3. Lassen Sie mich das näher erläutern. Sie haben eine Autokorrelationsformel für eine normalverteilte Zeitreihe von Zufallsvariablen angegeben. Die Standardabweichung ist nur bei einer Gaußschen Verteilung ein gutes Kriterium für den Mittelwert. Im allgemeinen Fall von Preisreihen ist die Standardabweichung nicht nur nicht das beste Kriterium für die Optimalität des sogenannten Erwartungswerts, sondern führt zu einem falschen Kriterium. Das ist der Grund, warum im Handel die Masken (MA) entweder funktionieren oder überhaupt nicht funktionieren.
Bevor ich sie veröffentlicht habe, habe ich alle Berechnungen sorgfältig überprüft. Ich kenne drei Möglichkeiten, den ACF zu berechnen. Alle drei sind unten im Screenshot und in der Matcadet-Datei (im Anhang) dargestellt. Die Ergebnisse der Berechnungen sind bei allen drei Methoden gleich. Wenn Sie eine korrektere Berechnung des ACF kennen, teilen Sie uns bitte die Formel mit. Ich habe nur die dritte Art der Berechnung, die in der Kopfform, in den Bais-Code aufgenommen. Und als ich den Code portiert habe, habe ich einen Fehler in MQL entdeckt und eine perfektere Variante der linearen Regressionsberechnung vorgeschlagenhttps://www.mql5.com/ru/forum/107017/page6
Wenn Sie GENAU WISSEN, dass Ihre Zufallsvariable normal verteilt ist, handelt es sich um Autokorrelationsmethoden. Nur dann liefern diese Formeln eine mehr oder weniger zuverlässige Schätzung der "Autokorrelation", der statistischen Wiederholbarkeit einer Reihe. Für eine grobe Schätzung (des Grades der Wiederholbarkeit der Reihe oder der fehlenden Wiederholbarkeit in den Residuen des Modells, wenn man eine Reihe davon subtrahiert, d. h. um die Gültigkeit des Modells zu überprüfen - wie bei ARIMA oder etwas anderem) können sie sicherlich verwendet werden (außer allen Arten von Fourier). Bei stark veränderlichen Systemen ergeben diese Methoden jedoch einen großen Fehler. Aber wie groß ist dieser Fehler und ist der Fehler akzeptabel für den Handel mit 1:100 Leverage und 1-2% Volatilität pro Tag?
Wenn die Verteilung einer Zufallsvariablen unbekannt ist (Preisreihen), dann MUSS man andere, komplexere nichtparametrische (rangierte, gereihte) Methoden zur Berechnung von Korrelationen (und Autokorrelationen) anwenden.
Sie werden in den Sozialwissenschaften oft für "Korrelationen" verwendet, weil man dort schon lange weiß, dass die technischen Methoden der "mean-square"-Theoretiker dort einfach dummerweise nicht funktionieren. Für diese Leute gibt es sogar ein spezielles nicht-parametrisches Statistikpaket namens SPSS.
In der Statistik hat der Begriff nichtparametrische Statistik mindestens zwei verschiedene Bedeutungen:
Die erste Bedeutung des Begriffs " nichtparametrisch " umfasst Techniken, die nicht auf Daten beruhen, die einer bestimmten Verteilung angehören. Dazu gehören u. a.:
nichtparametrische Statistiken (im Sinne einer Statistik über Daten, die als eine Funktion auf einer Stichprobe definiert ist, die nicht von einem Parameter abhängt), deren Interpretation nicht davon abhängt, ob die Grundgesamtheit irgendwelchen parametrisierten Verteilungen entspricht. Statistiken, die auf der Rangfolge von Beobachtungen basieren, sind ein Beispiel für solche Statistiken und spielen eine zentrale Rolle in vielen nichtparametrischen Ansätzen.
Die zweite Bedeutung des Begriffs " nichtparametrisch " umfasst Techniken, die nicht davon ausgehen, dass die Struktur eines Modells fest ist. In der Regel wächst das Modell mit der Komplexität der Daten. Bei diesen Techniken wird in der Regel davon ausgegangen, dass die einzelnen Variablen parametrischen Verteilungen unterliegen, und es werden auch Annahmen über die Art der Verbindungen zwischen den Variablen getroffen. Zu diesen Techniken gehören unter anderem:
nichtparametrische Regression, d. h. eine Modellierung, bei der die Struktur der Beziehung zwischen den Variablen nicht parametrisch behandelt wird, bei der aber dennoch parametrische Annahmen über die Verteilung der Modellresiduen bestehen können.
nicht-parametrische hierarchische Bayes'sche Modelle, wie z. B. Modelle auf der Grundlage des Dirichlet-Prozesses, bei denen die Anzahl der latenten Variablen nach Bedarf erhöht werden kann, um die Daten anzupassen, bei denen die einzelnen Variablen jedoch weiterhin parametrischen Verteilungen folgen und sogar der Prozess, der die Wachstumsrate der latenten Variablen steuert, einer parametrischen Verteilung folgt.
