Correlazione zero del campione non significa necessariamente che non ci sia una relazione lineare - pagina 21
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
E a proposito, c'è un errore grossolano nelle sue cifre. Quelli che lei chiama "grafici con zero MO, una varianza e zero correlazione" non lo sono. Cioè, hai già un errore dopo la conversione dei dati - non hai bisogno di cercare oltre.
Tutto quello che state dicendo è privo di fondamento. Da parte mia - oltre ai grafici, ho anche allegato i dati grezzi. Si può controllare facilmente. E, come detto prima, il QC non è influenzato dalla moltiplicazione (portando la varianza a uno) per una costante e aggiungendo una costante (portando MO a zero). Gentilmente, fai un test rudimentale sui dati forniti e riporta qui i risultati. Non fare affermazioni infondate di errori grossolani.
.dirò di più, il vostro indicatore di correlazione è intrinsecamente sbagliato. Avete semplicemente sostituito la soluzione di un problema importante con la soluzione di un altro problema. Esagerato.
Ancora una volta, sono solo chiacchiere. Prendete una lettura dell'indicatore ovunque, calcolatela con il vostro metodo QC e confrontatela. L'esempio precedente di correlazione zero si trova dalle letture dell'indicatore. Lo screenshot sottolinea specificamente in rosso che la correlazione calcolata da Mathcad è effettivamente zero su questo campione:
Grazie, ho riso. Il problema di identificare la correlazione degli indicatori finanziari si trova su un altro piano.
Andate avanti, ora che avete iniziato.
...
Inoltre, nessuno in questo forum ha preso incrementi relativi nei calcoli di QC (con QC è iniziata la discussione), hanno preso incrementi assoluti. Il che, ovviamente, è fondamentalmente sbagliato.
Ti è già stato detto 1000 volte. Perché dici per tutti che nessuno. Hai guardato nel mio computer e controllato tutti gli strumenti sviluppati dai partecipanti di questo forum?
L'uomo ha costruito un indicatore ... basato su di esso ha fatto un sistema di trading ... e sta facendo un profitto ... Sta dicendo che non è vero da questo punto di vista? Non ho affatto ragione, non è vero in linea di principio, cos'altro non è vero?
Smettila di pensare che tutti in questo forum siano idioti e che tu sia il migliore e il più brillante.
Te l'ho già detto 1000 volte. Perché dici che nessuno è giusto per tutti? Hai guardato nel mio computer e scavato in tutti gli sviluppi dei partecipanti di questo forum?
Perché ho prima cercato in questo forum i calcoli di QC e mi sono assicurato che gli incrementi relativi non sono stati utilizzati (risultati postati sul forum) da te o da chiunque altro. Se non ho cercato abbastanza, fammi vedere.
È già stato argomentato più volte, e non solo da me, il motivo per cui usare incrementi assoluti quando si confrontano campioni di due o più CER è sbagliato.
Tutto ciò è solo infondato da parte vostra. Da parte mia, oltre ai grafici, ho allegato anche i dati grezzi. Si può controllare facilmente.
Scusa, ma sei stupido?! Stiamo parlando di questa foto qui.
Qui non c'è MO = 0 e D=1.
È incredibile, ma questa è la terza volta che attiro la vostra attenzione su questo errore grossolano. È come se non riusciste a capire affatto questa semplice cosa, figuriamoci a discuterne.
Qui non c'è MO = 0 e D=1.
È incredibile, ma questa è la terza volta che porto questo errore grossolano alla vostra attenzione. Sembra che non siate affatto in grado di capire questa semplice cosa, figuriamoci di discuterne.
In base a quale ragionamento traete tali conclusioni sul MO e sulla varianza! Meno male che il primo post dà la data esatta in cui i dati sono stati presi, quindi è stato possibile recuperare:
In questo caso, come ho scritto nel primo post, il QC è uguale al prodotto medio dei membri BP del campione:
Dati di origine allegati.
I logaritmi sono usati per stabilire esplicitamente che una quantità con una distribuzione simile a quella normale ha un limite inferiore di zero. Nel derivare la formula di Black-Scholes, si assume che la distribuzione del prezzo sia lognormale, cioè non è il prezzo ad essere distribuito normalmente, ma il suo logaritmo.
ARPSS include necessariamente il detrending BP. Si fa una distinzione tra tendenze additive e moltiplicative. Questi ultimi, naturalmente, sono logaritmici prima di detrending BP.
In base a quale ragionamento trae tali conclusioni su MO e dispersione?!
Molto semplicemente, MO e varianza esistono come concetto statistico per le serie casuali, si ha una serie "non casuale". Cioè, MO e varianza non esistono come concetti per loro.
1. Grosso modo, il criterio del segno è rotto, circa l'80% dei tuoi dati è positivo (è un errore - standardizzazione impropria). Le persone in un thread vicino stanno impazzendo sui quantili - questa è proprio la stessa cosa. E dalla definizione di base delle serie casuali.
2. Le dipendenze "funzionali" sono chiaramente visibili.
3. e più importante, è alla questione di sapere esattamente quale strumento viene analizzato - non c'è nulla di casuale in questi strumenti. Almeno nella rappresentazione dei dati che avete.
4. Non c'è bisogno di nascondere la vostra incomprensione dietro i pacchetti di matrici, capite prima le basi. E la base è semplice, l'analisi statistica (e il calcolo del MO) può essere sottoposto a serie "casuali".
5. Se tu prendessi i dati così come sono e ti mostrassi come fare - sarebbe più vicino alla verità.
Che diavolo è l'analisi statistica? Avete idea di cosa state parlando? Stiamo parlando di campionamento, di conteggi QC su un campione. Sei consapevole di concetti come MO di campionamento, varianza di campionamento e QC di campionamento?
Come se fossero stati scritti per voi:
Un po' di alfabetizzazione.
Un altro errore comune è quello di confondere i concetti di "coefficiente di correlazione" (cioè una caratteristica di una relazione stocastica tra c.v.) e "coefficiente di correlazionecampionaria " (una stima - una delle tante possibili - del vero CQ). Si tratta in realtà di cose molto diverse, e sostituire l'una con l'altra è fondamentalmente sbagliato.
Molto semplicemente, MO e varianza esistono come concetto statistico per le serie casuali, si ha una serie "non casuale". Cioè, MO e varianza non esistono come concetti per loro.
1. Grosso modo, il criterio del segno è rotto, circa l'80% dei tuoi dati è positivo (è un errore - standardizzazione impropria). Le persone in un thread vicino stanno impazzendo per i quantili - questa è proprio la stessa cosa. E dalla definizione di base delle serie casuali.
2. Le dipendenze "funzionali" sono chiaramente visibili.
3. e più importante, è alla questione di sapere esattamente quale strumento viene analizzato - non c'è nulla di casuale in questi strumenti. Almeno nella rappresentazione dei dati che avete.
4. Non c'è bisogno di nascondere la vostra incomprensione dietro i pacchetti di matrici, capite prima le basi. E la base è semplice, l'analisi statistica (e il calcolo MO) possono essere sottoposti a serie "casuali".
5. Se tu prendessi i dati così come sono e ti mostrassi come fare - sarebbe più vicino alla verità.
Non sprecare la tua energia. Prival ha cercato di spiegargli che ACF è una funzione, non un numero - ha fallito. È da lì che bisogna cominciare.
5. Se tu prendessi senza mezzi termini i dati così come sono e ti mostrassi come fare - sarebbe più vicino alla verità.
Mostrami, per favore: