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
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。
こんにちは、フランシス、
記事を読み、コードをテストしました。記事の中で次のように定義されています：
Cointegration
相関と共分散は、特に時系列 データの文脈で変数間の関係を測定するために使用される統計的概念である。どちらも関係を測定するものであるが、その目的は異なり、適用されるシナリオも異なる。相関は、2 つの変数間の線形関係の強さと方向の統計的尺度を指す。
相関は正にも 負にも なり得ることが分かっています。
ここで私が質問したいのは、負の相関関係も あり得るのかということです。一般的に、あなたの記事は正の部分をカバーしています。
どのようにコードを変更すれば、2つ目のケースをカバーすることができるでしょうか？すなわち、これらのシンボルのうちの1つが成長しているとき、そのペアは下降しており、その逆は90%以上の信頼度で行われます。
よろしくお願いします。
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。
作者: Francis Dube