Diskussion zum Artikel "Die praktische Anwendung von Korrelationen im Handel" - Seite 2
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
ALEXANDER FEDOSOV: Суть любой торговли, так или иначе сводится к тому, что приходится прогнозировать дальнейшее развитие событий на рынке и потенциальная прибыль сильно зависит от успешности прогноза.
Ichbin da ganzanderer Meinung. Es gibt Handelssysteme, die keine Prognosen erstellen, sondern die statistischen Eigenschaften einer bestimmten Finanzreihe oder einer Reihe von Finanzreihen ausnutzen.
Woher kommt dann diese Schlussfolgerung -"Man nehme einen Trendabschnitt, markiere ihn mit Zahlen in der Reihenfolge (monotone Funktion) und suche die Korrelation zwischen ihnen"?
In Abbildung 1 haben wir nur eine Zeile, und in der Berechnungstabelle, wenn Sie sie wiederholen, können Sie sehen, dass wir die Pearson-Korrelation zwischen den Schlusskursen und der numerischen Zeile zählen, die nur aus nummerierten Kerzen besteht. Das ist generell etwas seltsam, und es sieht nicht nach Autokorrelation und Rangkorrelation wie in China aus.
Weiterhin werden 4 Arten von Korrelation betrachtet, und es scheint mir, dass man nicht versteht, wann und wo man jede von ihnen anwendet.
Weiterhin gibt es keinen solchen Abschnitt zur Datenvorbereitung.
Weiter in den Antworten gibt es etwas Sarkasmus über Gurus, die raten können, die Korrelation aus der ersten Differenz zu berechnen - das ist alles machbar, die Frage ist nur, wann man die erste Differenz nimmt, wann die zweite, wann man die Ausgangsdaten nimmt und wann man sie in eine andere Dimension bringt, usw. - das alles fehlt. Folglich ist der Artikel für Anfänger gedacht, und für diese gibt es nichts.
Ich greife Sie nicht persönlich an, Sie scheinen einen guten Kopf zu haben, aber der Artikel ist unglücklich.
In Abbildung 1 haben wir nur eine Zeile, dann in der Tabelle der Berechnungen, wenn Sie sie wiederholen, können Sie sehen, dass wir den Pearson zwischen den Schlusskursen und der numerischen Reihe, die nur nummerierte Kerzenständer ist zählen. Dies ist etwas seltsam im Allgemeinen, und es sieht nicht wie Autokorrelation und Rangkorrelation wie aus China.
Dann betrachten wir so viele wie 4 Arten von Korrelation und es scheint mir, ohne zu verstehen, wann und wo jeder von ihnen anzuwenden.
Vor etwa 10 Jahren waren die Indikatoren von Jurick (wenn ich mich an den Namen des Autors richtig erinnere) sehr beliebt. Sie kosteten Geld und waren sehr geheim. Doch dann fanden einige schlaue Leute heraus, dass einer von ihnen auf dem Spearmanschen Korrelationskoeffizienten basierte. Die anderen basierten auf digitalen Filtern. Viele komplexe Dinge beruhen also auf "einfacher" Mathematik, die sogar auf Strichzahlen angewendet wird.
Vor etwa 10 Jahren waren die Jurick-Indikatoren (wenn ich mich an die richtige Schreibweise des Namens des Autors erinnere) sehr beliebt. Sie kosteten Geld und waren sehr geheim. Aber dann fanden einige schlaue Leute heraus, dass einer von ihnen auf dem Spearmanschen Korrelationskoeffizienten basierte. Die anderen basierten auf digitalen Filtern. Viele komplexe Dinge beruhen also auf "einfacher" Mathematik, die sogar auf Strichzahlen angewendet wird.
Ich bin auch immer für Einfachheit, aber das bedeutet nicht, dass man Katzen und Hunde kreuzen kann.
..... wird jemand kommen und sagen, dass eine solche Kreuzung manchmal auch in der Natur vorkommt :)
In Abbildung 1 haben wir nur eine Zeile, dann in der Tabelle der Berechnungen, wenn Sie sie wiederholen, können Sie sehen, dass wir den Pearson zwischen den Schlusskursen und der numerischen Reihe, die nur nummerierte Kerzenständer ist, zählen. Das ist generell etwas seltsam, und es sieht nicht nach Autokorrelation und Rangkorrelation wie in China aus.
Weiterhin werden 4 Arten von Korrelation betrachtet, und es scheint mir, dass man nicht versteht, wann und wo man jede von ihnen anwendet.
Weiterhin gibt es keinen solchen Abschnitt zur Datenvorbereitung.
Weiter in den Antworten gibt es etwas Sarkasmus über Gurus, die raten können, die Korrelation aus der ersten Differenz zu berechnen - das ist alles machbar, die Frage ist nur, wann man die erste Differenz nimmt, wann die zweite, wann man die Ausgangsdaten nimmt und wann man sie in eine andere Dimension bringt, usw. - das alles fehlt. Folglich ist der Artikel für Anfänger gedacht, und für diese gibt es nichts.
Ich greife Sie nicht persönlich an, Sie scheinen einen guten Kopf zu haben, aber der Artikel ist ein Fehlschlag.
Korrelation zwischen dem Preis und der schrägen Linie. Das ist eine seit Jahrhunderten bekannte Standardanwendung der Korrelation, denn dafür ist sie ja da - um etwas mit etwas zu vergleichen. Wenn der Preis steigt - positive Korrelation, wenn er fällt - negative Korrelation. Im Ergebnis erweist sie sich als eine Art Oszillator.
Die Hauptsache ist, dass es Funktionen zur Berechnung verschiedener Korrelationsmethoden gibt, und wer sie braucht, wird sie nach seinen Bedürfnissen verfeinern. Theoretisieren macht keinen Sinn.
Korrelation zwischen Preis und schräger Linie.....
Aha, das ist dasselbe wie die Korrelation zwischen linkem und rechtem Auge zu betrachten....und manchmal ist sie gebrochen.
Und wenn man eine abfallende Linie nimmt, dann im selben Koordinatensystem, in dem auch die digitalen Serien liegen. Im Allgemeinen, wie Sie selbst geschrieben haben, hat es keinen Sinn, zu theoretisieren.
Aha, das ist dasselbe wie die Korrelation zwischen dem linken und dem rechten Auge zu betrachten....und manchmal ist sie gebrochen.
Und wenn man eine schräge Linie nimmt, dann im selben Koordinatensystem, in dem die digitale Reihe. Im Allgemeinen, wie Sie selbst schrieb, gibt es keinen Sinn in Theorien.
Die Korrelation für die Berechnung erfordert keine Normalisierung der Daten.
Die Korrelationsberechnung erfordert keine Normalisierung der Daten.
Sie setzt voraus, dass die Daten normalverteilt sind.
es erfordert, dass die Daten normal verteilt sind.
Das ist sicherlich nicht erforderlich.