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 30 1...2324252627282930313233 新しいコメント 削除済み 2019.12.16 12:18 #291 Aleksey Nikolayev:そうではない。サンプルに何か数字を足したり（掛け合わせたり）すれば、中央値はそれに応じて変わりますが、相関係数は変わりません。 それでは何のための相関係数なのか全く理解できない。 Aleksey Nikolayev 2019.12.16 12:31 #292 Maxim Dmitrievsky: じゃあ、どういうことなんだ、理解できないよ。 条件付き分布と無条件分布について 少し理解すればいい。それらが一致しない場合、一方のランダムな値を他方の値から予測することは可能である。 削除済み 2019.12.16 12:56 #293 Aleksey Nikolayev:条件付き分布と無条件分布の 概念を少し理解すればよい。それらが一致しないとき、ある確率変数を別の確率変数の値で予測することが可能になる。 そこには相関はないはずで、増分は前の時間に依存し、交差しないサンプルでは完全に異なる分布になります。そうでなければ、非常に強いパターンになると思います。あるいは、非線形のものを探す。 Stanislav Korotky 2019.12.16 14:51 #294 ここで、OLAPを使った研究の次のステップを紹介しよう。連続する2本のバーの時間帯別の共分散を推定した。 2019年、H1、M15タイムフレームのEURUSDデータ： OLAPQTS (EURUSD,H1) Bars read: 137206 OLAPQTS (EURUSD,H1) Filters: FilterSelector<QUOTE_RECORD_FIELDS>(FIELD_DATETIME)[1546300800.0 ... 1577836800.0]; OLAPQTS (EURUSD,H1) Selectors: 1 OLAPQTS (EURUSD,H1) Processed records: 5958 OLAPQTS (EURUSD,H1) ProfitFactorAggregator<QUOTE_RECORD_FIELDS> FIELD_CUSTOM1 [24] OLAPQTS (EURUSD,H1) X: DayHourSelector<QUOTE_RECORD_FIELDS>(FIELD_DATETIME) [24] OLAPQTS (EURUSD,H1) [value] [title] OLAPQTS (EURUSD,H1) [ 0] 1.76350 "2" OLAPQTS (EURUSD,H1) [ 1] 1.66279 "17" OLAPQTS (EURUSD,H1) [ 2] 1.38255 "18" OLAPQTS (EURUSD,H1) [ 3] 1.18235 "14" OLAPQTS (EURUSD,H1) [ 4] 1.13689 "11" OLAPQTS (EURUSD,H1) [ 5] 1.13528 "7" OLAPQTS (EURUSD,H1) [ 6] 1.09896 "0" OLAPQTS (EURUSD,H1) [ 7] 1.08717 "15" OLAPQTS (EURUSD,H1) [ 8] 1.02414 "12" OLAPQTS (EURUSD,H1) [ 9] 0.94678 "19" OLAPQTS (EURUSD,H1) [10] 0.93321 "3" OLAPQTS (EURUSD,H1) [11] 0.91988 "6" OLAPQTS (EURUSD,H1) [12] 0.87820 "20" OLAPQTS (EURUSD,H1) [13] 0.86920 "21" OLAPQTS (EURUSD,H1) [14] 0.84253 "4" OLAPQTS (EURUSD,H1) [15] 0.76796 "8" OLAPQTS (EURUSD,H1) [16] 0.76243 "9" OLAPQTS (EURUSD,H1) [17] 0.72190 "5" OLAPQTS (EURUSD,H1) [18] 0.63495 "13" OLAPQTS (EURUSD,H1) [19] 0.62381 "10" OLAPQTS (EURUSD,H1) [20] 0.58573 "16" OLAPQTS (EURUSD,H1) [21] 0.42907 "22" OLAPQTS (EURUSD,H1) [22] 0.37804 "23" OLAPQTS (EURUSD,H1) [23] 0.34422 "1" OLAPQTS (EURUSD,M15) Bars read: 526080 OLAPQTS (EURUSD,M15) Filters: FilterSelector<QUOTE_RECORD_FIELDS>(FIELD_DATETIME)[1546300800.0 ... 1577836800.0]; OLAPQTS (EURUSD,M15) Selectors: 1 OLAPQTS (EURUSD,M15) Processed records: 23831 OLAPQTS (EURUSD,M15) ProfitFactorAggregator<QUOTE_RECORD_FIELDS> FIELD_CUSTOM1 [24] OLAPQTS (EURUSD,M15) X: DayHourSelector<QUOTE_RECORD_FIELDS>(FIELD_DATETIME) [24] OLAPQTS (EURUSD,M15) [value] [title] OLAPQTS (EURUSD,M15) [ 0] 1.39463 "0" OLAPQTS (EURUSD,M15) [ 1] 1.35711 "16" OLAPQTS (EURUSD,M15) [ 2] 1.23327 "7" OLAPQTS (EURUSD,M15) [ 3] 1.17403 "11" OLAPQTS (EURUSD,M15) [ 4] 1.11581 "3" OLAPQTS (EURUSD,M15) [ 5] 1.00457 "19" OLAPQTS (EURUSD,M15) [ 6] 0.96975 "9" OLAPQTS (EURUSD,M15) [ 7] 0.96723 "18" OLAPQTS (EURUSD,M15) [ 8] 0.96129 "14" OLAPQTS (EURUSD,M15) [ 9] 0.96037 "13" OLAPQTS (EURUSD,M15) [10] 0.93684 "2" OLAPQTS (EURUSD,M15) [11] 0.93045 "10" OLAPQTS (EURUSD,M15) [12] 0.89618 "15" OLAPQTS (EURUSD,M15) [13] 0.87404 "6" OLAPQTS (EURUSD,M15) [14] 0.85640 "20" OLAPQTS (EURUSD,M15) [15] 0.85201 "12" OLAPQTS (EURUSD,M15) [16] 0.84614 "4" OLAPQTS (EURUSD,M15) [17] 0.83936 "5" OLAPQTS (EURUSD,M15) [18] 0.82625 "21" OLAPQTS (EURUSD,M15) [19] 0.81286 "23" OLAPQTS (EURUSD,M15) [20] 0.81071 "17" OLAPQTS (EURUSD,M15) [21] 0.74142 "1" OLAPQTS (EURUSD,M15) [22] 0.73999 "8" OLAPQTS (EURUSD,M15) [23] 0.72040 "22" アグリゲーター条件付きプロフィットファクターは前と同様に計算された。2本のバーが同方向の場合、積は正でPF > 1、バーが多方向の場合、積は負でPF < 1。PF値でソートして、前のバーの継続と反転の取引に最適な時間帯を見やすくした。 削除済み 2019.12.17 09:58 #295 Stanislav Korotky:OLAPを使った次のステップである。隣接する2本の棒グラフの共分散を時間帯別に推定した。2019年、H1、M15タイムフレームのEURUSDデータ：アグリゲーター条件付き利益係数は前と同様に計算した。2つのバーが同じ方向である場合、積は正で PF > 1、バーが多方向である場合、積は負で PF < 1。PF値でソートして、前のバーの継続と反転の取引に最適な時間帯を見やすくした。 相関がグループ化されていることもある（過去5年間の例）。 相関脱落 >0.9 この0-4時間のグループは常にクールであり、その後2-3時間連続して欧州セッションでグループがあります。アメリカのセッションでは、たいてい悪い。 私の脳は、新年の前に働くことを拒否する、私はそれが美しくするために、これらの現象の予測能力の良い視覚的な統計的検定を作る方法を把握することはできません。 Stanislav Korotky 2019.12.17 12:25 #296 Maxim Dmitrievsky:脳は新年の前に働くことを拒否し、私はこれらの現象の予測能力の良い視覚的な統計テストを行う方法を理解していないので、その美しさ。 予測可能とは、過去から未来への一方向のみを意味する。従って、i > jの条件下で、指数のカウントの積のみを相関計算に考慮することが可能かどうか？同じように可視化する。 削除済み 2019.12.17 13:14 #297 Stanislav Korotky:予測とは、過去から未来への一方向のみを意味する。従って、相関の計算において、i＞jの条件下で指数の計数の積のみを考慮することが可能かどうかが問題となる。同じように視覚化する。 同時にPythonでもこのトリックをマスターしたいと思いました。そこでは、とてもうまくねじって回すことができる。それから、3D mql kanvasを3D mqlに変換したい人は、頑張ってください）。 これはボックスプロットと同じで、チャートを回転させると、他のボックスプロットが横からはみ出すのだ))。 削除済み 2019.12.18 11:21 #298 重複サンプルの相関は誤りであるという相手のテーゼをチェックした。 実際には、特別にチェックしたわけではなく、予定された計画に従って統計的な研究を続けた。 24時間遅れで増分する。(日)、時間の相関を見てみましょう>0.9。 相関の高いインターバルと低いインターバルをいくつか取り出して、次のクローズを予測し、事実と比較してみましょう。終値 相関の高い時計の場合 0-1 2-3 相関の低いクロックの場合 16-17 22-23 ロジックを再確認してみますが、純予測の相関はインクリメントの相関より悪く見えますが（おそらく相関自体の誤差による）、直接相関しているようです。 Stanislav Korotky 2019.12.18 12:47 #299 Maxim Dmitrievsky:サンプルの重なりによる相関は誤りであるという反対派のテーゼを確認した。 それは嘘ではなく、重なり合ったサンプルでは定義上大きい。なぜなら、予測された増分の値は長い共通領域に吸収され、情報を持たないからである。 