記事「MQL5における拡張ディッキー–フラー検定の実装」についてのディスカッション

[MetaQuotes]

新しい記事「MQL5における拡張ディッキー–フラー検定の実装」はパブリッシュされました:

本稿では、拡張ディッキー–フラー検定の実装を示し、Engle-Granger法を用いた共和分検定に適用します。

簡単に言えば、ADF検定は仮説検定であり、観測されたデータの特定の特性が統計的に有意かどうかを判断することができます。この場合、求められる特性は系列の定常性です。  統計的仮説とは、標本で表されるデータセットについて立てた仮定です。データ全体を扱うことによってのみ、本当の真実を知ることができます。しかし、それは通常、何らかの理由で不可能です。つまり、データセットの標本は、データセット全体の仮定をするためにテストされます。ここで忘れてはならない重要な点は、統計的仮説の真偽は、標本を扱う場合には決して確実にはわからないということです。得られるのは、仮定が真か偽かということです。

ADF検定では、2つのシナリオを考えます。

• 時系列に単位根が存在するという帰無仮説

• 時系列が単位根を示さないという対立仮説

作者: Francis Dube

[Bryan Djoufack Nguessong]

MetaQuotes:

新しい記事をご覧ください：MQL5におけるAugmented Dickey Fullerテストの実装。

著者フランシス・デュベ

この記事を読んでくれてありがとう。この記事のコードを使ってみたんだけど、スピードのためにこのコードを更新したことがあるのか知りたいんだ。最適化できるかどうかわからないけど。