Я полагаю, что знание формы распределения поможет оптимизировать размеры SL и TP. Сейчас как раз активно этим занимаюсь. Что получится расскажу...

Комментарий к 11

Если сетка прогнозирует, например, приращение цены на шаг вперед, то очевидно, что число, крое мы видим на выходе - это наиболее вероятное, наиболее ожидаемое значение. Соответсвенно любое отклонение, как в право, так и влево от прогнозного значения будет характеризоваться меньшей вероятностью. В принципе можно построить некое колокол-образное распределение по типу нормального. Т.е. сеть будет на выходе давать распределение вероятностей - это исчерпывающая информация, крую мы можем иметь. Из этого распределения мы можем получить как частные случаи точечный прогноз (самое ожидаемое значение), интервальный прогноз (вероятность того, что приращение будет находится в таком-то интервале) и т.д. Как конкретно этого добится, пока не могу сказать - пока всерьез этим не интересовался. Но если уж мы добьемся от сеток положительных результатов, то это вопрос необходимо будет изучить, поскольку знание распределения позволит проводить более эффективный риск-менеджмент и т.п.

Вспомнил. Как то меня спрашивали (кажется в этой ветке): почему собственно стандартное отклонение (корень из дисперсии), а не среднее абсолютное отклоение как мера рассеяния? Так вот: дисперсия (ст.откл.) обладает многими приятными свойствами, крыми абс. откл. не обладает, напр.: S(X*k)=k*S(X), т.е. если случ. величина умножается на константу, то и её стандартное откл. растет вос только же раз. Или ещё: V(X+Y)=V(X)+V(Y), т.е. дисперсия суммы двух случ. величин равна сумме их индивидуальных дисперсий. Эта формула важна при выборе оптимального портфеля. Правда, она годится только для независимых (некоррелированных) активов, но её можно довольно просто обобщить и на случай инструментов с корреляцией.
Так вот: среднее абс. откл. такими приятными свойствами не обладает, поэтому его реже и используют.

Это замечательно, ждемс. Даешь брейнсторминг на форуме!