Dalla teoria alla pratica - pagina 462

 
Andrei:
non proprio, permette di separare i componenti periodici...

l'autocorrelazione, così come la correlazione, non sono applicabili a tempi non stazionari

 
Maxim Dmitrievsky:

l'autocorrelazione e la correlazione non sono applicabili a tempi non stazionari

Chi ne impedisce l'applicazione?
 
Andrei:
Chi vi impedisce di usarlo?

Sopravvalutazione, Spearman non è meglio.

 
Maxim Dmitrievsky:

Esce la sopravvalutazione, anche Spearman non è meglio

e non c'è bisogno di precisione, è tutto più o meno un piede...
 
Andrei:
e chi ne impedisce l'applicazione?

Non chi, ma cosa - comprendendo il semplice fatto che abbiamo a che fare con un valore campionario che ha senso (converge verso qualcosa all'aumentare della dimensione del campione) solo quando è stazionario.

 
Aleksey Nikolayev:

Non chi, ma cosa - una comprensione del semplice fatto che abbiamo a che fare con un valore campione che ha senso (converge a qualcosa man mano che la dimensione del campione aumenta) solo quando è stazionario.

L'ACF ha senso per qualsiasi segnale, anche non stazionario.
 
Andrei:
L'ACF ha senso per qualsiasi segnale, anche non stazionario.

No. Per la non stazionarietà, ha senso parlare di un QF che dipenderà da due variabili, non una, come l'ACF. È possibile in qualche modo (in un gran numero di modi diversi) trasformare questo QF in qualcosa che dipende da una variabile. Ma non chiamatelo ACF - non confondete voi stessi e gli altri.

 
Aleksey Nikolayev:

No. Per la non stazionarietà, ha senso parlare di un QF che dipenderà da due variabili, non una, come l'ACF. È possibile in qualche modo (in un gran numero di modi diversi) trasformare questo QF in qualcosa che dipende da una variabile. Ma non dovresti chiamarlo ACF - non c'è bisogno di confondere te stesso e gli altri.

Non proprio. L'ACF in questo caso è semplicemente la classica convoluzione di qualsiasi segnale su qualche segmento limitato con la sua copia.

Non c'è niente di insolito, né c'è motivo di farsi prendere dal panico.

Il numero di variabili da cui dipende l'ACF non gioca un ruolo qui.

 
Aleksey Nikolayev:

(converge a qualcosa con l'aumentare della dimensione del campione) solo alla stazionarietà.

tutto converge a qualcosa, qualunque cosa si conti, c'è la teoria dei numeri, anche essa ha delle regolarità, che appaiono con un grande campione di valori, anche se (la teoria dei numeri) non studia nessun processo fisico o altro

Una necessità della funzione di autocorrelazione per più di un parametro è stata menzionata nel thread, è una ricerca dal campo dei campi, dubito che una funzione discreta sulla scala temporale (serie di prezzi) possa essere considerata da un campo

E in generale, l'analisi di correlazione di una funzione non periodica, cosa dovrebbe mostrare? L'analisi di correlazione in una funzione periodica mostrerà la distribuzione dello spettro di frequenza, e cosa dovrebbe mostrare l'analisi di correlazione del grafico dei prezzi?

Ho trovato una buona lettura sull'argomento, molto simile al libro di testo che ho studiato 20 anni fa http://scask.ru/book_brts.php?id=16

3.3. Автокорреляционная функция дискретного сигнала
  • scask.ru
Изучая АКФ пачки прямоугольных видеоимпульсов, читатель, безусловно, обратил внимание на то, что соответствующий график имел специфический лепестковый вид. С практической точки зрения, имея в виду использование АКФ для решения задачи обнаружения такого сигнала или измерения его параметров, совершенно несущественно, что отдельные лепестки имеют...
 
Igor Makanu:

tutto converge a qualcosa, qualunque cosa si conti, c'è la teoria dei numeri, anche essa ha delle regolarità che appaiono in un grande campione di valori, anche se (la teoria dei numeri) non studia nessun processo fisico o altro

Una necessità della funzione di autocorrelazione per più di un parametro è stata menzionata nel thread, è una ricerca dal campo dei campi, dubito che una funzione discreta nella scala temporale (serie di prezzi) sia degna di essere considerata da un campo

E in generale, l'analisi di correlazione di una funzione non periodica, cosa dovrebbe mostrare? L'analisi di correlazione in una funzione periodica mostrerà la distribuzione dello spettro di frequenza, e cosa dovrebbe mostrare l'analisi di correlazione del grafico dei prezzi?

Abbiamo bisogno di una misura della "memoria" - un valore numerico specifico della dipendenza degli incrementi di prezzo l'uno dall'altro nella finestra temporale scorrevole.

Questo permette di dire se la somma degli incrementi in quella finestra forma un numero appartenente alla distribuzione gaussiana o no.

Infatti, l'ACF è il Graal, gente! Mostra se siamo in una tendenza o in una zona piatta...

Devi solo imparare a calcolarlo correttamente - è quello che sto facendo ora...

Motivazione: