Discusión sobre el artículo "Investigando las características estacionales de las series temporales financieras con la ayuda de diagramas Boxplot" - página 30
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
No es así. Si añades cualquier número a las muestras (o multiplicas), las medianas cambiarán en consecuencia, pero el coeficiente de correlación no cambiará.
Entonces no entiendo de qué se trata. No lo entiendo.
Sólo necesitas entender un poco sobre distribuciones condicionales e incondicionales. Si no coinciden, es posible predecir un valor aleatorio a partir del valor del otro.
Basta con conocer un poco los conceptos de distribuciones condicional e incondicional. Cuando no coinciden, es posible predecir una variable aleatoria por el valor de otra.
Este es el siguiente paso del estudio mediante OLAP. Se estimó la covarianza de 2 barras contiguas por hora del día.
Datos EURUSD para los marcos temporales 2019, H1 y M15:
El factor de ganancia condicional agregador se calculó como antes. Cuando dos barras están en la misma dirección, el producto es positivo y PF > 1, cuando las barras son multidireccionales, el producto es negativo y PF < 1. Ordenación por valor de PF para que sea más fácil ver las horas óptimas para operar en continuación de la barra anterior e inversión.
He aquí el siguiente paso del estudio mediante OLAP. Estimamos la covarianza de 2 barras adyacentes por hora del día.
Datos del EURUSD para los marcos temporales 2019, H1 y M15:
El factor de ganancia condicional agregador se calculó como antes. Cuando dos barras están en la misma dirección, el producto es positivo y PF > 1, cuando las barras son multidireccionales, el producto es negativo y PF < 1. Ordenación por valor de PF para que sea más fácil ver las horas óptimas para operar en continuación de la barra anterior e inversión.
A veces las correlaciones están en grupos, ejemplo de los últimos 5 años.
Descenso de correlación >0,9
Este grupo de 0-4 horas es invariablemente fresco, luego hay grupos en la sesión europea durante 2-3 horas seguidas. En la sesión americana, suele ir mal.
Mi cerebro se niega a trabajar antes del Año Nuevo, no puedo averiguar cómo hacer una buena prueba estadística visual de la capacidad de predicción de estos fenómenos, para que sea hermoso.
El cerebro se niega a trabajar antes del Año Nuevo, no entiendo cómo hacer una buena prueba visual stat de la capacidad de predicción de estos fenómenos, por lo que la belleza de la
Predictivo significa sólo en una dirección: del pasado al futuro. En consecuencia, la pregunta es si es posible tener en cuenta sólo los productos de los recuentos de los índices bajo la condición i > j en el cálculo de la correlación. Visualícelo de la misma manera.
Predictivo significa sólo en una dirección: del pasado al futuro. En consecuencia, la pregunta es si en el cálculo de la correlación es posible tener en cuenta sólo los productos de los recuentos de los índices con la condición i > j. Visualícelo de la misma manera.
¿Tienes idea de qué de esto se puede visualizar en 3D? Al mismo tiempo quería dominar este truco en Python. Allí se puede girar y girar muy bien. Entonces, quien quiera, convertirá el kanvas 3D mql a 3D mql, buena suerte a él )).
Es como los boxplots, cuando giras un gráfico, otros boxplots sobresalen por los lados)).
He comprobado la tesis de nuestros oponentes de que la correlación en muestras solapadas es falsa.
En realidad, no lo comprobé especialmente, sino que continué el estudio estadístico según el plan previsto, la comprobación es en consecuencia
Incrementos con un desfase de 24h. (día), mira la correlación de horas >0,9.
Tomemos un par de intervalos con alta y baja correlación, predigamos el próximo cierre y comparemos con el hecho. cierre
Para relojes bien correlacionados:
0-1
2-3
Para relojes poco correlacionados
16-17
22-23
Volveré a comprobar la lógica, pero parece ser una correlación directa, aunque la correlación de predicciones puras parece peor que la correlación de incrementos (probablemente debido a los errores de la propia correlación).
He comprobado la tesis de los oponentes de que la correlación en muestras superpuestas es falsa.
No miente, es por definición grande para muestras solapadas. No tiene sentido, porque el valor del incremento previsto es absorbido por la larga zona común y no aporta información.
Si comparamos incrementos de una hora (en realidad en una barra, sin cruces) con un paso de 24 horas, tenemos una estimación de las fluctuaciones diarias. Obtenemos más o menos lo mismo que en el artículo: algunos boxplots/horas demuestran una oportunidad de trading estadístico.
No miente, es por definición grande para las muestras superpuestas. No tiene sentido, porque el valor del incremento previsto es absorbido por el largo trazado común y no aporta ninguna información.
Si comparamos incrementos de una hora (en realidad en una barra, sin cruces) con un paso de 24 horas, tenemos una estimación de las fluctuaciones diarias. Obtenemos más o menos lo mismo que en el artículo: algunos boxplots/horas demuestran una oportunidad de trading estadístico.
Ok, estás en )) primero comprobaré lo que he hecho con el bot, luego miraré los no solapados.
el hecho es que está lejos de ser siempre grande para las muestras superpuestas, y muestra exactamente los mismos grupos que he encontrado antes a través de boxplots, sólo que desde el lado.