Correlazione zero del campione non significa necessariamente che non ci sia una relazione lineare - pagina 42
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
Sì... La parola magica "correlazione" inganna molte persone.
Correlazione == dipendenza probabilistica. Cioè l'auto-illusione. Cerca una relazione lineare.
Di nuovo, questo thread sembra averne già parlato.
Pensate alla definizione di correlazione - in parole semplici è la relazione di due insiemi. Per gli insiemi dello spazio lineare questa correlazione può essere stimata tramite il prodotto scalare dei vettori (equivalente al QC di Pearson), e ad esempio è logico che per i vettori ortogonali tale correlazione sia zero. Per gli insiemi che non appartengono allo spazio lineare, questa relazione deve essere stimata in modo diverso. Come? Dipende già dalle caratteristiche dello spazio. Come esempi potremmo considerare altri coefficienti di correlazione.
Se le letture sono su una scala relativa, che è il caso delle quotazioni (che mostrano quante volte una valuta ha "più valore" di un'altra), allora non è corretto applicare metodi lineari (prodotto scalare) "a fondo" ai dati grezzi. Il logaritmo trasferisce le letture da una scala relativa a una scala a intervalli, dove la stessa correlazione può già essere stimata usando il CQ di Pearson.
Di nuovo, questo thread sembra averne già parlato.
Pensate alla definizione di correlazione - in parole semplici è una relazione tra due insiemi. Per gli insiemi dello spazio lineare questa correlazione può essere stimata tramite il prodotto scalare dei vettori (equivalente al QC di Pearson), e per esempio è logico che per i vettori ortogonali tale correlazione sia zero. Per gli insiemi che non appartengono allo spazio lineare, questa relazione deve essere stimata in modo diverso. Come? Dipende già dalle caratteristiche dello spazio. Come esempi potremmo considerare altri coefficienti di correlazione.
Se le letture sono su una scala relativa, che è il caso delle quotazioni (che mostrano quante volte una valuta ha "più valore" di un'altra), allora non è corretto applicare metodi lineari (prodotto scalare) "a fondo" ai dati grezzi. Il logaritmo trasferisce le letture da una scala relativa a una scala a intervalli, dove la stessa correlazione può già essere stimata usando il CQ di Pearson.
Puoi fornire un esempio specifico in cui prendere i logaritmi cambia la lettura del QC in modo chiave? Per favore, datemi un esempio in cui la serie originale dà un QC vicino a zero, mentre i suoi logaritmi mettono miracolosamente il QC a una stima significativa.
Finora, facciamo un esempio:
Correlazione di Pearson tra prezzi dell'oro e Open Interest calcolata sulle prime differenze senza logaritmo: 0,1968
Correlazione di Pearson tra prezzi dell'oro e Open Interest calcolata per ln(Pi/Pi-1): 0,2067
Ora, a causa della differenza dell'1% si può gridare di gioia e dire in ogni angolo che non c'è modo senza logaritmo.
Il tipo di distribuzione della matrice di correlazione dipende dalle proprietà di entrambe le serie e dalla relazione tra loro, cioè non deve essere la stessa per tutte le serie possibili... Per SB è uno, per alcuni brillamenti solari un altro...
Cercherò di farlo.
Ora, a causa della differenza dell'1% si può gridare di gioia e dire in ogni angolo che senza logaritmo non si può andare da nessuna parte.
Sui dati del tuo esempio:
Sembra essere in buon accordo con l'osservazione visiva. La differenza è più del 5%.
Cercherò di farne uno.
Non conto le prime differenze ... anche i decimi...)...
Scopriamo prima se è corretto usare QR su una serie di prezzi regolari. Finora ho fornito dati che dicono che sembra che il QC su I(1) non possa essere calcolato.
Dove avete mai visto un requisito di normalità per il calcolo del CQ? Ancora una volta, è un requisito per utilizzare l'analisi di correlazione.
Che assurdità - il QC è solo per valori normalmente distribuiti.......... Si scopre che non si può calcolare il QC tra, per esempio, le quotazioni dell'oro e dell'argento.........
Dove avete mai visto un requisito di normalità per il calcolo del CQ? Ancora una volta, è un requisito per l'uso dell'analisi di correlazione.
Che assurdità - QC è solo per valori normalmente distribuiti..........
La cosa importante è che il QC può essere contato solo sui rendimenti, non sul prezzo stesso.
Di nuovo, perché?
Perché: 1. vedere l'immagine qui sopra.
2. 2. Leggete quello che scrive Avals:
questa è una misura dell'errore. Se la distribuzione è come mostrato da C-4, l'errore è enorme e la probabilità di ottenere una deviazione maggiore dal valore reale difficilmente diminuisce. Che senso ha un tale indicatore se si può ottenere una correlazione da -0,6 a +0,6 con indipendenza reale?