Xác suất của Chartlo là gì và nó hoạt động như thế nào

Đánh giá của các nhà môi giới tùy chọn nhị phân tốt nhất:
  • Binarium
    Binarium

    Các nhà môi giới tùy chọn nhị phân tốt nhất! Đào tạo miễn phí và tài khoản demo!
    Đăng ký tiền thưởng!

  • Binomo
    Binomo

    Vị trí thứ 2 trong bảng xếp hạng!

MattOption

Rất nhiều người hỏi tôi đầu tư như thế nào và tôi dựa vào đâu. Cách đây một thời gian, tôi đã đi đến kết luận rằng đầu tư ngắn hạn không gì khác hơn là tìm kiếm lợi thế trên thị trường và tận dụng xác suất. Mở rộng hoặc giữ vị trí trong tối đa vài giờ, tôi cố gắng không kết hợp và giới hạn các chỉ số ở mức tối thiểu, và về lâu dài tôi nhìn vào các khía cạnh kinh tế hơn là kỹ thuật.

Làm thế nào là kiểm tra xác suất?

Tiền đề rất đơn giản. Hệ thống đếm nến và so sánh chúng với dữ liệu lịch sử. Dựa trên các thông số này, nó xác định liệu chúng ta có nhiều khả năng tăng hay giảm. Điều quan trọng là kiểm tra dữ liệu càng rộng càng tốt, đó là lý do tại sao hệ thống đếm được vài nghìn tín hiệu lịch sử. Dữ liệu không được tính trung bình theo bất kỳ cách nào, mà chỉ trình bày các sự kiện khô khan.

Làm thế nào để cấu hình các tham số?

bước 1. Đăng nhập vào Chartlo.com

bước 2. Chọn cặp tiền bạn quan tâm

bước 3. Đi xuống phần “Trình mô phỏng”

Cấu hình bắt đầu từ đây. Ở đây bạn cần đặt các tham số mà bạn quan tâm. Mặc dù tôi thành thật thừa nhận rằng tốt nhất là luôn luôn hoạt động trong khoảng thời gian 1 vì thị trường ở quy mô lớn hơn hoạt động rất giống với sự khác biệt là có ít dữ liệu hơn về khoảng h1.

khoảng thời gian – chúng tôi chọn khoảng thời gian chúng tôi muốn hoạt động trên

Số nến – chúng tôi chọn bao nhiêu nến kết hợp bao gồm. Hệ thống sẽ kiểm tra tất cả các kết hợp có thể từ số lượng nến đã chọn

Đánh giá của các nhà môi giới tùy chọn nhị phân tốt nhất:
  • Binarium
    Binarium

    Các nhà môi giới tùy chọn nhị phân tốt nhất! Đào tạo miễn phí và tài khoản demo!
    Đăng ký tiền thưởng!

  • Binomo
    Binomo

    Vị trí thứ 2 trong bảng xếp hạng!

Thời gian hết hạn – khi hệ thống đếm tất cả các kết hợp có thể, nó sẽ kiểm tra nến sau mẫu tìm thấy. Nếu bạn đặt số lượng nến thành “3” và “thời gian hết hạn” thành “1” thì hệ thống sẽ so sánh tốc độ của nến thứ ba trong sơ đồ với nến đầu tiên sau lược đồ và kiểm tra xem giá đã tăng hay giảm trong thời gian này. Nếu giá tăng, nó được bao gồm trong “kết hợp tích cực” và nếu giảm, nó được bao gồm trong “kết hợp tiêu cực”.

Time – Chúng tôi xác định từ phạm vi nào hệ thống sẽ kiểm tra dữ liệu

Làm thế nào để sử dụng xác suất?

Khi chúng tôi đặt tất cả các tham số và nhấn nút “tạo”, chúng tôi sẽ tạo một bảng với tất cả các cấu hình và thông tin có thể cho dù một đội hình nhất định mang lại lợi thế lên hay xuống. Thông tin này có thể được sử dụng, ví dụ, ở các khoảng thời gian cao hơn để xác định hướng chúng ta sẽ chơi.

thiết lập – Giao diện cấu hình. Mũi tên tượng trưng cho nến tăng hoặc giảm

Số lần lặp lại – Tổng số tín hiệu đếm

Số kết hợp tích cực – số lượng tín hiệu cho kết quả “phát triển tăng trưởng”

Số kết hợp phủ định – số tín hiệu cho kết quả “phát khi giảm”

Hiệu suất phần trăm – Thông tin về tỷ lệ phần trăm trong đó tín hiệu “tăng” hoặc “giảm” xuất hiện.

Đối với chúng tôi, thông tin quan trọng nhất ở đây là “hiệu suất phần trăm” bởi vì cột này hiển thị thông tin nơi chúng tôi có lợi thế và chúng tôi nên chơi theo hướng nào sau khi xuất hiện một cấu hình cụ thể. Ví dụ: nếu chúng ta thấy những cây nến cuối cùng trong khoảng h1 được sắp xếp theo hệ thống “tăng, giảm, tăng” thì chúng ta có khả năng 54% rằng nến tiếp theo sẽ giảm xuống. Đây là lợi thế nhỏ của chúng tôi là giá trị sử dụng. Nhiều người kỳ vọng rằng xác suất đó mang lại lợi thế cho 30-40% so với thị trường, nhưng thật không may là không có điều đó. Thị trường rất ngẫu nhiên và bạn phải tận dụng những lợi thế nhỏ.

Những kết quả có thể thu được?

Đây không phải là Chén Thánh, nhưng với quyết tâm đúng đắn và kiến ​​thức nhất định về thị trường, bạn chủ yếu có thể kiếm được. Tất nhiên, không phải ai cũng sẽ kiếm được vì khía cạnh tâm lý cúi đầu phá hủy giao dịch viên. Nếu ai đó không thể đối phó với việc giữ một vị trí hoặc đưa ra quyết định phi lý để “chơi” trên thị trường, họ sẽ không trở thành một nhà giao dịch giỏi. Điều đó cũng tương tự với những người không thoát khỏi vị thế thua lỗ khi họ thấy rằng những gì họ đã lên kế hoạch chỉ không hoạt động.

Dưới đây là kết quả từ các tùy chọn nhị phân thu được bằng cách chơi theo bảng này. Tại sao các tùy chọn? Bởi vì xác suất là 50% và mọi thứ ở trên đây là lợi thế của chúng tôi. Trong vòng hai tháng, tôi đã có thể đạt được hiệu quả ở mức 60% mà tôi nghĩ là kết quả tốt. Tôi xin lỗi về chất lượng, nhưng không may Facebook nén hình ảnh mạnh mẽ và đây là nơi ảnh chụp màn hình này ban đầu xuất hiện. Tôi hy vọng rằng “lợi nhuận” và “lỗ” có thể thấy rõ.

[Xác Suất] Khái niệm cơ bản

Lý thuyết xác suất là công cụ cơ bản và là tiền đề cho học máy. Việc nắm được lý thuyết về xác suất là rất cần thiết để có thể dấn thân vào lĩnh vực này. Trong phần này, tôi sẽ viết lại các định nghĩa, lý thuyết cơ bản của xác suất thống kê.

Mục lục

1. Khái niệm xác suất

1.1. Phép thử và sự kiện

Phép thử là một thử nghiệm cho kết quả là một sự kiện (còn được gọi là biến cố – event). Ví dụ, tung một con xúc xắc 6 mặt được coi là một phép thử, kết quả thu được là là xuất hiện mặt 1 chấm, 2 chấm, … 6 chấm, và các kết quả này được gọi là các sự kiện thu được từ phép thử tung con xúc xắc.

Như vậy ta có thể phân sự kiện thành 3 dạng chính sau:

  • Sự kiện chắc chắc: là sự kiện luôn luôn xảy ra
  • Sự kiện bất khả: là sự kiện không bao giờ xảy ra
  • Sự kiện ngẫu nhiên: là sự kiện có thể xảy ra hoặc không

Các sự kiện trong cùng một phép thử có thể có những quan hệ chính sau:

Ở đây ta cần lưu ý rằng, các phép toán quan hệ của các sự kiện trên là giống như các phép toán trong đại số Boole, nên mọi tính chất và hệ quả của đại số Boole đều có thể áp dụng cho các sự kiện.

  • Giao hoán:
    • $A \cup B = B \cup A$
    • $A \cap B = B \cap A$
  • Kết hợp:
    • $A \cup (B \cup C) = (A \cup B) \cup C$
    • $A \cap (B \cap C) = (A \cap B) \cap C$
  • Phân phối:
    • $A \cap (B \cup C) = A \cap B \cup A \cap C$
    • $A \cup (B \cap C) = (A \cup B) \cap (A \cup C)$
  • Phần bù:

1.2. Định nghĩa xác suất

Tần số của một sự kiện $ A $ là tần số xuất hiện $ n_A $ của nó sau $ n $ lần thực hiện phép thử.

Định nghĩa xác suất theo định luật số lớn là giới hạn của tần số sự kiện khi số lần thử lên tới vô hạn.

Trên thực tế ta không đủ thời gian và điều kiện để thực hiện vô hạn số lần gieo phép thử và $ n $ đủ lớn thì tần số $ f_n(A) $ sẽ tiến tới một giá trị gần như không biến thiên nhiều nên người ta chọn giá trị xấp xỉ đó là xác suất: $ |P(A) – f_n(A)| Union of A and B. Source: https://en.wikipedia.org/wiki/Set_(mathematics)

Từ công thức trên ta có thể thấy rằng:

Dấu bằng đạt được khi tập sự kiện này xung khắc đôi một:

Nếu các sự kiện này tạo thành không gian sự kiện $ \Omega $ thì:

2.2. Xác suất có điều kiện

Là xác suất của một sự kiện xảy ra khi biết xác suất của sự kiện khác đã xảy ra. Xác suất của sự kiện $ A $ khi biết $ B $ đã xảy ra được kí hiệu là $ P(A|B) $. Công thức tính xác suất của $ A $ được xác định như sau:

Nếu $ A $ và $ B $ là độc lập, tức $ A $ không phụ thuộc vào $ B $ thì: $ P(A|B) = P(A) $ và $ P(B|A) = P(B) $.

Xác suất có điều kiện cũng có các tính chất hệt như xác suất thông thường:

2.3. Tích xác suất

Tích xác suất là xác suất của sự kiện giao. Từ công thức xác suất có điều kiện ta có thể tính được xác suất giao như sau:

Trường hợp tổng quát, cho $\, i = \overline<1,n>$ thì tích xác suất của chúng được tính như sau: $$P\Bigg(\bigcap_^nA_i\Bigg) = P(A_1)P(A_2|A_1)P(A_3|A_1A_2)…P(A_n|A_1A_2…A_)$$ Hay viết gọn thành: $$P\Bigg(\bigcap_^nA_i\Bigg) = \prod_^nP\Big(A_i|\bigcap_^A_j\Big)$$

Tích xác suất còn được gọi là quy tắc chuỗi xác suất bởi cách biểu diễn liên hoàn thành chuỗi như trên.

Nếu $\$ là độc lập từng đôi một thì ta có:

Do $0 \le P(A_i) \le 1$ nên xác suất của tích không thể nào lớn hơn xác suất thành phần được:

$$P\Bigg(\bigcap_^nA_i\Bigg) \le \min\Big(P(A_i)\Big)$$

2.4. Xác suất hậu nghiệm – Bayes

Từ công thức tính tích xác suất ta có suy luận sau:

Từ đó, ta có thể tính xác suất của $ A $ khi biết $ B $ như sau:

  • $ P(A|B) $: xác suất hậu nghiệm
  • $ P(A) $: xác suất tiền nghiệm
  • $ P(B) $: hằng số chuẩn hóa
  • $ P(B|A) $: khả năng (likelihood)

Trường hợp mở rộng, cho hệ xác suất tiền nghiệm $ \, i = \overline <1,n>$, với mỗi sự kiện $ B $ bất kì, vì $\displaystyle P\Big(\bigcup_^nA_i\Big) = 1 $ ta có:

$$ \begin P(B) &= P\Big(B\bigcup_^nA_i\Big) \cr \iff P(B) &= P\Big(\bigcup_^nBA_i\Big) \cr \iff P(B) &= \sum_^nP(BA_i) \cr \iff P(B) &= \sum_^nP(A_i)P(B|A_i) \end $$

Công thức trên được gọi là công thức xác suất đầy đủ. Nếu $ P(B) > 0 $ thì với bất kì $ A \in $, ta tính được xác suất của $ A $ sau khi quan sát $ B $ như sau:

2.5. Công thức Bec-nu-li (Bernoulli)

Một phép thử mà kết quả chỉ có 2 sự kiện là xảy ra $A$ với xác suất $P(A) = p$ hoặc không xảy ra $A$ với xác suất $P(\bar) = 1 – p = q$ được gọi là phép thử Bec-nu-li. Khi đó xác suất để xảy ra sự kiện $A$ đúng $k$ lần được tính bằng công thức Bec-nu-li như sau:

Chứng minh: Đặt $B$ là sự kiện mà $A$ xảy ra đúng $k$ lần. Vì ta không quan tâm tới thứ tự xảy ra của các sự kiện $A$ nên ta có cả thảy là $\dbinom$ kết quả. Hay nói cách khác $B$ là tổng của $\dbinom$ sự kiện. Vì các kết quả này là độc lập với nhau nên ta có thể biểu diễn $P(B)$ như sau: $$P(B) = \dbinomP(B_0)$$ Trong đó, $B_0$ là sự kiện mà $A$ xảy ra đúng $k$ lần và $\bar$ xảy ra $n-k$ lần. Do 2 sự kiện này là độc lập nên ta có $P(B_0) = P(A_k)P(\bar)$. Ngoài ra, do $A$ xảy ra $k$ lần nên: $P(A_k) = p^k$, còn $\bar A$ xảy ra $n-k$ lần nên: $P(\bar)=q^$. Như vậy $P(B_0) = p^kq^$. Thế $P(B_0)$ vào công thức phía trên ta sẽ có: $$P(B)=\dbinomp^kq^$$

Dễ thấy rằng để $A$ xảy ra trong khoảng $[k_1, k_2]$ lần thì xác suất sẽ là tổng của từng xác suất thành phần: $$ \begin P(A;k_1,k_2) &= \sum_^P(A^k) \cr \ &=\sum_^\dbinomp^kq^ \end $$

Phép thử Bec-nu-li được sử dụng rất rộng rãi trong thực tế, ví dụ như bài toán phân lớp nhị phân (chỉ có 2 nhãn) thì ta có thể sử dụng công thức này để tính khả năng có bao nhiêu phân tử thuộc vào 1 nhãn nào đó.

3. Kết luận

Bài này đã trình bày cơ bản về các khái niệm xác suất, cách tính tổng, tích, xác suất có điều kiện và đặc biệt là công thức tính xác suất hậu nghiệm Bayes. Trong bài viết tới chúng ta sẽ cùng xem các khái niệm xác suất với biến ngẫu nhiên cùng với một số mô hình xác suất phổ biến. Các mô hình xác suất này là nền mỏng của các bài toán học máy. Còn bây giờ, nếu có thắc mắc hay góp ý gì thì đừng quên để lại bình luận phía dưới cho mình nhé!

Đầu tư tiền vào đâu
Trả lời

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: