奇趣编程|统计宝|你还需要预测随机数涨跌行情才能稳定盈利吗?

奇趣编程在长期的随机数规律研究中发现,随机数的规律是不需要预测的,只需要把所有可能遇到的情况的应对策略都提前想好,就可以实现稳定盈利。

比如说,在某个指标出现什么信号时低进,在某个指标出现什么信号时高出,就可以实现赚取中间上涨空间部分的利润。

但谁也没法保证低进时一定是最低点,如果低进之后,仍然还在下跌,应该怎么应对,需要心中有数。

同样,谁也没法保证高出时一定是最高点,如果高进之后,仍然还在上涨,跟还是不跟,也需要提前做好准备,一切按预计的操作进行。

当每种情况都想好相应的对策之后,就是机械化执行,没必要再去预测随机数涨跌行情了。

奇趣编程|统计宝|随机数规律平均回归统计套利策略

随机数规律有很多,其中比较容易理解的一个规律是平均值回归,我们可以利用这个规律来实现稳定盈利,今天奇趣编程和大家分享一个利用平无回归统计来套利的策略。

随机数有规律?是的,在大数定律中,数据量越大,随机数中的每一个数字就会越接近于它的统计平均值。比如随机抛硬币,抛的次数越多,正反面的出现次数越接近于抛硬币总次数的一半。

那我们怎么利用这个规律呢?就是打偏态。现在我们知道,根据大数定律,当随机数出现偏态后,后面肯定会回归平均值,因此我们可以利用它来套利。偏态,是随机数出现短期失衡,从长期均衡上来看,它肯定会回归平衡,所以我们只需要在出现偏态时去低进高出就行。

奇趣编程|统计宝唯一官网随机数规律分析研究者交流指南

奇趣编程在长期研究随机数的过程中,发现做随机数研究是一个非常自闭的工作,随机数研究涉及到统计学、概率论等难度比较大的数学知识,研究的过程复杂又漫长,每一步都或多或少会遇到某些问题需要解决。

这个时候,如果有相同兴趣的人一起研究就好办多的,很多问题可能别人已经踩过并且解决掉,或是一些还没填平的坑可以互相帮助,群策群力,比自己一个人闭门造车强。

所以,奇趣编程要做一个用于随机数研究的软件“统计宝”,免费分享给各位有兴趣一起研究随机数规律的朋友,希望各位有什么好的思路可以跟我交流,或是可以交流各自在研究随机数过程中遇到的问题。

奇趣编程希望大家能互相交流分享,而不是一味单向的索取,毕竟谁也不愿意浪费自己的时间单向输出而没有回报,交流就是要让各人的经验和知识交互的流动,不然就变成直流了。

怎么找到我交流呢?百度或微信搜索“奇趣编程”就可以找到我了,慎防他人假冒哦。

奇趣编程|统计宝可以把任何数据转化为真随机数

通常我们手上的数据都是伪随机数,明明知道它肯定存在某些规律,但又不找不出明确的稳定的规律,像这种情况奇趣编程建议换一种思路去研究。

通常来说,奇趣编程研究的大数据有两种,一种是有一定规律的伪随机数,需要自己去琢磨研究找出它的规律,然后观察它这种规律是否稳定地相似、相近、重复地出现,如果是,则针对性地设计某种方法来利用它获得稳定的盈利。

另一种是无规律的真随机数,这是完全纯随机的数据,没有稳定的规律,但是它遵循统计学、概率论里的各种公式定理,我们可以通过大数定理、正态分布等方法来对它进行分析,然后针对性地设计某种方法利用随机数来获得稳定的盈利。

那么伪随机数是否可以转化为真随机数呢?奇趣编程想到了一个办法,可以把伪随机数转化为真随机数,这样就可以各种各样的伪随机数都转化为真随机数来利用获取稳定盈利了。

有兴趣的朋友可以联系我一起研究。

奇趣编程|用统计宝数字规律分析器分分钟找出随机数规律

奇趣编程在多年的研究随机数经历中,积累了很多心得经验,写了很多算法,现在有一种想和大家分享的冲动,目前构思如下。

奇趣编程的研究方向,是把大数据加载到软件生成各种曲线图表,用图表的方式直观地观察分析,找出随机数的规律。

这个软件,名字大概会叫“统计宝”,永久免费、绿色、纯净、开源,让各位有兴趣研究随机数规律的朋友都能用上。

这个“统计宝”软件大概会有哪些功能呢?

1、加载指定数据文件的内容,截取、拆分指定部分数据加载进软件。

2、软件第一个图表,把加载进软件的数据原值以折线图显示。

3、根据数据原值,拆分出此数据段的十个数字,生成每个数字的曲线。

4、根据指定的某条曲线,生成K线图。

5、根据指定的某条曲线,生成MACD图。

6、根据指定的某条曲线,生成RSI图。

基本上就是像股市那种软件,方便大家用图表的方式直观地判断大数据的规律和漏洞。

如果有兴趣,或是有什么好的想法,可以联系我。

奇趣编程|用随机过程马尔可夫链连续推断抛硬币结果可行吗?

