Une corrélation nulle entre les échantillons ne signifie pas nécessairement qu'il n'y a pas de relation linéaire. - page 9
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Une discussion très intéressante ! Informatif et divertissant.
Mais j'ai une question - sur presque chaque page de ce fil de discussion (et dans la plupart des autres fils de discussion), l'espérance calculée pour une série de prix forex apparaît dans le message.
Et comment calculer le MO pour une série temporelle non stationnaire et non transcendante ? Après tout, le concept de MO n'est introduit que pour les BP parfaitement convergentes.
Mais j'ai une question - sur presque chaque page de ce fil de discussion (et dans la plupart des autres fils de discussion), l'espérance calculée pour une série de prix forex apparaît dans le message.
Et comment calculer le MO pour une série temporelle non stationnaire et non transcendante ? Après tout, le concept de MO n'est introduit que pour les BP parfaitement convergentes.
Cette question n'est en fait pas si simple. Lorsque nous disons qu'une série est non-stationnaire, ce que certains d'entre nous veulent en fait dire, c'est que cette non-stationnarité est spécifique. Il ne correspond pas tout à fait au cadre traditionnel, il est fragmenté, et ce n'est pas sa seule caractéristique. Mais c'est un tout autre sujet, et un sujet très important.
Cependant, la façon dont l'auteur l'a fait, voir l'image dans le topikstart - certainement pas tout à fait juste de le faire. C'est pourquoi, oui, il y a MO, la variance et les autres attributs statistiques n'existent pas, au sens statistique. Mais à la suite de certaines actions mathématiques, - oui, nous pouvons additionner les singes et les points pièce par pièce. :) Ce que sera le résultat est probablement une fable.
Et s'il n'y a pas de relation linéaire entre les deux processus aléatoires ?
Supposons qu'il y ait une mesure de la relation linéaire entre les deux lignes, eh bien, qu'est-ce que vous voulez
qu'en faites-vous ? Construire une régression ? Ok, construisons-en un et obtenons une bonne approximation
d'une série à l'autre et puis quoi ? Avons-nous eu une prédiction ? Pas du tout.
Et avec Pirson et les corrélations, c'est impossible !
Après tout, nous avons besoin de dynamique ! Et que diable sont les dynamiques dans une quantité scalaire,
comme une corrélation ? Et Pearson n'est pas bon du tout parce qu'il est symétrique.
nous voyons un graphe symétrique et nous avons besoin d'une mesure asymétrique parce qu'un
une série doit dépasser l'autre.
:)
Quant à la non-stationnarité et à la détection de la relation d'une ligne à l'autre, la
l'essentiel est de comprendre ce qu'est la stationnarité et à quoi elle sert...
La stationnarité est l'immuabilité des moments dans le temps, sur l'axe temporel des comptages,
même si vous commencez à déplacer une série par rapport à une autre, vous ne trouverez pas le lien, car avec votre
vous avez détruit cette relation dynamique en rendant la série homogène dans le temps.
L'essentiel est donc de ne pas en faire trop :)
Une discussion très intéressante ! Informatif et divertissant.
Mais j'ai une question - sur presque chaque page de ce fil de discussion (et dans la plupart des autres fils de discussion), l'espérance calculée pour une série de prix forex apparaît dans le message.
Et comment calculer le MO pour une série temporelle non stationnaire et non transcendante ? Après tout, le concept de MO n'est introduit que pour les BP parfaitement convergentes.
Dans le fil de discussion suivant, j'ai proposé d'estimer les paramètres de BP en utilisant les quantiles. Appliqué au gain attendu, c'est son estimation par la médiane (et non la moyenne) des dernières valeurs. Les résultats, d'ailleurs, sont bien meilleurs en termes de ROS.
Mon opinion sur la stationnarité de la série se justifie au même endroit : en ce moment je travaille sur le modèle, dans lequel la série résultante est la somme de deux processus aléatoires stationnaires (ou plutôt quasi-stationnaires - avec des caractéristiques qui flottent lentement) - le "calme" gaussien et les "discontinuités" de Poisson. Avec cette approche, la non-stationnarité du processus résultant est apparente. Les développements dont je dispose à ce jour me permettent de dire que j'avance dans la bonne direction sur la voie de la construction d'une approximation de la réalité du modèle de prix.
Je voudrais insérer mes cinq cents.
La corrélation est simplement un nombre qui est toujours obtenu à la suite d'un calcul de formule, à tout ce qui va de -1 à +1. En appliquant la formule à BP, nous obtiendrons toujours une certaine valeur de corrélation : entre n'importe quelle paire de devises, entre une paire de devises et le mouvement de Jupiter, entre une paire de devises et toute autre chose.
Tout manuel de statistiques met en garde contre les corrélations et les pseudo-corrélations. Pour séparer l'un de l'autre, il faut utiliser d'autres méthodes statistiques pour éviter de tomber dans l'illusion d'une fausse connaissance. Cependant, la manière la plus efficace de séparer les corrélations des pseudocorrélations est de faire quelques hypothèses significatives sur la possibilité que deux variables aléatoires soient liées. Avec des hypothèses a priori sur la relation, nous pouvons calculer les corrélations entre l'euro-dollar et la livre sterling, mais nous n'inclurons jamais le yuan chinois. En utilisant le mataparatus, nous testons ces hypothèses et même en les ayant, il est très facile d'obtenir des pseudo-corrélations simplement parce que les caractéristiques statistiques des BP, telles que l'exigence de normalité, ont été omises ou mal considérées.
Privalov a écrit un script, les résultats correspondent à ceux du Matkadien. J'ai écrit le script sans regarder les autres, et j'ai comparé les résultats - ils sont les mêmes que ceux de Beer et Matkad. Cent cinquante personnes ont déjà écrit ce QC cent cinquante fois - et tous les résultats sont les mêmes. Alors pourquoi tout le monde se précipiterait-il soudainement pour réécrire ses programmes en découvrant que quelqu'un a sa propre interprétation du CQ de Pearson ?
Comment calculer l'IR pour une série temporelle non stationnaire et non collapsante ? Après tout, le concept de MO n'est introduit que pour une RV parfaitement convergente.
Et vous ne pouvez pas le faire avec des piliers et des corrélations !
Parce que nous avons besoin de dynamique ! Et que diable sont les dynamiques dans une quantité scalaire,
comme une corrélation ?
Il existe une définition du CQ de Pearson sur l'échantillon. Je n'arrive pas à comprendre ce que tout le monde compte en appelant ça le QC de Pearson. Veuillez nommer la fonction dans Mathcad. Pour que je puisse voir sa description en détail dans l'aide.
La paresse est un grand pouvoir.
http://books.google.ru/books ?id=or8sS60Q0ooC&pg=PA159&lpg=PA159&dq=mathcad+corr&source=bl&ots=X2IwE5hGCI&sig=wXlaqOs7LlEQnozhuXyKb2_Fx14&hl=ru&ei=Z4apTPnRRHMyhOvH_1Y8M&sa=X&oi=book_result&ct=result&resnum=2&ved=0CBoQ6AEwAQ#v=onepage&q=mathcad%20corr&f=false
corr(A,B) - calcul du coefficient de corrélation de l'échantillon de Pearson.