Abhängigkeitsstatistik in Anführungszeichen (Informationstheorie, Korrelation und andere Methoden der Merkmalsauswahl) - Seite 72
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
Genau, das ist genau richtig. Der ACF ist nutzlos.
Die gegenseitige Information sollte jedoch gleich sein, da es selbst bei einem Abstand von Hunderten von Balken kein Zeichen von Null gibt.
Bitte senden Sie mir Ihre Ergebnisse - wie Sie sie berechnet haben, welche Daten Sie verwendet haben usw.
Ich möchte, dass Sie mir die Ergebnisse übermitteln - wie Sie sie berechnet haben, welche Daten Sie verwendet haben usw.
Ich habe die Mitbringsel nicht gezählt. Ich habe andere Dinge - Statistiken. Das Chi-Quadrat-Kriterium für die Beziehung zwischen Datenreihen. Ich werde sie später veröffentlichen. Ich werde es erklären müssen, um es klar zu machen.
In der Tat kommt dies dem, was der Namensvetter tut, sehr nahe. Auch die Formeln sind dort sehr ähnlich.
Das Maximum darf 2.098 Bit betragen. Dies ist die durchschnittliche Information dieser speziellen Datenreihe. Wenn z. B. ein Balken mit Verzögerung 1 einen Null-Balken vollständig bestimmt, beträgt ihre gegenseitige Information 2,098 Bit.
Was ist das für eine Nummer? Es ist ein Maß an Information ) Sie müssen Artikel über TI lesen. Kurz gesagt, spiegeln die Bits ein Maß für die Zufälligkeit der Werte der Datenquelle wider, indem die Eigeninformationsformel eines bestimmten Wertes verwendet wird
I(X) = - log(P(x))*P(x).
Ein weiteres Beispiel. Wir werfen eine Münze und zählen die gegenseitigen Informationen zwischen zwei aufeinanderfolgenden Ereignissen. Durch die Formeln, die ich in meinem Artikel übersetzt habe, erhalten wir, dass die gegenseitige Information I(X;Y) = 0 ist. Und wenn ein Wurf mit "Zahl" genau auf einen nachfolgenden Wurf mit "Zahl" (oder "Kopf") hindeutet, dann wäre I(X;Y) gleich 1 - dies ist die durchschnittliche Information der Datenquelle "faire Münze".
Alexey, auch ich verwende gegenseitige Informationen, um sinnvolle Eingaben für ein neuronales Netz auszuwählen. Normalerweise erhalte ich Modelle mit einer Vorhersagbarkeit von 52 bis 54 %. Meines Erachtens werden brauchbare Ergebnisse erzielt, wenn die gegenseitige Information > 0,1 Bit ist. Für die Volatilität ist es möglich, solche signifikanten Inputs zu finden.
Mir ist klar, dass meine Beiträge in diesem Thema an der Grenze zum Unanständigen, fast schon zum Off-Topic stehen.
Auf die Fünf, hrenfx.
Die Beiträge sind in Ordnung, ganz beim Thema. Auch gerade an der Anwendbarkeit von TI auf das Thema haben einige Zweifel.
- Dass es irgendeine Invarianz bei der Änderung des Maßstabs gibt, verstehe ich leider nicht. Unter Invarianz verstehe ich das Vorhandensein eines Skalierungsfaktors (im allgemeinen Fall kann es sich um eine beliebige Zahl oder Funktion handeln), bei dessen Multiplikation wir ein neues Muster mit einem anderen Maßstab erhalten. Das heißt, die affine Transformation, die die Strukturiertheit eines chaotischen Datenflusses zum Ausdruck bringt. Das Problem besteht nun darin, einen solchen Koeffizienten zu finden. Wenn ein Muster gefunden wird, wird es einfach mit diesem Koeffizienten multipliziert. Und eine solche Transformation funktioniert sowohl "nach oben" als auch "nach unten". Und das ist alles.
Gut, ich habe zu viel von Fraktalität gesprochen. Sie ist da, aber sie ist nicht perfekt. Genauer gesagt, ist die fraktale Invarianz nicht perfekt.
- wenn Sie die Beziehung zwischen den beiden Größen untersuchen.
- warum dies so ist, was diese Aussage verursacht
Welche Aussage - ich verstehe sie nicht.
- Warum zwei, und nicht drei-fünf-dreißig
- Welche beiden Werte?
Hier wird es deutlicher.
1. Zwei, denn wir nehmen eine bedingte Quelle und einen bedingten Empfänger und versuchen herauszufinden, ob es eine Abhängigkeit zwischen ihnen gibt.
Wir stellen ein Alphabet auf (ich unterteile die Verteilung der Renditen in Quantile, das ist für mich bequemer; der Namensvetter macht es ein bisschen anders, aber es beeinflusst das Ergebnis nicht sehr), wenden TI an. Es bestehen einige Zweifel bezüglich des Kommunikationskanals. Vielleicht ist die Zeit der Kommunikationskanal.
Wenn wir die Differenz zwischen den Balken (die Zahlen werden im MT4 berechnet) auf, sagen wir, 238 festlegen, dann ist die Quelle die Reihe
return(Bars-1), return(Bars-2), ... return(238) (etwa 80 000 Werte bei 12 Jahren Beobachtungszeit)
Der Empfänger ist eine Reihe von
return(Bars-1 - 238), return(Bars-2 - 238), ... zurück(0).
Kurz gesagt, nur eine Reihe von Renditen und das gleiche, relativ zu sich selbst um 238 verschoben.
Sie können den ACF berechnen. Er wird mit ziemlicher Sicherheit gleich Null sein oder statistisch gesehen nur unwesentlich davon abweichen. Nun ja, es gibt keine signifikanten linearen Beziehungen zwischen diesen Reihen, alles trivial, kein Fisch.
Aber wir Alexianer zählen nicht die ACFs, sondern die nicht-linearen Abhängigkeiten - und zwar alle Abhängigkeiten. Dafür ist die gemeinsame Verteilung dieser beiden Größen gedacht. Wir haben sie. (Übrigens wird er auch für die Berechnung des ACF benötigt, was meist übersehen wird).
Der Namensgeber packte sofort den Stier bei den Hörnern und zählte die gegenseitigen Informationen dieser beiden Reihen.
Ich habe den Chi-Quadrat-Test auf die Beziehung zwischen den beiden Zufallsvariablen ausgewertet.
Die Ergebnisse sind sehr ähnlich.
- Die gemeinsame Verteilung der beiden Größen stellt eine Fläche dar. Ziehen wir zu einer anderen Rayelnost?
Wir sind schon seit geraumer Zeit dabei, nur ist es nicht jedem bewusst.
Bislang ist das alles nur ein Projekt für eine Angelrute, es ist gar kein Fisch.
Die einzige Möglichkeit, die Effizienz des Marktes zu überprüfen, besteht darin, sie selbst zu überprüfen, sonst bleibt sie auf der Ebene von "glauben Sie es oder nicht". Ich kann es nicht besser sagen, als ich es bereits getan habe:
Ich hoffe, ich irre mich, aber Ihre "magischen Flecken" sind eher in meinem Kopf, der TS nach Kanälen ist dem TS nach Intuition sehr ähnlich, hier eine unerfüllte Prognose
Ich "twist" die Ebenen mit verschiedenen Builds, ich sehe sie arbeiten 50/50 in der vorgeschlagenen TS mit sehr ähnlichen Ergebnissen, ich vermute, dass selbst wenn ich ein Jahrzehnt der Preisbewegung, werden sie auf die Geschichte oder in naher Zukunft zusammenfallen
Igor, ich neige nicht dazu, jemanden oder etwas zu idealisieren. Aber ich sagte bereits
- Es handelt sich nicht um TS, sondern um Modelle von Marktbewegungen. Sie müssen selbst eine TS auf der Grundlage dieser Daten erstellen.
- Der Autor hat sich IMMER gegen Prognosen ausgesprochen. Die Essenz seiner Arbeit lässt sich in einem Satz zusammenfassen: "Bounce, go to the previous one, breakthrough - go to the next one".
- Soweit ich sehe, handelt es sich nicht um eine Vorhersage, sondern um ein mögliches Ziel, auf das ich mich persönlich nicht konzentriert habe.
- Sie suchen nach Schwachstellen, ohne zu versuchen, den Vorschlägen auf den Grund zu gehen. Ich verstehe Ihre Skepsis, aber Sie haben mit dem falschen Fuß angefangen. Versuchen Sie zunächst, die Regeln und das Wesen der Konstruktionen zu verstehen. Um es für Sie einfacher zu machen, ist Vadims Kanal die gleiche Kerze, aber ohne Bezug zur TF.
Die TAdv postuliert die Bewegungsentwicklung anhand von sechs Kontrollpunkten. Der Kanal ist der Punkt 1 und 2 des Tadp. Swing ist Punkt 1,2,3 von Tadv. Beachten Sie, dass weder Jan, der einer der Autoren von TAdv ist, noch Vadim, der Autor von V-Channels und V-Swings, irgendetwas beweisen oder überzeugen, hier nur in streng definierten Fällen auftauchen und niemanden um etwas bitten oder für etwas werben. Sie missachten und verhalten sich nicht korrekt. Ist sie nicht ein Indikator für Überzeugung und innere Stärke? Sie helfen einfach selbstlos und teilen ihre Entwicklungen. TAdv wurde vor mehr als 10 Jahren vorgestellt, VKanals und Vsvings, ich fürchte zu lügen, etwa 7, haben sich im Laufe der Zeit bewährt und haben eine große Anhängerschaft. Die einzige Möglichkeit, die Wirksamkeit zu testen, ist, sich selbst damit zu befassen und zu prüfen, ob es funktioniert. Andernfalls bleibt es auf der Ebene von "glauben Sie es oder nicht".
Viel Glück!
Alexey, auch ich verwende die gegenseitige Information, um sinnvolle Eingaben für ein neuronales Netz auszuwählen. Normalerweise erhalte ich Modelle mit einer Vorhersagbarkeit der Renditen von 52 bis 54 %. Ich habe den Eindruck, dass gute Ergebnisse erzielt werden, wenn die gegenseitige Information > 0,1 Bit ist. Für die Volatilität ist es möglich, solche signifikanten Inputs zu finden.
Schön, dass sich jemand meldet, der auch gelernt hat, wie man TI auf das Problem der Auswahl signifikanter Variablen anwendet.
Nur Ihr Ratschlag ist ein bisschen unvollständig oder so. Es ist einfach so, dass die durchschnittlichen Informationen einer Datenquelle unterschiedlich sein können. Der Schwellenwert für eine sinnvolle gegenseitige Information wird auch davon abhängen. Wie hoch ist Ihr durchschnittlicher Informationsfluss H(X)?
Auf einer Fünf - hrenfx.
Die Beiträge sind in Ordnung, ganz richtig. Abgesehen von der Anwendbarkeit von TI auf das Thema, haben einige hier Zweifel.
Na gut, sei's drum, mit der Fraktalität habe ich es übertrieben. Es gibt sie, aber sie ist nicht ideal. Genauer gesagt, ist die fraktale Invarianz nicht ideal.
Welche Aussage - das verstehe ich nicht.
Hier wird es deutlicher.
1. Zwei, denn wir nehmen eine bedingte Quelle und einen bedingten Empfänger und versuchen herauszufinden, ob es eine Abhängigkeit zwischen ihnen gibt.
Wir stellen ein Alphabet auf (ich unterteile die Verteilung der Renditen in Quantile, das ist für mich bequemer; mein Namensvetter macht das ein bisschen anders, aber das hat keinen großen Einfluss auf das Ergebnis), wenden TI an. Es bestehen einige Zweifel bezüglich des Kommunikationskanals. Vielleicht ist die Zeit der Kommunikationskanal.
Wenn wir die Differenz zwischen den Balken (die Zahlen werden im MT4 berechnet) auf, sagen wir, 238, - festlegen, dann ist die Quelle die Serie
return(Bars-1), return(Bars-2), ... return(238) (etwa 80 000 Werte in 12 Jahren)
Der Empfänger ist eine Reihe von
return(Bars-1 - 238), return(Bars-2 - 238), ... zurück(0).
Kurz gesagt, nur eine Reihe von Renditen und das gleiche, relativ zu sich selbst um 238 verschoben.
Es ist möglich, den ACF zu berechnen. Er wird mit ziemlicher Sicherheit gleich Null sein oder statistisch gesehen nur unwesentlich davon abweichen. Nun ja, es gibt keine signifikanten linearen Beziehungen zwischen diesen Reihen, alles trivial, kein Fisch.
Aber wir Alexianer zählen nicht die ACFs, sondern die nicht-linearen Abhängigkeiten - und zwar alle Abhängigkeiten. Dafür ist die gemeinsame Verteilung dieser beiden Größen gedacht. Wir haben sie. (Übrigens wird sie auch für die Berechnung des ACF benötigt, nur versteht das nicht jeder!)
Tezka hat den Stier sofort bei den Hörnern gepackt und berechnet die gegenseitige Information dieser beiden Reihen.
Ich habe einen Chi-Quadrat-Test für die Beziehung zwischen zwei Zufallsvariablen ausgewertet.
Die Ergebnisse sind sehr ähnlich.
Ja, wir sind schon lange dabei, nur versteht das nicht jeder.
All dies und es gibt bisher nur eine Zugrute, es ist überhaupt kein Fisch.
Danke, Alexey, jetzt ist alles klar.
Im Zusammenhang mit diesem Problem sind die Eigenschaften des Kommunikationskanals absolut irrelevant, sie werden automatisch über die Informationsentropie berücksichtigt.
Hmmm, die Erfahrung war ein Erfolg, mein Beitrag war für etwa 5 Minuten im Thread, aber er wurde sogar blockiert, und zwar nicht von lokalen Stammgästen
Was war die Erfahrung?
Aber wir, Alexej, zählen nicht die ACFs, sondern die nichtlinearen Abhängigkeiten - jegliche Abhängigkeiten. Dafür ist die gemeinsame Verteilung der beiden Größen gedacht. Wir haben sie. (Übrigens wird er auch für die Berechnung des ACF benötigt.
Gut gesagt! Wir, Alexej, sind für die Ineffizienz des Marktes. Und wir haben bereits praktische Ergebnisse, die dies zeigen, allerdings unsichtbar durch das Prisma des klassischen statistisch-ökonometrischen Ansatzes.