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 69 1...62636465666768697071727374 新しいコメント Alexey Burnakov 2012.10.14 06:24 #681 faa1947: その結果がこちらです。 とても不思議なグラフですね。 トリミング済み。計算の精度に限界があったようだ。 そう、量子化シリーズと書きましたが、これはリターンが小数点以下2桁に丸められ、0.01; 0.02; 0.03 ...となることを意味します。1,2.逆数情報を読み取るためには、系列の定量化が必要である。つまり、各量子はアルファベットの記号である。 次に、あなたがカウントしたものを読みました。 СанСаныч Фоменко 2012.10.14 06:26 #682 HideYourRichess: なるほど。まあ、なんというか、ゲッチよりもNワードの方が信用できるんですよね。;)少なくともパストゥコフの場合は、どこから足が生えてくるのか、どういう発想なのかが明確です。 そして、FARIMA(fractionally integrated series)を試した人は？ Alexey Burnakov 2012.10.14 06:27 #683 faa1947: 自己相関 偏相関 AC PAC Q-Stat Prob | | | 1 -0.059 -0.059 11.332 0.001 | | 2 -0.053 -0.057 20.704 0.000 | | 3 0.025 0.019 22.820 0.000 | | 4 0.005 0.005 22.908 0.000 | | 5 -0.062 -0.059 35.486 0.000 | | 6 0.007 -0.000 35.639 0.000 | | 7 -0.038 -0.045 40.475 0.000 | | 8 0.032 0.030 43.845 0.000 | | 9 -0.007 -0.008 44.004 0.000 | | 10 0.025 0.026 46.003 0.000 | | 11 -0.033 -0.032 49.674 0.000 | | 12 0.048 0.043 57.372 0.000 | | 13 0.002 0.006 57.382 0.000 | | 14 -0.032 -0.028 60.736 0.000 | | 15 -0.033 -0.033 64.288 0.000 | | 16 0.047 0.034 71.425 0.000 | | 17 -0.004 0.007 71.469 0.000 | | 18 -0.039 -0.037 76.462 0.000 | | 19 -0.004 -0.008 76.520 0.000 | | 20 0.017 0.004 77.426 0.000 | | 21 -0.046 -0.040 84.377 0.000 | | 22 0.020 0.013 85.636 0.000 | | 23 0.006 0.006 85.767 0.000 | | 24 -0.010 -0.010 86.089 0.000 | | 25 -0.001 -0.004 86.090 0.000 | | 26 -0.022 -0.028 87.663 0.000 | | 27 0.025 0.031 89.677 0.000 | | 28 -0.022 -0.028 91.250 0.000 | | 29 0.028 0.029 93.841 0.000 | | 30 0.009 0.011 94.135 0.000 | | 31 0.007 0.015 94.290 0.000 | | 32 0.004 0.001 94.350 0.000 | | 33 -0.007 -0.009 94.501 0.000 *| | *| | 34 -0.092 -0.085 122.33 0.000 | | 35 0.010 -0.006 122.66 0.000 | | 36 0.008 0.003 122.89 0.000 最後の列は、相関のある確率である。ゼロです。 このデータには興味がない - 精度の損失。解析は何の意味もない、ただの数字だ。 デタラメな数字ではありません。離散系列から得られる結果です。Close_Returnsシリーズを試してみてください - バラバラではありません。この2つを比較してみましょう。 СанСаныч Фоменко 2012.10.14 06:35 #684 alexeymosc: 単なる数字ではありません。離散系列から導き出される結果です。まあ、Close_Returnsシリーズをやってみればいいんですけどね......バラバラなんですよ。この2つを比較してみましょう。 条文とオープナーの違いは何ですか？ 昼飯を食ってやる。 Alexey Burnakov 2012.10.14 06:36 #685 faa1947: ピエロとオープナーの違いって何？ 昼食をとって作ってみます。 召し上がれ。 ダウ・ジョーンズ指数ですから、ほぼ連日ギャップがあることはご存じですか？ Hide 2012.10.14 06:50 #686 faa1947: FARIMA（フラクショナル・インテグレーテッド・ロー）を試された方はいらっしゃいますか？ 結構です、またエコノミーな数値化手法です。 削除済み 2012.10.14 07:00 #687 IgorM: うーん、こうしてみると、ビジュアル的にはこんな感じですね。 http://imglink.ru/pictures/14-10-12/6038b20b9bfbd1e06c08e649623cca4b.jpg http://imglink.ru/pictures/14-10-12/47b7615b511f6b8a6f3b638a2fcda38b.jpg 各色の三角形は、観測者の歴史をシミュレートする垂直線に対するM1,M5からMNまでの右から左へのTF、HighとLowの極値/歴史的最大/最小の範囲の形で歴史を表しています。 アルファベットの形でStatisticaにアップロードしたところ、確かに2-3TFでも繰り返されるセクション/ワードがあるが、繰り返しは周期的ではなく、繰り返し期間は2ヶ月から数年であることがわかった 構築アルゴリズムがわからない。お馬鹿さんには、いいのかな？ СанСаныч Фоменко 2012.10.14 07:42 #688 alexeymosc: 単なる数字ではありません。離散系列から導かれる結果です。まあ、Close_Returnsシリーズをやってみればいいんですけどね......バラバラなんですよ。この2つを比較してみましょう。 ここで混乱が生じました。私がやっていたのは、いただいたシリーズではなく、自分でカウントしていたインクリメンタルオープナーとの関連です。 СанСаныч Фоменко 2012.10.14 07:43 #689 HideYourRichess: 結構です、またエコノミーな数値化手法です。 おいおい、どうしたんだ。それは、あなたが認めているような、純粋なハーストです。 СанСаныч Фоменко 2012.10.14 07:48 #690 オープニングによると グラフ 私の縮尺と合っているようです。 ヒストグラム 違うようです。 ACF 日付: 10/14/12 時間: 13:48 サンプル：1 100 含まれる観測データ：100 自己相関 偏相関 AC PAC Q-Stat Prob .|...| .|... 1 0.003 0.003 0.0011 0.973 .|...| .|... 2 0.044 0.044 0.2010 0.904 *|...| *|...| 3 -0.134 -0.134 2.0784 0.556 .|..| .|..| 4 -0.036 -0.037 2.2153 0.696 *|...| *|...| 5 -0.119 -0.109 3.7253 0.590 .|* |00 .|* |01 6 0.115 0.104 5.1554 0.524 *|...| *|...| 7 -0.095 -0.102 6.1521 0.522 .|. | .|. 8 0.007 -0.029 6.1581 0.630 *|...| .|... 9 -0.067 -0.045 6.6632 0.672 .|* |00 .|* 10 0.108 0.087 7.9741 0.631 .|...| .|... 11 -0.007 0.006 7.9799 0.715 .|...| .|... 12 0.046 -0.008 8.2211 0.768 .|. | .|* |01 13 0.066 0.106 8.7253 0.793 .|...| .|... 14 0.060 0.051 9.1477 0.821 .|...| .|... 15 -0.043 -0.015 9.3658 0.858 *|...| *|...| 16 -0.101 -0.122 10.603 0.833 .|...| .|... 17 -0.040 0.009 10.804 0.867 *|...| *|...| 18 -0.102 -0.089 12.106 0.842 .|. | .|. 19 -0.034 -0.058 12.253 0.875 .|...| .|... 20 0.026 0.002 12.336 0.904 .|...| *|...| 21 -0.045 -0.076 12.600 0.922 .|...| .|... 22 -0.001 0.004 12.600 0.944 .|* | .|.| 23 0.110 0.070 14.204 0.921 .|...| .|... 24 0.026 0.011 14.296 0.940 .|.|.| .|.|. 25 -0.020 -0.050 14.348 0.955 .|...| .|... 26 0.042 0.061 14.590 0.964 .|. | .|* | 27 0.051 0.077 14.958 0.970 *|...| .|...| 28 -0.070 -0.060 15.652 0.971 .|...| .|... 29 0.017 0.037 15.694 0.979 .|. | .|. 30 -0.037 -0.002 15.889 0.984 .|...| .|... 31 0.013 0.057 15.915 0.989 .|..| .|..| 32 -0.013 -0.014 15.941 0.992 .|...| .|... 33 0.011 -0.038 15.960 0.995 .|. | .|. 34 -0.041 -0.033 16.224 0.996 .|. | .|. 35 -0.011 -0.027 16.244 0.997 .|.|.| .|.|. 36 -0.017 -0.036 16.289 0.998 事実上、差はないと思います。つまり、開幕戦では2種類のインクリメントで同じスタッツイメージが得られるわけです。 Dependency statistics in quotes Any questions from newcomers I want to build 1...62636465666768697071727374 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
その結果がこちらです。
とても不思議なグラフですね。 トリミング済み。計算の精度に限界があったようだ。
そう、量子化シリーズと書きましたが、これはリターンが小数点以下2桁に丸められ、0.01; 0.02; 0.03 ...となることを意味します。1,2.逆数情報を読み取るためには、系列の定量化が必要である。つまり、各量子はアルファベットの記号である。
次に、あなたがカウントしたものを読みました。
なるほど。まあ、なんというか、ゲッチよりもNワードの方が信用できるんですよね。;)少なくともパストゥコフの場合は、どこから足が生えてくるのか、どういう発想なのかが明確です。
自己相関 偏相関 AC PAC Q-Stat Prob
| | | 1 -0.059 -0.059 11.332 0.001
| | 2 -0.053 -0.057 20.704 0.000
| | 3 0.025 0.019 22.820 0.000
| | 4 0.005 0.005 22.908 0.000
| | 5 -0.062 -0.059 35.486 0.000
| | 6 0.007 -0.000 35.639 0.000
| | 7 -0.038 -0.045 40.475 0.000
| | 8 0.032 0.030 43.845 0.000
| | 9 -0.007 -0.008 44.004 0.000
| | 10 0.025 0.026 46.003 0.000
| | 11 -0.033 -0.032 49.674 0.000
| | 12 0.048 0.043 57.372 0.000
| | 13 0.002 0.006 57.382 0.000
| | 14 -0.032 -0.028 60.736 0.000
| | 15 -0.033 -0.033 64.288 0.000
| | 16 0.047 0.034 71.425 0.000
| | 17 -0.004 0.007 71.469 0.000
| | 18 -0.039 -0.037 76.462 0.000
| | 19 -0.004 -0.008 76.520 0.000
| | 20 0.017 0.004 77.426 0.000
| | 21 -0.046 -0.040 84.377 0.000
| | 22 0.020 0.013 85.636 0.000
| | 23 0.006 0.006 85.767 0.000
| | 24 -0.010 -0.010 86.089 0.000
| | 25 -0.001 -0.004 86.090 0.000
| | 26 -0.022 -0.028 87.663 0.000
| | 27 0.025 0.031 89.677 0.000
| | 28 -0.022 -0.028 91.250 0.000
| | 29 0.028 0.029 93.841 0.000
| | 30 0.009 0.011 94.135 0.000
| | 31 0.007 0.015 94.290 0.000
| | 32 0.004 0.001 94.350 0.000
| | 33 -0.007 -0.009 94.501 0.000
*| | *| | 34 -0.092 -0.085 122.33 0.000
| | 35 0.010 -0.006 122.66 0.000
| | 36 0.008 0.003 122.89 0.000
このデータには興味がない - 精度の損失。解析は何の意味もない、ただの数字だ。
デタラメな数字ではありません。離散系列から得られる結果です。Close_Returnsシリーズを試してみてください - バラバラではありません。この2つを比較してみましょう。
単なる数字ではありません。離散系列から導き出される結果です。まあ、Close_Returnsシリーズをやってみればいいんですけどね......バラバラなんですよ。この2つを比較してみましょう。
条文とオープナーの違いは何ですか？
昼飯を食ってやる。
ピエロとオープナーの違いって何？
昼食をとって作ってみます。
召し上がれ。
ダウ・ジョーンズ指数ですから、ほぼ連日ギャップがあることはご存じですか？
FARIMA（フラクショナル・インテグレーテッド・ロー）を試された方はいらっしゃいますか？
うーん、こうしてみると、ビジュアル的にはこんな感じですね。
http://imglink.ru/pictures/14-10-12/6038b20b9bfbd1e06c08e649623cca4b.jpg
http://imglink.ru/pictures/14-10-12/47b7615b511f6b8a6f3b638a2fcda38b.jpg
各色の三角形は、観測者の歴史をシミュレートする垂直線に対するM1,M5からMNまでの右から左へのTF、HighとLowの極値/歴史的最大/最小の範囲の形で歴史を表しています。
アルファベットの形でStatisticaにアップロードしたところ、確かに2-3TFでも繰り返されるセクション/ワードがあるが、繰り返しは周期的ではなく、繰り返し期間は2ヶ月から数年であることがわかった
構築アルゴリズムがわからない。お馬鹿さんには、いいのかな？
単なる数字ではありません。離散系列から導かれる結果です。まあ、Close_Returnsシリーズをやってみればいいんですけどね......バラバラなんですよ。この2つを比較してみましょう。
結構です、またエコノミーな数値化手法です。
オープニングによると
グラフ
私の縮尺と合っているようです。
ヒストグラム
違うようです。
ACF
日付: 10/14/12 時間: 13:48
サンプル：1 100
含まれる観測データ：100
自己相関 偏相関 AC PAC Q-Stat Prob
.|...| .|... 1 0.003 0.003 0.0011 0.973
.|...| .|... 2 0.044 0.044 0.2010 0.904
*|...| *|...| 3 -0.134 -0.134 2.0784 0.556
.|..| .|..| 4 -0.036 -0.037 2.2153 0.696
*|...| *|...| 5 -0.119 -0.109 3.7253 0.590
.|* |00 .|* |01 6 0.115 0.104 5.1554 0.524
*|...| *|...| 7 -0.095 -0.102 6.1521 0.522
.|. | .|. 8 0.007 -0.029 6.1581 0.630
*|...| .|... 9 -0.067 -0.045 6.6632 0.672
.|* |00 .|* 10 0.108 0.087 7.9741 0.631
.|...| .|... 11 -0.007 0.006 7.9799 0.715
.|...| .|... 12 0.046 -0.008 8.2211 0.768
.|. | .|* |01 13 0.066 0.106 8.7253 0.793
.|...| .|... 14 0.060 0.051 9.1477 0.821
.|...| .|... 15 -0.043 -0.015 9.3658 0.858
*|...| *|...| 16 -0.101 -0.122 10.603 0.833
.|...| .|... 17 -0.040 0.009 10.804 0.867
*|...| *|...| 18 -0.102 -0.089 12.106 0.842
.|. | .|. 19 -0.034 -0.058 12.253 0.875
.|...| .|... 20 0.026 0.002 12.336 0.904
.|...| *|...| 21 -0.045 -0.076 12.600 0.922
.|...| .|... 22 -0.001 0.004 12.600 0.944
.|* | .|.| 23 0.110 0.070 14.204 0.921
.|...| .|... 24 0.026 0.011 14.296 0.940
.|.|.| .|.|. 25 -0.020 -0.050 14.348 0.955
.|...| .|... 26 0.042 0.061 14.590 0.964
.|. | .|* | 27 0.051 0.077 14.958 0.970
*|...| .|...| 28 -0.070 -0.060 15.652 0.971
.|...| .|... 29 0.017 0.037 15.694 0.979
.|. | .|. 30 -0.037 -0.002 15.889 0.984
.|...| .|... 31 0.013 0.057 15.915 0.989
.|..| .|..| 32 -0.013 -0.014 15.941 0.992
.|...| .|... 33 0.011 -0.038 15.960 0.995
.|. | .|. 34 -0.041 -0.033 16.224 0.996
.|. | .|. 35 -0.011 -0.027 16.244 0.997
.|.|.| .|.|. 36 -0.017 -0.036 16.289 0.998