Оптимальное f для других распределений и настраиваемых кривых

Существует много других способов, с помощью которых можно определить параметрическое оптимальное f. В предыдущей главе мы рассмотрели процедуру поиска оптимального f  для  нормально распределенных данных. Итак, у нас есть процедура, которая дает оптимальное f для любого нормально распределенного явления.

Та же процедура используется для поиска оптимального f в любом распределении, если существует функция распределения (подобные функции описаны для многих других распространенных распределений в приложении В).

Когда функции распределения не существует (т. е. когда функция плотности вероятности не интегрируется), оптимальное f можно найти с помощью численно- го метода, описанного в этой главе, приблизительно рассчитав функцию распре- деления.

Данная глава посвящена моделированию фактического распределения сделок с помощью регулируемого распределения, т. е. поиску функции и ее подходящих параметров, которые моделируют фактическую функцию плотности вероятности торговых P&L с двумя точками перегиба. Вы можете использовать уже известные функции и методы, например полиномиальную интерполяцию или экстраполяцию, интерполяцию и экстраполяцию рациональной функции (частные много- членов) или сплайн-интерполяцию.

После того как теоретическая функция найдена, можно определить ассоциированные вероятности тем же методом расчета интеграла, который использовался при поиске ассоциированных вероятностей регулируемого распределения, или рассчитать интеграл с помощью методов математического анализа.

Одна из целей этой книги — позволить трейдерам, использующим немеханические системы, применять те же методы управления счетом, что и трейдерам, использующим механические системы. Регулируемое распределение требует расчета параметров, они относятся к первым четырем моментам распределения.

Именно эти  моменты —  расположение, масштаб, асимметрия  и эксцесс — описывают распределение. Таким образом, любой трейдер, торгующий по немеханическому методу, например по волнам Эллиотта, может рассчитать параметры и получить оптимальное f и побочные продукты.

Эти методы могут лишить вас возможности посмотреть, что произойдет, если увеличится  эксцесс, изменится  асимметрия или  масштаб  и т. д. Наше регулируемое распределение является логичным выбором теоретической функции, которая хорошо описывает фактическое распределение, так как параметры не только задают моменты распределения, но и дают нам контроль над этими моментами при прогнозировании будущих изменений в распределении. Более того, рассчитать параметры рассматриваемого здесь регулируемого распределения легче, чем подогнать какую-либо произвольную функцию.