความแปรปรวนจากค่าเฉลี่ยที่เอียงซ้ายเป็นหลักการกระจายมีแนวโน้มที่จะเบ้ไปในด้านใดด้านหนึ่งของค่าเฉลี่ย เอียงสมมาตรมีความแปรปรวน 0 ซึ่งเป็นรูปแบบการแจกแจงแบบปกติที่สมบูรณ์แบบ เมื่อมีการวาดเส้นโค้งระฆังครั้งแรกด้วยหางยาว นี้เป็นบวก หางยาวที่จุดเริ่มต้นก่อนเส้นโค้งของกริ่งกระดิ่งถือเป็นสัดส่วนที่ไม่เอื้ออำนวย ถ้าการกระจายตัวเป็นแบบสมมาตรผลรวมของค่าเบี่ยงเบน cubed เหนือค่าเฉลี่ยจะปรับความเบี่ยงเบน cubed ต่ำกว่าค่าเฉลี่ย การกระจายแบบเอียงจะมีส่วนเอียงมากกว่า 0 ในขณะที่การกระจายซ้ายขวาจะมีส่วนโค้งน้อยกว่าศูนย์ (เส้นโค้งอาจเป็นเครื่องมือการซื้อขายที่มีประสิทธิภาพ: สำหรับการอ่านที่เกี่ยวข้องมากขึ้นดูความเสี่ยงจากตลาดหุ้น: Wagging Tails) Kurtosis อธิบายลักษณะความเข้มข้นสูงสุดและค่าความเข้มข้นของการกระจาย ส่วนเกินที่เป็นลบ เรียกว่า platykurtosis เป็นลักษณะกระจายแบนค่อนข้างที่มีความเข้มข้นน้อยกว่าของค่ารอบ ๆ ค่าเฉลี่ยและหางมีความหมายมากกว่าการกระจาย mesokurtic (ปกติ) ในทางกลับกันการแจกแจง leptokurtic มีหางบางมากของข้อมูลที่มีความเข้มข้นที่ค่าเฉลี่ย เอียงเป็นสิ่งสำคัญมากในการประเมินตำแหน่งทางการค้ามากกว่า kurtosis การวิเคราะห์หลักทรัพย์ตราสารหนี้ต้องใช้การวิเคราะห์ทางสถิติอย่างรอบคอบเพื่อพิจารณาความผันผวนของพอร์ทการลงทุนเมื่ออัตราดอกเบี้ยเปลี่ยนแปลงไป โมเดลเพื่อคาดการณ์ทิศทางของการเคลื่อนไหวจะต้องคำนึงถึงความเบ้และความเคลื่อนไหวในการคาดการณ์ประสิทธิภาพของพอร์ตตราสารหนี้ แนวคิดทางสถิติเหล่านี้ใช้เพื่อกำหนดการเคลื่อนไหวของราคาสำหรับเครื่องมือทางการเงินอื่น ๆ อีกมากมาย เช่นหุ้นตัวเลือกและคู่สกุลเงิน Skews ใช้ในการวัดราคาของตัวเลือกโดยการวัดความผันผวนโดยนัย การใช้ค่าความเบี่ยงเบนมาตรฐานของการซื้อขายจะเป็นตัววัดความผันผวนและถามว่าผลตอบแทนจากการปฏิบัติงานประเภทใดที่สามารถคาดการณ์ได้ ส่วนเบี่ยงเบนมาตรฐานที่เล็กกว่าอาจหมายถึงความเสี่ยงน้อยลงสำหรับหุ้นในขณะที่ความผันผวนที่สูงขึ้นอาจหมายถึงระดับที่สูงขึ้นของความไม่แน่นอน ผู้ค้าสามารถวัดราคาปิดจากค่าเฉลี่ยเมื่อแยกย้ายกันออกจากค่าเฉลี่ย การกระจายตัวจะวัดความแตกต่างจากค่าจริงเป็นค่าเฉลี่ย ความแตกต่างระหว่างสองส่วนใหญ่หมายถึงส่วนเบี่ยงเบนมาตรฐานและความผันผวนที่สูงขึ้น ราคาที่เบี่ยงเบนไปไกลจากค่าเฉลี่ยมักจะย้อนกลับไปหาค่าเฉลี่ยเพื่อให้ผู้ค้าสามารถใช้ประโยชน์จากสถานการณ์เหล่านี้ได้ ราคาที่ขายในช่วงเล็ก ๆ ก็พร้อมสำหรับการฝ่าวงล้อม ตัวบ่งชี้ทางเทคนิคที่มักใช้สำหรับการเบี่ยงเบนมาตรฐานคือ Bollinger Band เนื่องจากเป็นค่าความผันผวนที่กำหนดไว้ที่ส่วนเบี่ยงเบนมาตรฐานสองค่าสำหรับแถบบนและล่างโดยมีค่าเฉลี่ยเคลื่อนที่ 21 วัน การกระจาย Gauss เป็นเพียงจุดเริ่มต้นของความเข้าใจเกี่ยวกับความน่าจะเป็นของตลาด หลังจากนั้นก็นำไปสู่ไทม์ซีรีส์และ Garch Models เช่นเดียวกับการใช้งานมากขึ้นของเอียงเช่นรอยยิ้มความผันผวน ประเภทของภาษีที่เรียกเก็บจากเงินทุนที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎกำหนดให้ การขายหุ้นครั้งแรกโดย บริษัท เอกชนต่อสาธารณชน การเสนอขายหุ้นหรือไอพีโอมักจะออกโดย บริษัท ขนาดเล็กที่มีอายุน้อยกว่าที่แสวงหา อัตราส่วนหนี้สิน DebtEquity Ratio คืออัตราส่วนหนี้สินที่ใช้ในการวัดอัตราส่วนหนี้สินของ บริษัท หรืออัตราส่วนหนี้สินที่ใช้ในการวัดแต่ละบุคคล ประเภทของโครงสร้างการชดเชยที่ผู้จัดการกองทุนป้องกันความเสี่ยงมักใช้ในส่วนของการชดเชยนั้นคือผลการดำเนินงาน BasedTrader Expert Advisor เครื่องมือความน่าจะเป็นสำหรับการเทรดโฟเร็กที่ดีขึ้นเพื่อที่จะประสบความสำเร็จพ่อค้า forex จำเป็นต้องทราบพื้นฐานของคณิตศาสตร์ความน่าจะเป็น หลังจากที่ทุกอย่างยากที่จะบรรลุและรักษากำไรการค้าโดยไม่ต้องแรกมีความสามารถในการทำความเข้าใจตัวเลขและวัดพวกเขา ผู้ค้าหลายรายใช้ตัวบ่งชี้กล่องดำผสมกันเพื่อพัฒนาและใช้กฎการซื้อขาย ความแตกต่างระหว่างผู้ค้ารายอื่นและคนดีคือความเข้าใจในเมตริกและวิธีการคำนวณสมรรถนะและผลกำไร ความน่าจะเป็นและสถิติเป็นกุญแจสำคัญในการพัฒนาทดสอบและทำกำไรจากการซื้อขาย forex โดยรู้ว่าเครื่องมือที่น่าจะเป็นไม่กี่คนทำให้ผู้ค้าสามารถตั้งเป้าหมายการค้าได้ง่ายขึ้นในแง่คณิตศาสตร์สร้างและใช้กลยุทธ์การซื้อขายที่มีประสิทธิภาพและประเมินผล เป็นประโยชน์ในการทบทวนแนวคิดพื้นฐานที่สุดของความน่าจะเป็นและสถิติสำหรับการซื้อขายแลกเปลี่ยน โดยการทำความเข้าใจคณิตศาสตร์ของความน่าจะเป็นคุณจะรู้ว่าตรรกะที่ใช้โดยระบบการค้าเชิงกลและที่ปรึกษาผู้เชี่ยวชาญ (EA) การกระจายแบบปกติเครื่องมือพื้นฐานที่สุดของความน่าจะเป็นในการซื้อขายแลกเปลี่ยนคือแนวคิดเรื่องการแจกแจงแบบปกติ กระบวนการทางธรรมชาติส่วนใหญ่มีการแจกแจงตามปกติ การกระจายแบบสม่ำเสมอหมายความว่าความน่าจะเป็นของตัวเลขที่อยู่ในที่ใดก็ได้บนความต่อเนื่องนั้นเท่ากับเท่ากัน