記事"Boxplotによる金融時系列のシーズンパターンの探索"についてのディスカッション - ページ 12

新しいコメント
 
市場の動きについて議論するとき、私たちは狭いサンプルのデータにおけるパターンの有無を取り上げているが、動きの中にパターンが存在したとしても、データからそれを抽出できるわけではないことに気づいていない。また、既知のものよりも未知のものの方が多い方程式を解くことは、どんなに数学を駆使してもできない。データ空間からパターンを探すには、その痕跡がぼやけすぎていて分析してもわからないという条件をあらかじめ受け入れる必要がある。しかし、それはそこに存在し、我々が持っていない他のデータにも見ることができる。どうすればいいのか？手始めに、マーケットには私たちが持っているデータよりも多種多様なデータが存在し、あらゆる種類のデータを 組み合わせれば、パターンがより強く浮かび上がってくることを認識することだ。つまり、パターンを探すだけでなく、マーケットデータの多様性を豊かにする必要があるのだ。

 
Maxim Dmitrievsky:
有用なパターンを見つけたと認識するだけで、あとは哲学的な話だ。しかし、シュタルリッツが立ち向かったとか、ミューラーが好んだ拷問だったとか、そういうことを続けることはできる。

もしそのような信念があるのなら、歴史の始まりから現在までの期間を分解してみなければならない。

パターンが見つかれば必ずうまくいく。

我々は待っている

 
Renat Akhtyamov:

待機中

待つ

 
Maxim Dmitrievsky:

ウェイト

どういうことだ？

バグが見つかって、すべてが消えて、ゴミになったってこと？

 
例えば、取引参加者の建玉や資金量に関するデータがあれば、それらを全体的な統計調査に入れることで、より多くのことが見えてくるだろう。規則性はすぐに明らかになるだろう。しかし、そうではない。私たちは、取引参加者が私たちに注目させるところに注目する。そしてその結果は対応するものである。
 
fxsaber:

鶏と卵の問題だ。どのようなアプローチも正しいと自分自身を納得させることができる。

私の見解では、あなたは暗黙の最適化を行った。どんな研究も暗黙的最適化であり、それは常に明示的最適化のサブセットである。

非最適化とは、統計的研究を行わないことである。大雑把に言えば、データなしで仮説を立て、それが確認された場合である。


アメに関しては、我々はMAで最も原始的なTSを扱っている。 オプティマイザーは、もし結果があれば、古典的な研究よりもはるかに優れた結果を拾うだろう。

唯一の違いは、時間フィルターの使用だ。まさに、長年にわたってナイトビジョナリーによって使用されてきたものだ。


正直なところ、なぜこんなことが起こるのか理解できない。

口ひげの引き出しのせいだと言う人もいるだろう。しかし、それはまた鶏と卵のジレンマだ。

事実、間抜けなTCは呆れるような結果を示す。落胆し、キャッチを探したくなる。

私はもう一度あなたの議論を読み直したが、それは彼らが何を目指しているのか明確ではなく、意味をキャッチしていない。

実際には、ボックスプロットの助けを借りて規則性が発見され、TSテストによって確認された。

そのパターンは別の区間ではより弱いことが示され、TSは（元のパラメータでは）そこでは機能しません。

あなたはTSを最適化し、その区間でTSを+に引っ張ることが可能であることを見たが、私はそれを否定しなかった。ブローカー・センターによって相場が異なり、結果が異なる可能性を排除すべきではありません。

それが何であるかについて、あなたや他の反対派からの議論：

  1. 単なるMAshkaと 過剰最適化
  2. そのパターンはボックスプロットでは見つからなかった。
  3. あなたは、最適化によって（どこを見るべきか全く知らなくても）簡単にそれを見つけたでしょう。
  4. これはパターンではない。

批判に耐えるものではなく、ただ資料に対する特定の誤解による口うるささである。

このようなコメントのせいで、読者はこの記事がヤラセであるかのような印象を受けるかもしれない。それは、その後の、あまり "詳しくない "人たちからのコメントで確認された。彼らは、言われたことの意味を理解することなく、単にあなたの言葉に反響し始めたのだ。

H.Y.このようなスケッチでは、誰をも混乱させ、アプローチの価値を下げることになる。

 

オタクのために、ヒゲがどのように作られたかを説明しよう。例えば上のコードでは

Monthly_Returns.boxplot(column='close', by='month', figsize=(15, 8))

これはデフォルトの設定が1.5 IQRで、ひげが左右対称であることを意味する。

そして本文のさらに下：

Усы ящиков дополняют распределение, охватывая 99% дисперсии всей выборки

数式やドキュメントへのリンクはありますか？

 
Stanislav Korotky:

オタクのために、口ひげが具体的にどのように作られたかを説明しよう。例えば上のコードでは

これはデフォルトの設定が1.5 IQRで、ひげが左右対称であることを意味する。

さらに本文中では

数式またはドキュメントへのリンクはありますか？

口ひげの箱は、分布によっていつも同じように作られます。渡されるパラメータは、終値とグッピーの期間です。次はfigsizeです。

ウィキペディアのロシア語では、pdfと比較して、普通に書かれていると思う。

ウィスカーは、それぞれ対称分布で対称である

https://ru.wikipedia.org/wiki/%D0%AF%D1%89%D0%B8%D0%BA_%D1%81_%D1%83%D1%81%D0%B0%D0%BC%D0%B8

 

客観性のための客観性 - 統計学的研究によって証明できるパターンはない。統計学は、私たちが提唱する仮説や理論を証明するために使われるものではない。統計は、ある原因と結果の関係についての理論を「裏付け」、さらなる推測を可能にすることはできるが、何かを証明するものではない。規則性は、原因と結果の関係という100％の事実によって証明される。統計学を証明のベースとして使うことは、ピタゴラスの定理を数式ではなく、二等辺三角形の辺の比の何百万回もの測定によって証明するようなものである。

 
Реter Konow:

客観性のための客観性 - 統計学的研究によって証明できるパターンはない。統計学は、私たちが提唱する仮説や理論を証明するために使われるものではない。統計は、ある原因と結果の関係についての理論を「裏付け」、さらなる推測を可能にすることはできるが、何かを証明するものではない。規則性は、原因と結果の関係という100％の事実によって証明される。統計学を証明のベースとして使うことは、ピタゴラスの定理を数式ではなく、二等辺三角形の辺の比の何百万回もの測定によって証明するようなものである。

そしてニューラルネットワークはピラミッドのようなものである。

パターンとは、統計と実験によって裏付けられた、繰り返される事象の原因→結果の集合である。再現性が高ければ高いほど、その存在に関する結論は統計的に有意である。規則性は、グラフの一部という局所的なものであることもあれば、全体的なものであることもある。

デマゴーグとデマゴーグに関わるのはもうやめよう。しかし、このフォーラムでこれ以上話すことはない。

1...5678910111213141516171819...33
新しいコメント