Статья призвана познакомить читателя с преобразованием Бокса-Кокса (Box-Cox Transformation). В статье кратко затрагиваются вопросы, связанные с его использованием и приводятся примеры, позволяющие оценить эффективность данного преобразования по отношению к случайным последовательностям и реальным котировкам.
この式によると、トレンドの場合、分散は0になるのですが、それでいいのでしょうか?
0にならないので、値を代入してみてください。)
トレンドが完全である、すなわちすべてのバーが同じ増分を持つと仮定しましょう。つまり、増分のグラフは直線になるわけです。では、直線の分散はどうなるのでしょうか。
トレンドが理想的、すなわちすべてのバーが同じ増分を持つと仮定してみましょう。つまり、インクリメントのグラフは直線になるわけです。では、直線の分散はどうなっているのでしょうか。
はい、ではゼロです。
そして、分散は均一な 密度のインクリメントで最大化される。市場にとって、この時期は、他の鳥の言葉で言えば、エントロピーが最も大きくなる時期であり、小刻みな変動が中刻み、大刻みと同じ頻度で発生する時期である。
ですから、経済学者が、例えば、ある道具の分散を測定したと言うとき、次のようにします。分散 = sum((Xi - X^)^2) / (N - 1)です。
ここで、Xi はいずれかの計算式で算出された増分を示す。
X^ はキャップ付きX - 利用可能なサンプルにおける増分値の平均のサンプル推定値
N - 1 はサンプルサイズから 1 を引いたものである。
であり、式全体が分散の不偏推定値である。
そして、経済学者たちは、増分の密度が正常であると考え始め、sqrt(分散) * sqrt(m) * 1.96 のようなことをしようとするのです。
ここで、分散の根は標準偏差の推定値であり、式全体は、95%の確率でmステップ前進における価格の広がりの極限の推定値を得るために、非(!)正規系列の正規性の結果を伸張したものである。そして、エラーは当然ながら得られます。
だいたいのことは説明できたかと思います。そして、元の価格系列は、増分と違って、第一近似値すら正常なものに見えません。
https://www.mql5.com/ru/articles/363
この著者は、増分の標本が通常の標本にかなり近似していることを示しています。直線上にない点を処理することは以前から知られており、最大モジュロ値の7~10%程度がサンプルから除外される。そうすると、コルモゴロフの適合度基準(分布の形に非常に敏感)でも、標本が正規であることがわかります。除外された値については、現在のトレンドが崩れたポイントです。この方法論の出典(昔、英語で読んだのですが、どこか忘れました)は、基本的にトレンドのブレークポイントの間にあるポイントから増分のサンプルを形成することを提案しており、これを現在のトレンドと呼ぶことが示唆されています。
はい、ではゼロです。
そして、分散は均一な密度のインクリメントで最大化される。市場にとって、この時期は、他の鳥の言葉で言えば、小刻み、中刻み、大刻みが等しく起こる、最もエントロピーの大きい時期である。
今回の記事では、第5節「トレンドの排除」についてご紹介します。
https://www.mql5.com/ru/articles/363
著者は、増分値のサンプルの変換を完全に許容することを示しています。直線上にない点の扱いは古くから知られており、最大モジュロ値の7~10%程度でサンプルから除外される。そうすると、コルモゴロフの適合度基準(分布の形に非常に敏感)でも、標本正規性が示される。除外された値については、現在のトレンドが崩れたポイントです。この方法論の出典(昔、英語で読んだのですが、どこか忘れました)は、基本的にトレンドのブレークポイントの間にあるポイントから増分のサンプルを形成することを提案しており、これを現在のトレンドと呼ぶことが示唆されています。
ここでなんという逆転現象が起きたのでしょうか。
私は、「このような明確な『トレンド性』の存在は、まずトレンドを排除しようとすることを示唆 する」と読みました。
まるで、月から落ちてきたかのように。まるで波の識別が難しいかのように。分析、ひいては取引における主な問題は、トレンドを見極める ことです。
ここでなんという逆転現象が起きたのでしょうか。
私は、「このような明確な『トレンド性』の存在は、まずトレンドを排除しようとすることを示唆 する」と読みました。
まるで、月から落ちてきたかのように。まるで波の識別が難しいかのように。分析、ひいては取引における主な問題は、トレンドを見極める ことです。
トレンドが完全で、各バーで増分が同じであるとします。つまり、増分のグラフは直線になるわけです。では、直線の分散はどうなるのでしょうか。
統計学を応用しようとするとき、その基礎となるのは、その科学の特定のツールの適用可能性(applicability)の問題 である。
あなたの例では、ランダムな変数が含まれていません - 定数です。分散とは、あくまでも確率変数のことである。今回のケースでは、乱数ではなく定数が入力されていることが分散計算でわかるという、統計学ならではの結果が出ました。
あなたの例のユニークな点は、結果が正しく、簡単に説明できることです。通常、線形回帰の ようなツールを使用する可能性を慎重に正当化しない場合、現実とは何の関係もない結果が得られ、したがって、実際には完全に使用できません:数字は、彼らが見ることができる(ゴッファー可視)、しかし現実には、これらのすべての数字がありません!あなたは、このようなツールを使用することができます。ただの数字遊び。
線形回帰を例にとると、標準的なアルゴリズム(自作ではない)で回帰係数を計算し、通常、右端の列で、私たちが目にする回帰係数が実際に存在するかどうかを教えてくれるのです。右端の列の数値が0.5(50%)であれば、印刷された数値が存在しないことは確かである。10%なら霧の中の出来事だが、5%以下なら本当に数字が存在していることになる。そして、この線形回帰を適用する可能性があることを事前に正当化できた場合のみ、これを信じることができます。