นี่คือการแจกจ่ายที่เกิดขึ้นจากการแพร่กระจายวัตถุอย่างเทียมโดยเท่า ๆ กันที่สุดเท่าที่จะเป็นไปได้ในพื้นที่โดยมีระยะห่างระหว่างกันอย่างสม่ำเสมอ อย่างไรก็ตามแทนที่จะมีการแจกแจงแบบสม่ำเสมอราคาของสกุลเงินจะมีแนวโน้มที่จะพบได้ในบางพื้นที่ในเวลาใดก็ตาม นี่คือการแจกแจงแบบปกติและเครื่องมือความน่าจะเป็นค่าประมาณของราคาที่น่าจะพบ การแจกแจงแบบปกติมีเทรดเดอร์ที่คาดการณ์เกี่ยวกับความเป็นไปได้ว่าราคาของคู่สกุลเงินจะถึงระดับหนึ่งในช่วงเวลาที่กำหนด คอมพิวเตอร์ใช้เครื่องคิดเลขจำนวนสุ่มเพื่อคำนวณค่าเฉลี่ย (Average) ของราคาอัตราแลกเปลี่ยนเพื่อกำหนดการกระจายตามปกติ ถ้ามีการตรวจสอบราคาตัวอย่างเป็นจำนวนมากการแจกแจงแบบปกติจะสร้างรูปร่างของเส้นโค้งระฆังเมื่อวาดด้วยกราฟ จำนวนตัวอย่างที่มากขึ้นจะยิ่งนุ่มนวลขึ้นเท่านั้น กฎของค่าเฉลี่ยที่เรียบง่ายจะเป็นประโยชน์สำหรับผู้ค้า แต่กฎของการแจกแจงแบบปกติจะมีอำนาจในการคาดการณ์ที่เป็นประโยชน์มากขึ้น ตัวอย่างเช่นผู้ประกอบการอาจคำนวณว่าการเคลื่อนไหวของราคาเฉลี่ยต่อวันของคู่ค้า forex คือพูด 50 pips อย่างไรก็ตามการกระจายตามปกติยังสามารถบอกให้ผู้ค้าทราบว่าโอกาสที่ราคาในแต่ละวันจะลดลงระหว่าง 30 ถึง 50 จุดหรือระหว่าง 50 ถึง 70 pips ตามกฎการแจกแจงแบบปกติและส่วนเบี่ยงเบนมาตรฐานประมาณ 68 ตัวอย่างจะอยู่ในค่าเบี่ยงเบนมาตรฐานหนึ่งค่าเฉลี่ย (average) และประมาณ 95 จะอยู่ในค่าเบี่ยงเบนมาตรฐาน 2 ค่า สุดท้ายมีความเป็นไปได้ 99.7 ว่าตัวอย่างจะตกอยู่ในค่าเบี่ยงเบนมาตรฐาน 3 ค่า การแจกแจงแบบปกติและฟังก์ชันเบี่ยงเบนมาตรฐานในที่ปรึกษาผู้เชี่ยวชาญ (EA) และระบบการซื้อขายช่วยให้ผู้ค้า Forex สามารถประเมินความเป็นไปได้ที่ราคาอาจเคลื่อนไหวไปในช่วงเวลาหนึ่ง ๆ อย่างไรก็ตามผู้ค้าควรระมัดระวังในการใช้แนวคิดเรื่องการจัดจำหน่ายตามปกติเพื่อวัตถุประสงค์ในการบริหารความเสี่ยง แม้ว่าความน่าจะเป็นของเหตุการณ์ที่หาได้ยาก (เช่นการลดราคา 50) อาจดูเหมือนว่าปัจจัยทางการตลาดที่คาดไม่ถึงในระดับต่ำอาจทำให้ความเป็นไปได้สูงกว่าที่ปรากฏในระหว่างการคำนวณการแจกแจงแบบปกติ ความน่าเชื่อถือของการวิเคราะห์ขึ้นอยู่กับปริมาณและคุณภาพของข้อมูลเมื่อสร้างแบบจำลองเส้นโค้งการแจกแจงแบบปกติปริมาณและคุณภาพของข้อมูลราคานำเข้ามีความสำคัญมาก จำนวนตัวอย่างที่มากขึ้นจะยิ่งนุ่มนวลขึ้นเท่านั้น นอกจากนี้เพื่อหลีกเลี่ยงข้อผิดพลาดในการคำนวณที่เกิดจากข้อมูลไม่เพียงพอความสำคัญในการคำนวณแต่ละครั้งจะต้องเป็นไปตามตัวอย่างอย่างน้อยสามสิบตัวอย่าง ดังนั้นสำหรับการทดสอบกลยุทธ์การซื้อขายสัญญาซื้อขายล่วงหน้าโดยประมาณผลจากธุรกิจการค้าตัวอย่างผู้พัฒนาระบบต้องวิเคราะห์ธุรกิจการค้าอย่างน้อย 30 อย่างเพื่อให้ได้ข้อสรุปที่น่าเชื่อถือทางสถิติเกี่ยวกับพารามิเตอร์ที่ได้รับการทดสอบ ในทำนองเดียวกันผลจากการศึกษาของ 500 ธุรกิจการค้ามีความน่าเชื่อถือมากกว่าจากการวิเคราะห์เพียง 50 ธุรกิจการค้า การกระจายตัวและความคาดหวังทางคณิตศาสตร์เพื่อประเมินความเสี่ยงสำหรับผู้ค้า forex ลักษณะสำคัญที่สุดของการแจกจ่ายคือความคาดหวังทางคณิตศาสตร์และการกระจายตัว ความคาดหวังทางคณิตศาสตร์สำหรับชุดของธุรกิจการค้าเป็นเรื่องง่ายในการคำนวณ: เพียงเพิ่มผลการค้าทั้งหมดและแบ่งจำนวนเงินที่ตามจำนวนการค้า ถ้าระบบการค้าเป็นประโยชน์แล้วความคาดหวังทางคณิตศาสตร์เป็นบวก หากความคาดหวังทางคณิตศาสตร์เป็นลบระบบจะสูญเสียโดยเฉลี่ย ความสูงชันหรือความเรียบของเส้นโค้งการแจกแจงจะแสดงโดยการวัดการแพร่กระจายหรือการกระจายของราคาในพื้นที่ของความคาดหวังทางคณิตศาสตร์ โดยทั่วไปแล้วความคาดหวังทางคณิตศาสตร์สำหรับค่าที่กระจายแบบสุ่มจะอธิบายเป็น M (X) ดังนั้นการกระจายตัวสามารถกำหนดเป็น D (X) M (XM (X) 2 และรากของ dispersions square เรียกว่าส่วนเบี่ยงเบนมาตรฐานแสดงในการจดชวเลขทางคณิตศาสตร์เป็น sigma () การกระจายตัวและส่วนเบี่ยงเบนมาตรฐานมีความสำคัญอย่างยิ่งสำหรับการจัดการความเสี่ยง ในระบบการซื้อขายอัตราแลกเปลี่ยนที่สูงขึ้นค่าส่วนเบี่ยงเบนมาตรฐานจะสูงกว่าการเบิกจ่ายที่มีศักยภาพและความเสี่ยงสูงกว่าเช่นเดียวกันค่าที่ต่ำกว่าสำหรับส่วนเบี่ยงเบนมาตรฐานจะต่ำกว่าการเบิกจ่ายในขณะที่ซื้อขายระบบ ตัวอย่างด้านล่างเป็นตัวอย่างการประเมินความเสี่ยงสำหรับการทดสอบระบบการซื้อขายแลกเปลี่ยน: Trade Number X (การค้ากำไรหรือขาดทุน) ในตัวอย่างข้างต้นตามจำนวนต่ำสุดของสามสิบการค้าสำหรับตัวอย่างที่เพียงพอสิ่งสำคัญที่จะต้องทราบว่าทางคณิตศาสตร์ ความคาดหวังเป็นบวกดังนั้นกลยุทธ์การซื้อขาย forex เป็นผลกำไรแน่นอนอย่างไรก็ตามค่าเบี่ยงเบนมาตรฐานสูงดังนั้นเพื่อที่จะได้รับเงินดอลลาร์ผู้ประกอบการค้าแต่ละคนมีความเสี่ยงเป็นจำนวนมากระบบนี้มีความเสี่ยงอย่างมีนัยสำคัญ Heres ส่วนที่เหลือของ th e math: เพื่อคำนวณความคาดหวังทางคณิตศาสตร์สำหรับกลุ่มธุรกิจการค้านี้ให้เพิ่มกำไรและขาดทุนจากการค้าทั้งหมดแล้วหารด้วย 30 นี่คือค่าเฉลี่ย M (X) สำหรับธุรกิจการค้าทั้งหมด ในกรณีนี้จะเท่ากับกำไรเฉลี่ย 4.26 ต่อการค้า จนถึงปัจจุบันระบบมีแนวโน้มดี ถัดไปในการคำนวณส่วนเบี่ยงเบนมาตรฐานของการแพร่กระจายค่าเฉลี่ยที่สูงกว่า 4.26 จะถูกลบออกจากผลลัพธ์ของการค้าแต่ละครั้งจะมีการเพิ่มกำลังสองและผลรวมของสี่เหลี่ยมทั้งหมดเหล่านี้เข้าด้วยกัน ผลรวมถูกหารด้วย 29 ซึ่งเป็นจำนวนรวมของการค้าลบ 1 โดยใช้สูตรสำหรับการกระจายตัวของ (X) M (XM (X) 2 ข้างต้นให้เป็นเช็คของการคำนวณจากการค้าครั้งแรกในตัวอย่างของเรา : การค้า 1: -17.08 4.26 -21.34 และ (-21.34) 2 455.39 การคำนวณเช่นเดียวกันสำหรับแต่ละการค้าในชุดทดสอบในตัวอย่างนี้การกระจายตัวของชุดข้อมูลเท่ากับ 9,353.62 และตามความหมายรากที่สองเท่ากับมาตรฐาน deviation () ซึ่งในกรณีนี้คือ 96.71 ดังนั้นผู้ประกอบการค้า forex เห็นว่าความเสี่ยงสำหรับระบบนี้โดยเฉพาะค่อนข้างสูง: ความคาดหวังทางคณิตศาสตร์เป็นบวกแน่นอนโดยมีกำไรเฉลี่ย 4.26 ต่อการค้า แต่ค่าเบี่ยงเบนมาตรฐานสูงมากเมื่อ เมื่อเทียบกับผลกำไรที่เห็นได้ชัดว่าผู้ประกอบการค้ามีความเสี่ยงประมาณ 96.71 สำหรับแต่ละโอกาสที่จะได้รับกำไร 4.26 ความเสี่ยงนี้อาจเป็นที่ยอมรับได้หรือผู้ค้าอาจเลือกที่จะปรับเปลี่ยนระบบเพื่อค้นหาความเสี่ยงต่ำกว่าความเสี่ยงของ ระบบการค้าโดยเฉพาะอย่างยิ่งผู้ค้า forex สามารถ ยังใช้การแจกแจงแบบปกติและค่าเบี่ยงเบนมาตรฐานในการคำนวณ Z-score ซึ่งระบุว่าธุรกิจการค้าที่เกิดผลกำไรมักเกิดขึ้นจากความสัมพันธ์กับธุรกิจการค้าที่สูญเสียไป ในระหว่างขั้นตอนการพัฒนาระบบการซื้อขายอัตราแลกเปลี่ยนแบบเทรดผู้ค้าอาจสงสัยว่าธุรกิจการค้าที่ทำกำไรได้เห็นได้อย่างไรระหว่างการทดสอบเป็นแบบสุ่มและจำนวนการซื้อขายที่สูญเสียติดต่อกันหลายครั้งต้องได้รับการยอมรับเพื่อให้บรรลุการค้าที่ชนะ ตัวอย่างเช่นสมมติว่ากำไรเฉลี่ยที่คาดว่าจะได้รับจากระบบการซื้อขายอัตราหนึ่ง ๆ จะน้อยกว่าจำนวนที่คาดว่าจะได้รับจากคำสั่งหยุดขาดทุนที่เกิดขึ้นในขณะที่ซื้อขายระบบนี้ 4 เท่า ผู้ค้าบางรายอาจสันนิษฐานได้ว่าระบบจะชนะในระยะเวลาตราบเท่าที่มีการค้าขายที่ทำกำไรได้อย่างน้อยหนึ่งอย่างสำหรับธุรกิจการค้าที่เสียเงินสี่แห่ง อย่างไรก็ตามขึ้นอยู่กับการกระจายของชัยชนะและความสูญเสียในระหว่างการซื้อขายในโลกแห่งความเป็นจริงระบบนี้อาจดึงลึกมากขึ้นเพื่อกู้คืนในเวลาต่อไปสำหรับผู้ชนะรายต่อไป