1時間単位（実際には1本の棒で、交差なし）を24時間のステップで比較すると、1日の変動の推定値が得られる。いくつかのボックスプロット/時間は統計的な取引機会を示している。 削除済み 2019.12.18 12:59 #300 Stanislav Korotky:これは嘘ではなく、重なり合ったサンプルでは定義上大きい。予測された増分の値は長い共通プロットに吸収され、何の情報も持たないので、意味がない。1時間単位（実際には1本の棒で、交差なし）を24時間単位で比較すると、1日の変動が推定できる。いくつかのボックスプロット/時間は統計的な取引機会を示している。 OK, you're on )) まず、私がボットで行ったことをチェックし、次にオーバーラップしていないものを見てみる。 実際、重なり合ったサンプルは常に大きいとは言い難く、ボックスプロットを通して私が先に見つけたのと全く同じクラスターを、横からだけ示している。 1...2324252627282930313233 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
そうではない。サンプルに何か数字を足したり（掛け合わせたり）すれば、中央値はそれに応じて変わりますが、相関係数は変わりません。
じゃあ、どういうことなんだ、理解できないよ。
条件付き分布と無条件分布について 少し理解すればいい。それらが一致しない場合、一方のランダムな値を他方の値から予測することは可能である。
条件付き分布と無条件分布の 概念を少し理解すればよい。それらが一致しないとき、ある確率変数を別の確率変数の値で予測することが可能になる。
ここで、OLAPを使った研究の次のステップを紹介しよう。連続する2本のバーの時間帯別の共分散を推定した。
2019年、H1、M15タイムフレームのEURUSDデータ：
アグリゲーター条件付きプロフィットファクターは前と同様に計算された。2本のバーが同方向の場合、積は正でPF > 1、バーが多方向の場合、積は負でPF < 1。PF値でソートして、前のバーの継続と反転の取引に最適な時間帯を見やすくした。
OLAPを使った次のステップである。隣接する2本の棒グラフの共分散を時間帯別に推定した。
2019年、H1、M15タイムフレームのEURUSDデータ：
アグリゲーター条件付き利益係数は前と同様に計算した。2つのバーが同じ方向である場合、積は正で PF > 1、バーが多方向である場合、積は負で PF < 1。PF値でソートして、前のバーの継続と反転の取引に最適な時間帯を見やすくした。
相関がグループ化されていることもある（過去5年間の例）。
相関脱落 >0.9
この0-4時間のグループは常にクールであり、その後2-3時間連続して欧州セッションでグループがあります。アメリカのセッションでは、たいてい悪い。
私の脳は、新年の前に働くことを拒否する、私はそれが美しくするために、これらの現象の予測能力の良い視覚的な統計的検定を作る方法を把握することはできません。
脳は新年の前に働くことを拒否し、私はこれらの現象の予測能力の良い視覚的な統計テストを行う方法を理解していないので、その美しさ。
予測可能とは、過去から未来への一方向のみを意味する。従って、i > jの条件下で、指数のカウントの積のみを相関計算に考慮することが可能かどうか？同じように可視化する。
予測とは、過去から未来への一方向のみを意味する。従って、相関の計算において、i＞jの条件下で指数の計数の積のみを考慮することが可能かどうかが問題となる。同じように視覚化する。
同時にPythonでもこのトリックをマスターしたいと思いました。そこでは、とてもうまくねじって回すことができる。それから、3D mql kanvasを3D mqlに変換したい人は、頑張ってください）。
これはボックスプロットと同じで、チャートを回転させると、他のボックスプロットが横からはみ出すのだ))。
重複サンプルの相関は誤りであるという相手のテーゼをチェックした。
実際には、特別にチェックしたわけではなく、予定された計画に従って統計的な研究を続けた。
24時間遅れで増分する。(日)、時間の相関を見てみましょう>0.9。
相関の高いインターバルと低いインターバルをいくつか取り出して、次のクローズを予測し、事実と比較してみましょう。終値
相関の高い時計の場合
0-1
2-3
相関の低いクロックの場合
16-17
22-23
ロジックを再確認してみますが、純予測の相関はインクリメントの相関より悪く見えますが（おそらく相関自体の誤差による）、直接相関しているようです。
サンプルの重なりによる相関は誤りであるという反対派のテーゼを確認した。
それは嘘ではなく、重なり合ったサンプルでは定義上大きい。なぜなら、予測された増分の値は長い共通領域に吸収され、情報を持たないからである。
1時間単位（実際には1本の棒で、交差なし）を24時間のステップで比較すると、1日の変動の推定値が得られる。いくつかのボックスプロット/時間は統計的な取引機会を示している。
これは嘘ではなく、重なり合ったサンプルでは定義上大きい。予測された増分の値は長い共通プロットに吸収され、何の情報も持たないので、意味がない。
1時間単位（実際には1本の棒で、交差なし）を24時間単位で比較すると、1日の変動が推定できる。いくつかのボックスプロット/時間は統計的な取引機会を示している。
OK, you're on )) まず、私がボットで行ったことをチェックし、次にオーバーラップしていないものを見てみる。
実際、重なり合ったサンプルは常に大きいとは言い難く、ボックスプロットを通して私が先に見つけたのと全く同じクラスターを、横からだけ示している。