Sie werden in den Sozialwissenschaften häufig für "Korrelationen" verwendet, weil dort seit langem bekannt ist, dass die technischen Methoden der "Mittelwertquadrat-Theorie" dort einfach nicht funktionieren. Es gibt sogar ein spezielles Paket nicht-parametrischer Statistiken für diese Personen
Wenn die Verteilung einer Zufallsvariablen unbekannt ist (Preisreihen), dann MÜSSEN andere, komplexere nichtparametrische (rangierte, gereihte) Methoden zur Berechnung von Korrelationen (und Autokorrelationen) angewandt werden.
Herr Professor! (am letzten Pult streckt ein Student zaghaft die Hand aus) Wie kann die Korrelation Ihnen helfen, an der Börse Geld zu verdienen? Die Korrelation zwischen dem Dollar-Index und dem Euro beträgt -0,98. Was sollen wir tun? Den Euro verkaufen? Den Dollar-Index kaufen?
C-4: Herr Professor! (die Hand eines Schülers streckt sich zaghaft nach dem letzten Pult aus) Wie kann die Korrelation dazu beitragen, Geld auf dem Markt zu verdienen? Die Korrelation zwischen dem Dollar-Index und dem Euro beträgt -0,98. Was sollen wir tun? Den Euro verkaufen? Den Dollar-Index kaufen?
Ich habe nicht die geringste Ahnung. Ich weiß nicht, wie eine von einer unbekannten Person berechnete "Korrelation" mit der illegalen Währung "Euro" dazu beitragen kann, in einem unbekannten, nicht näher bezeichneten Handelssystem "Geld auf dem Markt zu verdienen".
Ich habe nicht die geringste Ahnung. Ich weiß nicht, wie die "Korrelation" mit der illegalen Währung "Euro", die von niemandem berechnet wird, in einem unbekannten, nicht spezifizierten Handelssystem dazu beitragen kann, "Geld auf dem Markt zu verdienen".
Die Wissenschaft der Statistik prüft Hypothesen.
Herr Professor, bringen Sie mir wenigstens bei, wie ich nur mit "legalen" Währungen umgehen soll. Woran erkennt man den Unterschied zwischen einer illegalen Währung vom Typ "Euro" und einer illegalen Währung?
Wie kann die Korrelation dazu beitragen, Geld auf dem Markt zu verdienen?
Es gibt einen Artikel von Statistical Carry Trading darüber, wie man mit positiven Swaps unter Verwendung von Korrelationen Geld verdienen kann.
In der Theorie nichts Kompliziertes oder Abstruses. Und auch der Screenshot zum Artikel zeichnet die Antwort auf die Frage, "wo das Geld liegt".
Ein weiterer Punkt ist, dass Korrelationen ihr Vorzeichen in das genaue Gegenteil ändern können und man dann statt eines Gewinns einen Verlust erleidet.
Einfach ausgedrückt, die Lösung des einen Problems zieht ein anderes Problem nach sich: "Wie kann ich das Vorzeichen der Korrelation vorhersagen?
3. Lassen Sie mich das näher erläutern. Sie haben eine Autokorrelationsformel für eine normalverteilte Zeitreihe von Zufallsvariablen angegeben. Die Standardabweichung ist nur bei einer Gaußschen Verteilung ein gutes Kriterium für den Mittelwert. Im allgemeinen Fall von Preisreihen ist die Standardabweichung nicht nur nicht das beste Kriterium für die Optimalität des sogenannten Erwartungswerts, sondern führt zu einem falschen Kriterium. Das ist der Grund, warum im Handel die Masken (MA) entweder funktionieren oder überhaupt nicht funktionieren.
Bevor ich sie veröffentlicht habe, habe ich alle Berechnungen sorgfältig überprüft. Ich kenne drei Möglichkeiten, den ACF zu berechnen. Alle drei sind unten im Screenshot und in der Matcadet-Datei (im Anhang) dargestellt. Die Ergebnisse der Berechnungen sind bei allen drei Methoden gleich. Wenn Sie eine korrektere Berechnung des ACF kennen, teilen Sie uns bitte die Formel mit. Ich habe nur die dritte Art der Berechnung, die in der Kopfform, in den Bais-Code aufgenommen. Und als ich den Code portiert habe, habe ich einen Fehler in MQL entdeckt und eine perfektere Variante der linearen Regressionsberechnung vorgeschlagenhttps://www.mql5.com/ru/forum/107017/page6
Wenn Sie GENAU WISSEN, dass Ihre Zufallsvariable normal verteilt ist, handelt es sich um Autokorrelationsmethoden. Nur dann liefern diese Formeln eine mehr oder weniger zuverlässige Schätzung der "Autokorrelation", der statistischen Wiederholbarkeit einer Reihe. Für eine grobe Schätzung (des Grades der Wiederholbarkeit der Reihe oder der fehlenden Wiederholbarkeit in den Residuen des Modells, wenn man eine Reihe davon subtrahiert, d. h. um die Gültigkeit des Modells zu überprüfen - wie bei ARIMA oder etwas anderem) können sie sicherlich verwendet werden (außer allen Arten von Fourier). Bei stark veränderlichen Systemen ergeben diese Methoden jedoch einen großen Fehler. Aber wie groß ist dieser Fehler und ist der Fehler akzeptabel für den Handel mit 1:100 Leverage und 1-2% Volatilität pro Tag?
Wenn die Verteilung einer Zufallsvariablen unbekannt ist (Preisreihen), dann MUSS man andere, komplexere nichtparametrische (rangierte, gereihte) Methoden zur Berechnung von Korrelationen (und Autokorrelationen) anwenden.
https://ru.wikipedia.org/wiki/Корреляция
Sie werden in den Sozialwissenschaften oft für "Korrelationen" verwendet, weil man dort schon lange weiß, dass die technischen Methoden der "mean-square"-Theoretiker dort einfach dummerweise nicht funktionieren. Für diese Leute gibt es sogar ein spezielles nicht-parametrisches Statistikpaket namens SPSS.
https://ru.wikipedia.org/wiki/SPSS
Genau dasselbe sollte für Autokorrelationen getan werden.
http://www.hr-portal.ru/statistica/gl13/gl13.php
In der Statistik hat der Begriff nichtparametrische Statistik mindestens zwei verschiedene Bedeutungen:
https://en.wikipedia.org/wiki/Nonparametric
Sie werden in den Sozialwissenschaften häufig für "Korrelationen" verwendet, weil dort seit langem bekannt ist, dass die technischen Methoden der "Mittelwertquadrat-Theorie" dort einfach nicht funktionieren. Es gibt sogar ein spezielles Paket nicht-parametrischer Statistiken für diese Personen
Was hat das alles mit dem Handel zu tun?
...
Wenn die Verteilung einer Zufallsvariablen unbekannt ist (Preisreihen), dann MÜSSEN andere, komplexere nichtparametrische (rangierte, gereihte) Methoden zur Berechnung von Korrelationen (und Autokorrelationen) angewandt werden.
https://ru.wikipedia.org/wiki/Корреляция
...
P.S. Keine"Division, Multiplikation und andere Mehrfach-GSCh.". Immer noch die gleiche dumme gpsh aus Excel.
Herr Professor! (die Hand eines Schülers streckt sich zaghaft nach dem letzten Pult aus) Wie kann die Korrelation dazu beitragen, Geld auf dem Markt zu verdienen? Die Korrelation zwischen dem Dollar-Index und dem Euro beträgt -0,98. Was sollen wir tun? Den Euro verkaufen? Den Dollar-Index kaufen?
Ich habe nicht die geringste Ahnung. Ich weiß nicht, wie eine von einer unbekannten Person berechnete "Korrelation" mit der illegalen Währung "Euro" dazu beitragen kann, in einem unbekannten, nicht näher bezeichneten Handelssystem "Geld auf dem Markt zu verdienen".
Die Wissenschaft der Statistik prüft Hypothesen.
Ich habe nicht die geringste Ahnung. Ich weiß nicht, wie die "Korrelation" mit der illegalen Währung "Euro", die von niemandem berechnet wird, in einem unbekannten, nicht spezifizierten Handelssystem dazu beitragen kann, "Geld auf dem Markt zu verdienen".
Die Wissenschaft der Statistik prüft Hypothesen.
Wie kann die Korrelation dazu beitragen, Geld auf dem Markt zu verdienen?
Es gibt einen Artikel von Statistical Carry Trading darüber, wie man mit positiven Swaps unter Verwendung von Korrelationen Geld verdienen kann.
In der Theorie nichts Kompliziertes oder Abstruses. Und auch der Screenshot zum Artikel zeichnet die Antwort auf die Frage, "wo das Geld liegt".
Ein weiterer Punkt ist, dass Korrelationen ihr Vorzeichen in das genaue Gegenteil ändern können und man dann statt eines Gewinns einen Verlust erleidet.
Einfach ausgedrückt, die Lösung des einen Problems zieht ein anderes Problem nach sich: "Wie kann ich das Vorzeichen der Korrelation vorhersagen?