การแจกแจงแบบปกติสามารถใช้เพื่อสร้างคะแนน Z ซึ่งบางครั้งเรียกว่าคะแนนมาตรฐานซึ่งจะช่วยให้ผู้ค้าสามารถประมาณอัตราส่วนของการชนะในการขาดทุนเท่านั้น แต่ยังรวมถึงจำนวน winslosses ที่มีแนวโน้มที่จะเกิดขึ้นตามลำดับ คะแนน Z บวกแสดงค่าเหนือค่าเฉลี่ยและคะแนน Z เป็นค่าลบแสดงค่าต่ำกว่าค่าเฉลี่ย เพื่อให้ได้ค่านี้พ่อค้าหักลบค่าเฉลี่ยประชากรจากค่าดิบแต่ละอันแล้วแบ่งส่วนต่างออกจากค่าเบี่ยงเบนมาตรฐานของประชากร การคำนวณคะแนนมาตรฐานพื้นฐานสำหรับคะแนนดิบที่กำหนดให้เป็น x คือ: ประชากรมีความหมายอยู่ที่ใดและเป็นค่าเบี่ยงเบนมาตรฐานของประชากร สิ่งสำคัญที่ต้องทำความเข้าใจคือการคำนวณคะแนน Z ต้องให้ผู้ประกอบการค้ารู้จักพารามิเตอร์ของประชากรไม่ใช่เฉพาะลักษณะเฉพาะของกลุ่มตัวอย่างที่นำมาจากประชากรกลุ่มนั้น Z หมายถึงระยะห่างระหว่างค่าเฉลี่ยประชากรและคะแนนดิบโดยแสดงเป็นหน่วยของส่วนเบี่ยงเบนมาตรฐาน ดังนั้นสำหรับระบบการซื้อขายแลกเปลี่ยน: ZN x (R 0.5) P (P x (PN) (N 1) N คือจำนวนรวมของการค้าระหว่างชุด R คือจำนวนรวมของชุดของการชนะและแพ้การค้า P เท่ากับ 2 x x x x คือจำนวนรวมของการซื้อขายที่ชนะในชุด L คือจำนวนรวมของการสูญเสียการเทรดในแต่ละซีรีส์แต่ละชุดสามารถแสดงเป็นลำดับหรือเพิ่มขึ้น minuses (ตัวอย่างเช่นหรือ 8212) R นับจำนวน ชุดดังกล่าว Z สามารถเสนอการประเมินว่าระบบการซื้อขายอัตราแลกเปลี่ยนมีการดำเนินงานตามเป้าหมายหรือว่าอาจมีเป้าหมายที่ไกลแค่ไหนนอกจากนี้ผู้ซื้อขายสามารถใช้ Z-score เพื่อพิจารณาว่าระบบการซื้อขายมีจำนวนน้อยกว่าหรือไม่ ชุดของผู้ชนะและผู้แพ้มากกว่าที่คาดไว้จากลำดับแบบสุ่มของ trades8211 ในคำอื่น ๆ ไม่ว่าจะเป็นผลลัพธ์ของการค้าติดต่อกันจะขึ้นอยู่กับแต่ละอื่น ๆ ถ้าคะแนน Z อยู่ใกล้ 0 แล้วการกระจายของผลการค้าอยู่ใกล้กระจายปกติ คะแนนของลำดับการค้าอาจบ่งบอกถึงโฆษณา ความสำคัญระหว่างผลของการค้าเหล่านั้น นี่เป็นเพราะค่าสุ่มปกติจะเบี่ยงเบนไปจากค่าเฉลี่ยโดยไม่เกินสาม sigma (3 x) ด้วยความมั่นใจ 99.7 ไม่ว่าค่า Z จะเป็นบวกหรือลบจะแจ้งให้ผู้ค้าทราบเกี่ยวกับประเภทของการพึ่งพา: ค่า Z บวกระบุว่าการค้าที่ทำกำไรได้จะตามด้วยผู้แพ้ และบวก Z ระบุว่าการค้าที่ทำกำไรได้จะตามมาด้วยผลกำไรอื่นและผู้แพ้จะตามมาด้วยการขาดทุนอื่น การพึ่งพาที่สังเกตได้นี้ช่วยให้ผู้ประกอบการค้า forex เปลี่ยนแปลงขนาดตำแหน่งสำหรับแต่ละธุรกิจการค้าเพื่อช่วยในการจัดการความเสี่ยง Sharpe Ratio อัตราส่วน Sharpe หรืออัตราตอบแทนต่อความแปรปรวนเป็นหนึ่งในเครื่องมือที่น่าจะเป็นที่น่าสนใจที่สุดสำหรับผู้ค้า forex เช่นเดียวกับวิธีการที่อธิบายไว้ข้างต้นมันขึ้นอยู่กับการใช้แนวคิดของการกระจายปกติและส่วนเบี่ยงเบนมาตรฐาน ช่วยให้ผู้ค้ามีวิธีการตรวจสอบประสิทธิภาพของระบบการซื้อขายโดยการปรับความเสี่ยง ขั้นตอนแรกคือการคำนวณผลตอบแทนจากการลงทุน (Holding Return Returns: HPR) ตัวอย่างเช่นการค้าที่มีผลกำไร 10 มี HPR คิดเป็น 1 0.10 1.10 ขณะที่การค้าที่สูญเสีย 10 จะถูกคำนวณเป็น 1 0.10 0.90 ในทำนองเดียวกัน HPR สามารถคำนวณได้ด้วยการหารยอดคงเหลือหลังการค้าโดยใช้อัตราก่อนการค้า ผลตอบแทนจากการลงทุนเฉลี่ยของธุรกิจ (AHPR) คำนวณโดยการบวกผลตอบแทนจากการถือครองส่วนบุคคลทั้งหมดแล้วหารด้วยจำนวนธุรกิจการค้า AHPR โดยตัวเองจะสร้างค่าเฉลี่ยเลขคณิตซึ่งอาจไม่ถูกต้องประมาณประสิทธิภาพของระบบการซื้อขายแลกเปลี่ยนเงินตราต่างประเทศเมื่อเวลาผ่านไป ประสิทธิภาพในการลงทุนของระบบการค้าสามารถประมาณได้โดยใช้ Sharpe Ratio ซึ่งแสดงให้เห็นว่า AHPR ลบล้างอัตราผลตอบแทนการลงทุนระยะยาวที่ปราศจากความเสี่ยงเกี่ยวข้องกับค่าเบี่ยงเบนมาตรฐานของระบบการซื้อขายอย่างไร Sharp Ratio AHPR (1 RFR) SD เมื่อ AHPR เป็นผลตอบแทนจากการถือครองเฉลี่ย RFR คืออัตราผลตอบแทนจากการลงทุนที่ปลอดจากความเสี่ยงเช่นอัตราดอกเบี้ยเงินฝากหรืออัตราดอกเบี้ยเงินกู้ยืมระยะยาวและ SD เป็นค่าเบี่ยงเบนมาตรฐาน เนื่องจากมากกว่า 99 ของค่าสุ่มทั้งหมดจะอยู่ในระยะทาง 3 รอบค่าเฉลี่ยของ M (X) สำหรับระบบการค้าที่ระบุ Sharpe Ratio สูงกว่าระบบการซื้อขายที่มีประสิทธิภาพมากขึ้น ตัวอย่างเช่นถ้าอัตราส่วน Sharpe สำหรับผลการค้าการแจกจ่ายตามปกติคือ 3 แสดงว่าโอกาสที่จะสูญเสียน้อยกว่า 1 ต่อการค้าตามกฎ 3-sigma แนวคิดเรื่องการแจกแจงการกระจายตัวปกติ Z และ Sharpe Ratio ได้รวมอยู่ใน logarithms ของ EAs และระบบการซื้อขายทางกลและความสามารถในการใช้ประโยชน์เหล่านี้ไม่สามารถมองเห็นได้สำหรับผู้ค้าส่วนใหญ่ อย่างไรก็ตามด้วยการทราบว่าเครื่องมือพื้นฐานความน่าจะทำงานได้อย่างไรผู้ค้า forex สามารถมีความเข้าใจอย่างลึกซึ้งว่าระบบอัตโนมัติทำหน้าที่อย่างไรจึงจะเพิ่มความเป็นไปได้ในการชนะการค้า คุณกำลังใช้เครื่องมือความน่าจะเป็นเพื่อเพิ่มโอกาสในการประสบความสำเร็จของคุณเอง