能不能根据当前抛硬币的结果来判断后面连续几次抛硬币的结果?奇趣编程认为,利用随机过程和马尔可夫链的知识,理论上是可以的。

什么是随机过程?随机过程就是一个随机的过程,比如抛硬币这次正面、下次反面、下下次正面、再下下次还是正面,这样的连续的、随机的过程,就是随机过程。那么,今天明天后天大后天下不下雨也是一个随机过程,股票市场的价格曲线也是一个随机过程,人的每天的吃喝拉撒也是一个随机过程。随机过程就是通过统计来对事物进行预测和处理。

什么是马尔可夫链?它也是一种随机过程,用生活中的事例来说明更好理解。比如说,小明每天有三个状态,吃饭、工作、睡觉,通过统计,可以得知不同的状态会分布在不同的时间段,比如说吃饭,大多都在早餐、中餐、晚餐时段,工作大多在工作时段,睡觉也是在大家都休息的时段,这些就是状态分布。

那么根据这个是否可以推断下个月某天某个时段小明是三个状态中的哪个状态?可以的,但得到的是一个概率解,而不是一个精确解,也就是各个状态的可能是多少。

比如说,下个月中午十二点三十分小明的状态,最有可能的状态是吃饭,然后是工作,因为有可能加班延迟,最后是睡觉,一般人很少在这个时间睡觉,即使是休息日也会在这个时间段起床吃饭。

也就是说,各个状态在各个时间段出现的概率基本是不变的,它不会随便转移,比如说,不会有人随便在工作时间睡觉,也不会有多少人会在工作时间吃饭,也很少有人在吃饭时间仍然在睡觉,这个叫做“时齐”。

如果我们知道了各个状态在时间段上的概率分布,即状态分布矩阵,那就可以根据这个概率分布来推断某天某个时段是什么状态了。实际上,马尔可夫链就是不同状态在不同时间段的概率分布。

更多关于概率推断的知识,请关注奇趣编程的其它内容。

奇趣编程|什么是随机事件?有什么用?怎么用?

奇趣编程今天和大家分享一下随机事件的相关知识。

什么是随机现象?抛硬币就是随机现象,因为它是在一定的条件下,每次得到的结果不同。

什么是样本空间?就是随机事件的所有结果的集合,比如你抛了一万次硬币,把每次抛的结果记录在表格上,这个表里的数据就是样本空间。

什么是随机事件?随机现象的某些样本点组成的集合就是随机事件,其中又分必然事件和不可能事件,比如抛硬币,出现正面或反面是必然事件,正反面同时出现是不可能事件。

什么是随机变量?用来表示随机国家气象局结果的变量,比如正面、反面。

事件间关系有哪些?包含关系、相等关系、互不相容三种关系。

事件怎么运算?合并、相交、相差、对立几种运算。

事件的运算有哪些性质?合并和相交满足结合率和交换率,分配律、对偶法则。

事件域是什么?含有必然事件,并关于对立运算和可列并去处都封闭的事件类就称之为事件域,离散样本空间和连续样本空间是常用的两个事件域。

奇趣编程|什么是概率推理有什么用?

在生活中,我们遇到问题时总是想得到一个简单的、确定的答案,但很多事情并没有精确解,而只能得到一个模糊解,这种模糊解就是概率性的解。

比如说,明天奇趣编程所在的地方会下雨吗?没有谁敢百分百的保证一定会下雨或不会下雨,但是根据气象局的各种数据,是可以推理判断明天下雨的可能性是多少的,很多人经常觉得天气预报不准确,事实也是如此,因为它本身就是一个概率解,而不是精确解。

根据不确定的信息来进行的推理得到概率解的过程,就是概率推理。

怎么提高概率推理的准确率呢?可以根据历史经验和专业知识,把问题量化、参数化,然后根据已知的变量来进行逻辑推理,从而确定某种结果的可能性,这个过程做得越细致越深入,概率推理的准确率就越高。

奇趣编程|在黑箱中摸到某种球的概率是多少?

今天奇趣编程和大家分享一个有趣的问题。

假设有一个黑箱,里面有无限多的黑球和白球,其中有40%是黑球,60%是白球,假如可以摸三次,现在摸出一个是白球,那剩下两次摸出黑球的概率是多少?

怎么计算?奇趣编程给大家详细讲解。

第一步,先列举出所有的可能性。一白二黑有三种排列组合情况“白黑黑、黑白黑、黑黑白”。

第二步,计算出每个排列组合情况出现的概率。

白黑黑的概率是 0.6×0.4×0.4=0.096

黑白黑的概率是 0.6×0.4×0.4=0.096

黑黑白的概率是 0.6×0.4×0.4=0.096

因此,P = 0.096 + 0.096 + 0.096 = 0.288。

根据二项分布公式,P = 排列组合的数量 × 该组合的概率。p 为成功概率。

奇趣编程|抛硬币与伯努利试验

抛硬币的结果是不是一种随机数结果?是。

抛硬币的结果有什么规律吗?有。

是什么规律?二项分布。

什么是二项分布?这和伯努利试验有关。

什么是伯努利试验?今天奇趣编程和大家分享一下。

伯努利试验是N次独立重复实验,是在同样的实验环境条件下重复、相互独立进行的随机试验。

伯努利试验有什么特点?

第一个特点,伯努利试验只有两种试验结果,事件发生或者没有发生,正或反,有或无。

第二个特点,伯努利试验中每种试验结果的概率是相同的,比如正反面的概率都是0.5。

第三个特点,N次试验的事件之间互相独立,即每次抛硬币是单独抛的,前后两次的结果不会影响到本次的结果。

实际上,在概率论和统计学中,伯努利试验研究的是“离散概率分布”,它在图形上所形成的曲线与正态分布近似。

现在,你打算用它来做什么呢?