引用における依存性統計（情報理論、相関などの特徴選択法） - ページ 23 1...161718192021222324252627282930...74 新しいコメント Alexey Burnakov 2011.09.10 18:26 #221 joo:...とか、どんな組み合わせでとか」 もっと複雑なんです。はるかに複雑で計算コストがかかる。つまり、情報量の多い変数のセットを選ぶのは簡単だが、冗長な（相互に情報量の多い）変数を取り除くのは難しく、ペア、トリプル...を選択することになる。その組み合わせがターゲット変数に影響を与えるような変数は、まず計算量が膨大になるため、指数関数的に 難しくなります。 Andrey Dik 2011.09.10 18:37 #222 alexeymosc: もっと複雑なんです。はるかに複雑で計算コストがかかる。つまり、情報量の多い変数のセットを選ぶのは簡単だが、冗長な（相互に情報量の多い）変数を取り除くのは難しく、ペアやトリプルを選ぶのはもっと難しい......ということである。の組み合わせは、まず計算量が膨大になるため、対象変数に影響を与える変数の組み合わせは指数関数的に難しくなります。 また、検索はブルートフォースではなく、どのように行われるのでしょうか？ Vasiliy Sokolov 2011.09.10 18:38 #223 GARCH(1,1)の結果の分布が正規分布に見えるのはとても不思議なことです。もっと言えば、単純にあり得ないことなのです。このようなモデルのトレードマークは、ファットテイルネスとエロンゲーションで、実際の市場分布を模倣している。どうやら、出来上がったチャートが代表的でないか、ボラティリティ会計の期間（P=1, Q=1）が十分長くないために、薄くなっているようです。 しかし、もうひとつ興味深いことがあります。 つまり、最初の足で「関係」が大きく揺らぎ、他のすべてのデータで不確実性が生じているのです。これは、モデルが直前のバーのボラティリティしか記憶していないため、まさにそうあるべきなのです。GARCH(3,3)なら最初の3ラグ、GARCH(20,20)なら最初の20ラグ、などと明記されるのではないでしょうか？ MathLabと格闘して、GARCH(20, 20)のデータを取得してみます。 もし、彼らの分析が20期間の相関を示すなら、問題は明らかである。 Alexey Burnakov 2011.09.10 18:41 #224 C-4: MathLabと格闘して、GARCH(20, 20)のデータを取得してみることにします。 もし、彼らの分析が20期間の相関を示すのであれば、問題は明らかである。 そんなことはない。THISを考慮した計算式であることは既に知っているのですが...。5分足チャートを見てみましょう。最も近いラグとラグ288でのvolの明らかな関係は日周である。でも、よかったら行ってみてください。確認します。 相互情報量は可能な限りの依存関係を吸収してしまうので、「他の依存関係」を見つけようとしているのです。切り離すことができなければなりません。 Alexey Burnakov 2011.09.10 19:27 #225 EURUSD H1. 元の系列（同じように5分位で離散化）に対するI 相互情報量の総和。3.57 Bits!テストしたすべての時間枠の中で最も高い値。 ここで、returns ^ 2をとって符号をなくし、volatilityを調べてみよう。 ようです。しかし、Iの和は5.35Bitsである。 理にかなっている!結局のところ、純揮発性系列の不確実性はより小さい。 そして、一方を引き算するとどうなるのか。 Sceptic Philozoff 2011.09.10 23:14 #226 alexeymosc: 5分足の特性を持つランダムデータに対する頻度行列はこのようになります（1ラグ目が対象変数）。 血まみれの地獄あなたのマトリクスは、ブレークスルーとロジットの印象を受けました。検索エンジンで調べたら、なんだこれ...。という疑問が湧いたが、それは確率とその対数であることに気がついた。 P.S. る・う・う・う・で、この表はすべてクリアしているのですか？わからないことがあれば、聞く、聞く。バカな質問には、（ここで少しダミー気分の自分もいるので） 負けませんよ。 一度だけ、ほとんど ないユーモア、悪口や釣り竿の代わりに即時の魚に焦点を当てているまともなトピックがあります - しかし、真実を探しての非常に興味深いプロセスがあります... 計量経済 学のどこにそのような問題が あるのだろうか？ СанСаныч Фоменко 2011.09.11 06:13 #227 anonymous: 確かに、市場はより複雑になっています。しかし、それは観察された現象を無視する理由にはならない 私は市場の科学的な研究はしていません。具体的な目的は、一歩先の予測をすることです。 検定について：異分散性は文献上では一般的に認められている事実 どこかで見たことがあるようなスローガンですね。こういう出版物を読んでも、私の儲けは増えない。 正確には、異分散性の検定は、異なる計算式で計算されるtermsだけでなく、計量経済学の パッケージで標準的に用いられているモデル残差についても行われます。 予測変数とモデル誤差に異分散性検定が適用されることもある。 モデル誤差」というのが、モデルからの残差＝元の見積もりとモデルとの差という意味なら、納得です。そして、異方分散性検定は時々ではなく、常に 適用される。モデルからの残差に不均一性がある場合、それをモデル化し、集計モデルの最終目標は定常残差（モと分散が一定）を得ることである。もし、moや分散が変数であれば、予測誤差が変数となるため、予測は不可能となる。 СанСаныч Фоменко 2011.09.11 06:15 #228 Mathemat:? 今回ばかりはまともな話題が...。 話題の品性を問う書き込みは全て無視 されたことを指摘したい。 Avals 2011.09.11 07:01 #229 は、GARCHに基づくSBを生成しない。実際のシリーズを取り上げ、実際のボラティリティに基づいたSBを生成する必要があります。実機のオフライン履歴をティックボリュームを使ったSBに置き換えるスクリプトをこちらhttps://forum.mql4.com/ru/41986/page10 に投稿しました。このようなSBは、ほぼ100％実機を再現することができます。GARCH などは、波のサイクルの違いなど、多くのニュアンスを考慮していない。このSBの列と生成元の列の間に何か違いがあれば、より興味深いです :) Candid 2011.09.11 07:09 #230 alexeymosc: EURUSD H1. 元の系列（同じように5分位で離散化）に対するI ここでいう生データとは、パーセントインクリメントモジュールのことだと記憶していますが、間違いないでしょうか？ しかし、もしそうであれば、実は同じボラティリティ（つまりその単調で曖昧さのない関数）であるため、多少フィルターをかけた形ではあるが、ここでもすべてのボラティリティ関連の効果が現れると予想される。そして、ボラティリティの影響が他の市場現象よりもはるかに勝っているように見えるので、その背景に「何か他のもの」が見えるというのは、かなり問題があるように見えます。繰り返しますが、生データから、既知だが「役に立たない」効果を一貫して除外することを試みる方が、より有望だと思います。 ところで、Alexey（Mathemat）さんは、生データもモジュールとしてお持ちなのでしょうか？ 1...161718192021222324252627282930...74 新しいコメント 理由: キャンセル 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
...とか、どんな組み合わせでとか」
もっと複雑なんです。はるかに複雑で計算コストがかかる。つまり、情報量の多い変数のセットを選ぶのは簡単だが、冗長な（相互に情報量の多い）変数を取り除くのは難しく、ペアやトリプルを選ぶのはもっと難しい......ということである。の組み合わせは、まず計算量が膨大になるため、対象変数に影響を与える変数の組み合わせは指数関数的に難しくなります。
GARCH(1,1)の結果の分布が正規分布に見えるのはとても不思議なことです。もっと言えば、単純にあり得ないことなのです。このようなモデルのトレードマークは、ファットテイルネスとエロンゲーションで、実際の市場分布を模倣している。どうやら、出来上がったチャートが代表的でないか、ボラティリティ会計の期間（P=1, Q=1）が十分長くないために、薄くなっているようです。
しかし、もうひとつ興味深いことがあります。
つまり、最初の足で「関係」が大きく揺らぎ、他のすべてのデータで不確実性が生じているのです。これは、モデルが直前のバーのボラティリティしか記憶していないため、まさにそうあるべきなのです。GARCH(3,3)なら最初の3ラグ、GARCH(20,20)なら最初の20ラグ、などと明記されるのではないでしょうか？
MathLabと格闘して、GARCH(20, 20)のデータを取得してみます。 もし、彼らの分析が20期間の相関を示すなら、問題は明らかである。
MathLabと格闘して、GARCH(20, 20)のデータを取得してみることにします。 もし、彼らの分析が20期間の相関を示すのであれば、問題は明らかである。
そんなことはない。THISを考慮した計算式であることは既に知っているのですが...。5分足チャートを見てみましょう。最も近いラグとラグ288でのvolの明らかな関係は日周である。でも、よかったら行ってみてください。確認します。
相互情報量は可能な限りの依存関係を吸収してしまうので、「他の依存関係」を見つけようとしているのです。切り離すことができなければなりません。
EURUSD H1.
元の系列（同じように5分位で離散化）に対するI
相互情報量の総和。3.57 Bits!テストしたすべての時間枠の中で最も高い値。
ここで、returns ^ 2をとって符号をなくし、volatilityを調べてみよう。
ようです。しかし、Iの和は5.35Bitsである。
理にかなっている!結局のところ、純揮発性系列の不確実性はより小さい。
そして、一方を引き算するとどうなるのか。
血まみれの地獄あなたのマトリクスは、ブレークスルーとロジットの印象を受けました。検索エンジンで調べたら、なんだこれ...。という疑問が湧いたが、それは確率とその対数であることに気がついた。
P.S. る・う・う・う・で、この表はすべてクリアしているのですか？わからないことがあれば、聞く、聞く。バカな質問には、（ここで少しダミー気分の自分もいるので） 負けませんよ。
一度だけ、ほとんど ないユーモア、悪口や釣り竿の代わりに即時の魚に焦点を当てているまともなトピックがあります - しかし、真実を探しての非常に興味深いプロセスがあります...
計量経済 学のどこにそのような問題が あるのだろうか？
確かに、市場はより複雑になっています。しかし、それは観察された現象を無視する理由にはならない
私は市場の科学的な研究はしていません。具体的な目的は、一歩先の予測をすることです。
検定について：異分散性は文献上では一般的に認められている事実
どこかで見たことがあるようなスローガンですね。こういう出版物を読んでも、私の儲けは増えない。
正確には、異分散性の検定は、異なる計算式で計算されるtermsだけでなく、計量経済学の パッケージで標準的に用いられているモデル残差についても行われます。
予測変数とモデル誤差に異分散性検定が適用されることもある。
モデル誤差」というのが、モデルからの残差＝元の見積もりとモデルとの差という意味なら、納得です。そして、異方分散性検定は時々ではなく、常に 適用される。モデルからの残差に不均一性がある場合、それをモデル化し、集計モデルの最終目標は定常残差（モと分散が一定）を得ることである。もし、moや分散が変数であれば、予測誤差が変数となるため、予測は不可能となる。
今回ばかりはまともな話題が...。
話題の品性を問う書き込みは全て無視 されたことを指摘したい。
EURUSD H1.
元の系列（同じように5分位で離散化）に対するI
ここでいう生データとは、パーセントインクリメントモジュールのことだと記憶していますが、間違いないでしょうか？
しかし、もしそうであれば、実は同じボラティリティ（つまりその単調で曖昧さのない関数）であるため、多少フィルターをかけた形ではあるが、ここでもすべてのボラティリティ関連の効果が現れると予想される。そして、ボラティリティの影響が他の市場現象よりもはるかに勝っているように見えるので、その背景に「何か他のもの」が見えるというのは、かなり問題があるように見えます。繰り返しますが、生データから、既知だが「役に立たない」効果を一貫して除外することを試みる方が、より有望だと思います。
ところで、Alexey（Mathemat）さんは、生データもモジュールとしてお持ちなのでしょうか？