아니요, 그냥 같은 것입니다. 수익률은 단순히 Close[i]-Close[i+n] 가격 계열의 첫 번째 차이입니다(내 차트에서는 8의 시차를 두고 있지만 어떤 시차를 두어도 곡선은 정확히 동일합니다). 저스트 리턴은 주로 서양 문학에서 흔히 사용되는 용어입니다. MQL4 포럼에서는 사람들이 matstat 토론에서 자주 사용합니다(전통적으로 열기가 뜨겁습니다)). 그래서 그냥 습관적으로 사용했습니다. 더 편하다면 "급수의 일차차" 또는 "급수의 증분"이라고 쓰겠습니다. 그러나 "미분"은 시계열에 대한 매우 잘못된 용어이며 여기에는 파생물이 없으며 존재할 수도 없습니다. 기억하시겠지만, 미분과 차이에 대한 분석 장치조차도 심각하게 다릅니다(예: 푸리에 변환과 z 변환 비교...).
문헌에는 수익률에 대한 여러 가지 정의가 있으며 그 종류도 다양합니다. "상대 증분 로그"라는 용어가 제 글의 공식에 맞는 것으로 이해합니다.
"가격 시리즈 파생상품"이라는 용어는 수학적 의미에서 파생상품이 아닙니다. 파생상품은 다음과 같은 의미에서 파생됩니다:
일반적으로 우리는 대회를 발표 할 수 있습니다. Forex에서 정규 분포 값을 처음으로 찾은 사람은 노벨상 수상자의 노력의 비효율성을 증명 한 사람으로 명예의 전당에 올려야합니다)))))
동의합니다. 경험적 분포가 아니라 예시로 제시한 것입니다. 그것을 독자에게 전달하지 않았다면 그건 제 죄입니다.
Engle이 GARCH로 노벨상을 받았지만 (방법도 너무 정교하지 않고 모두 동일합니다. 속도 :) 이 모델이 만들어진 80 년대 이후 시장이 변하지 않았다는 의미는 아닙니다. 반대로 - 나는 그것이 실제로 효과가 있었고 견적 분포가 정상에 가까웠다고 믿을 준비가되어 있습니다 (후자는 의심 스럽지만 :)). 사실 30년이 지난 지금은 작동하지 않습니다. 또한 Engle이 계량 경제학자가 아닌 엔지니어 였다면 고정 프로세스도 이질적 인 공분산 일 수 있다는 사실을 알았을 것입니다. 그는 그의 연구에서 고려하지 않았고 GARCH가 순간적으로 길을 잃는 것은 그러한 데이터에 있습니다. 따라서 귀하와 다른 모든 사람들에게 당국을 따라 잡기 위해 덜 노력하고 스스로 파헤치도록 조언합니다.
ARCH로. 그리고 GARCH는 볼러슬레브가 발명했습니다. 모델을 포함하여 모든 것이 바뀝니다. 가장 간단하고 보편적인 것을 예로 선택했습니다.
- 레오가 맞습니다. 기사의 제목이 기사의 내용을 반영하지 않습니다. 로슈의 경우 그는 질문을했고 제목에서 한 단어를 변경하겠습니다 . " MQ 기업 분석에 대한 계량 경제학 접근법", 특히 접근 방식이 어떻게 즉시 변경되는지 확인할 수 있습니다 .....
- 이 기사는 시계열 분석 (TSA)이라는 접근 방식을 사용하며이 접근 방식은 가격 시리즈이든 에스키모에게 눈을 판매하는 효율성이든 무엇을 분석할지 상관하지 않습니다 :-), 당신은 저자로서 그것에 대해 이야기하지만 어떤 이유로 (기사)를 다르게 부릅니다.....
- AVR을 수행 할 때 기초는 정확히 ACF (자동 상관 함수), 유형 및 매개 변수의 분석입니다. 우선, 자동 상관 관계 함수의 VID (당신은 그것에 대해 한 마디도 말하지 않지만 추가 모델을 결정하는 것은 VID입니다.
- 당신은 단순히 고의적인 결정에 의해 GARCH 모델을 여기로 끌어온 것입니다. 귀하의 연구 (간접 신호)를 통해서도이 모델이 적합하지 않고 보편적이지 않다는 것을 이해할 수 있지만... 변동성을 거래하려는 사람들에게는 적합 할 수 있지만 가격 시리즈 (우리의 목표)를 예측하는 데는 결코 적합하지 않습니다. 관심이 있으시다면 지금 간단히 그 이유를 더 자세히 설명해 드릴 수 있습니다. 제 눈에 띄는 주요 사항
이제 방법론 측면에서
- 푸리에 변환을 통해 ACF를 얻는 방법을 사용하셨습니다. 가능하지만 내가 기억하는 한 의무적으로 모듈러스를 취하고 아마도 (기억에서 쓰는) 역 푸리에 변환 전에 모듈러스의 제곱을 취해야합니다. 나는 당신의 알고리즘에서 보지 못했습니다 (아마도 내가 세심하지 않았을 수도 있습니다).
- ACF를 보여주는 그림에서 계산에 오류가 있음을 알 수 있습니다. 정의상 ACF는 -1...+1 내에 있는 함수이며, +-200과 승수 1e4(0번째 항에 정규화가 적용된 것)가 있습니다.
- MOG를 빼는 것입니다(평균값 m=mean(res);). 왜? 왜 추세가 없는 직선 방정식을 제거할까요? 정당화해 주세요.
- 스펙트럼 처리의 전문가로서 MOJ를 제거하는 것은 스펙트럼의 0 성분을 제로화하는 것과 유사하지만 완전히 정확하려면 스펙트럼에서이 성분이 가장 강력하고 함수 sin(x) / x 의 측면 로브에 따라 전체 스펙트럼으로 확장된다는 것을 알아야합니다. 측면 로브 (이 효과)를 억제하려면 최소한 헤밍 창 (헤닝, 버터 워스,...)을 적용해야합니다 .
- 댓글에 "역 가중 푸리에 변환"이라고 썼는데 단순한 역 변환과 어떻게 다른가요? 무엇에 왜 가중치를 주나요?
더 많은 질문이 있습니다... 또는 오히려 내가 동의하지 않는 몇 가지. .. H4 자연은 속일 수 없으며 시간 축의 지점이 서로 멀어 질수록 각각 시간 간격이 짧을수록 예측의 정확도가 항상 더 나빠질 수 없습니다.
대수를 취할 수 없습니다 ( 또는 오히려 할 수 있지만 잊지 말아야 함), 그렇지 않으면 아브라카다브라를 얻습니다. 간단히 말해서 초기 데이터에 대한이 변환은 ACF 유형을 변경합니다 (통계 패키지의 도움으로 확인할 수 있음), 많은 사람들이이 갈퀴를 밟고 한때 제 시간에 밟았습니다... 다른 유형의 유형은 매우 중요합니다.
나는 항상이 문제에 항상 관심이 있고 관심이 있기 때문에 예측할 수있는 능력, 단순하고 많은 흰색 반점이있는 것은 아니지만, 내가 만난 연구는 매우 자주 흰색 반점이 있으며, 지나가는 것은 분명하지만 본질을 드러내지는 않지만 더 많은 것이 이미 돈을 거짓말하고 알고리즘이 수입을 가져 오기 시작하기 때문에 분명하기 때문에 연구에 참여할 준비가되었습니다 . https://www.mql5.com/ko/code/8295
- AVR을 수행 할 때 기초는 정확히 ACF (자동 상관 관계 함수), VIDA 및 매개 변수의 분석입니다. 우선, 그것은 자동 상관 관계 함수의 유형입니다 (당신은 그것에 대해 한 마디도 말하지 않지만 추가 모델을 결정하는 유형입니다.
- 당신은 단순히 고의적인 결정으로 GARCH 모델을 여기로 드래그했습니다. 귀하의 연구 (간접 신호)를 통해서도이 모델이 적합하지 않고 보편적이지 않다는 것을 이해할 수 있지만... 변동성을 거래하려는 사람들에게는 적합 할 수 있지만 가격 시리즈 (우리의 목표)를 예측하는 데는 결코 적합하지 않습니다 . 관심이 있으시다면 지금 간단히 그 이유를 더 자세히 설명해 드릴 수 있습니다. 제 눈에 띄는 주요 사항
저는 가장 중요하고 흥미로운 것에 대답하기로 결정했습니다.
나는 ACF의 유형이 추가 모델을 결정한다는 데 동의합니다. 그러나 나는 지금까지 기사에서 그것을 다루지 않았습니다. 그것은 나중 단계를위한 작업입니다. 지금까지 소위 사전추정 단계 인 사전 추정 단계를 다루었습니다.
상대적으로 단순하기 때문에 GARCH를 여기에 가져 왔는데 아직 평가도하지 않은 경우 적합하지 않다고 어떻게 결정 했습니까? :-)
저는 지표의 이전 변경 사항(ϵ2t -i)과 이전 분산 추정치(소위 "오래된 뉴스") (σ2t-i) 를 고려하는 수학적 근거로 지정했습니다.
어떤 모델을 사용하여 환율 (가격)을 예측하는주요 목표는 단일 논문 내에서 해결되지 않습니다....
- 푸리에 변환을 통해 ACF를 얻는 방법을 사용했습니다. 그런 식으로 할 수 있지만 제가 기억하기로는 역 푸리에 변환 전에 의무적으로 모듈러스 취하기와 아마도 (기억에서 쓰는 것입니다) 모듈러스 제곱이 있어야 합니다. 귀하의 알고리즘에서 보지 못했습니다 (제가주의를 기울이지 않았을 수도 있습니다).
여기신호 처리 섹션을 보세요. 거기에는 모듈 냄새가 나지 않습니다. 일반적으로 이 알고리즘은 책 Box, G. E. P., G. M. Jenkins 및 G. C. Reinsel. 시계열
Autocorrelation is the cross-correlation of a signal with itself. Informally, it is the similarity between observations as a function of the time separation between them. It is a mathematical tool for finding repeating patterns, such as the presence of a periodic signal which has been buried under noise, or identifying the missing fundamental...
Таблицы B 14 - B 16, B 18 и B 19: Поправка на число рабочих дней. Эти таблицы доступны только при анализе ежемесячных данных. Число разных дней недели (понедельников, вторников и т.д.) колеблется от месяца к месяцу. Бывают ряды, в которых различия в числе рабочих дней в месяце могут давать заметный разброс ежемесячных показателей (например...
- 에서 MOG를 빼는 것입니다(평균 m=평균(res);). 왜 추세가 없는 직선 방정식을 제거할까요? 정당화해 주세요.
이것은 이론가들을 위한 질문입니다. 관심이 있으시다면 이미 알고리즘의 출처를 알려드렸습니다.
- 스펙트럼 처리 전문가 인 귀하는 MOG 제거가 스펙트럼의 0 성분을 0으로 만드는 것과 유사하지만 완전히 정확하려면 스펙트럼의이 구성 요소가 가장 강력하고 함수의 측면 로브에 따라 sin(x) / x 전체 스펙트럼으로 확장된다는 것을 알아야합니다. 측면 로브 (이 효과)를 억제하려면 최소한 헤밍 창 (헤닝, 버터 워스,...)을 적용해야합니다 .
아, 저는 전혀 전문가가 아닙니다. 자세히 설명해 주시겠습니까? :-)
- 댓글에 "역 가중 푸리에 변환"이라고 쓰셨는데 단순한 역 변환과 어떻게 다른가요? 어떻게 그리고 왜 가중치를 주나요?
... H4 자연은 속일 수 없으며 시간 축의 지점이 서로 멀어 질수록 상관 관계가 적으므로 예측의 정확성은 항상 짧은 시간 간격보다 나빠질 것입니다.
대수를 취할 수 없습니다 ( 또는 오히려 할 수 있지만 잊지 말아야 함), 그렇지 않으면 아브라카다브라를 얻습니다. 간단히 말해서 초기 데이터에 대한이 변환은 ACF의 형태를 변경하고매우 중요합니다 (통계 패키지의 도움으로 확인할 수 있음), 많은 사람들이이 갈퀴를 밟고 한때 제 시간에 밟았습니다 ... 형태가 다릅니다.
Abstract. The article is a practical tutorial for fast Fourier transform — FFT — understanding and implementation. Article contains theory, C++ source code and programming instructions. Popular Cooley-Tukey technique is considered. 1. Introduction to fast Fourier transform Fast Fourier transform — FFT — is speed-up technique for calculating...
아니요, 그냥 같은 것입니다. 수익률은 단순히 Close[i]-Close[i+n] 가격 계열의 첫 번째 차이입니다(내 차트에서는 8의 시차를 두고 있지만 어떤 시차를 두어도 곡선은 정확히 동일합니다). 저스트 리턴은 주로 서양 문학에서 흔히 사용되는 용어입니다. MQL4 포럼에서는 사람들이 matstat 토론에서 자주 사용합니다(전통적으로 열기가 뜨겁습니다)). 그래서 그냥 습관적으로 사용했습니다. 더 편하다면 "급수의 일차차" 또는 "급수의 증분"이라고 쓰겠습니다. 그러나 "미분"은 시계열에 대한 매우 잘못된 용어이며 여기에는 파생물이 없으며 존재할 수도 없습니다. 기억하시겠지만, 미분과 차이에 대한 분석 장치조차도 심각하게 다릅니다(예: 푸리에 변환과 z 변환 비교...).
문헌에는 수익률에 대한 여러 가지 정의가 있으며 그 종류도 다양합니다. "상대 증분 로그"라는 용어가 제 글의 공식에 맞는 것으로 이해합니다.
"가격 시리즈 파생상품"이라는 용어는 수학적 의미에서 파생상품이 아닙니다. 파생상품은 다음과 같은 의미에서 파생됩니다:
1. 다른 것에서 파생된; 다른 것에서 파생된.
그러나 상대 증분 로그의 분포.....
로그 정규 분포의 거울 이미지처럼....
일반적으로 우리는 대회를 발표 할 수 있습니다. Forex에서 정규 분포 값을 처음으로 찾은 사람은 노벨상 수상자의 노력의 비효율성을 증명 한 사람으로 명예의 전당에 올려야합니다)))))
동의합니다. 경험적 분포가 아니라 예시로 제시한 것입니다. 그것을 독자에게 전달하지 않았다면 그건 제 죄입니다.
따라서 귀하와 다른 모든 사람들에게 당국을 따라 잡기 위해 덜 노력하고 스스로 파헤치도록 조언합니다.
ARCH로. 그리고 GARCH는 볼러슬레브가 발명했습니다. 모델을 포함하여 모든 것이 바뀝니다. 가장 간단하고 보편적인 것을 예로 선택했습니다.
조언 감사합니다.
댓글:
- 레오가 맞습니다. 기사의 제목이 기사의 내용을 반영하지 않습니다. 로슈의 경우 그는 질문을했고 제목에서 한 단어를 변경하겠습니다 . " MQ 기업 분석에 대한 계량 경제학 접근법", 특히 접근 방식이 어떻게 즉시 변경되는지 확인할 수 있습니다 .....
- 이 기사는 시계열 분석 (TSA)이라는 접근 방식을 사용하며이 접근 방식은 가격 시리즈이든 에스키모에게 눈을 판매하는 효율성이든 무엇을 분석할지 상관하지 않습니다 :-), 당신은 저자로서 그것에 대해 이야기하지만 어떤 이유로 (기사)를 다르게 부릅니다.....
- AVR을 수행 할 때 기초는 정확히 ACF (자동 상관 함수), 유형 및 매개 변수의 분석입니다. 우선, 자동 상관 관계 함수의 VID (당신은 그것에 대해 한 마디도 말하지 않지만 추가 모델을 결정하는 것은 VID입니다.
- 당신은 단순히 고의적인 결정에 의해 GARCH 모델을 여기로 끌어온 것입니다. 귀하의 연구 (간접 신호)를 통해서도이 모델이 적합하지 않고 보편적이지 않다는 것을 이해할 수 있지만... 변동성을 거래하려는 사람들에게는 적합 할 수 있지만 가격 시리즈 (우리의 목표)를 예측하는 데는 결코 적합하지 않습니다. 관심이 있으시다면 지금 간단히 그 이유를 더 자세히 설명해 드릴 수 있습니다. 제 눈에 띄는 주요 사항
이제 방법론 측면에서
- 푸리에 변환을 통해 ACF를 얻는 방법을 사용하셨습니다. 가능하지만 내가 기억하는 한 의무적으로 모듈러스를 취하고 아마도 (기억에서 쓰는) 역 푸리에 변환 전에 모듈러스의 제곱을 취해야합니다. 나는 당신의 알고리즘에서 보지 못했습니다 (아마도 내가 세심하지 않았을 수도 있습니다).
- ACF를 보여주는 그림에서 계산에 오류가 있음을 알 수 있습니다. 정의상 ACF는 -1...+1 내에 있는 함수이며, +-200과 승수 1e4(0번째 항에 정규화가 적용된 것)가 있습니다.
- MOG를 빼는 것입니다(평균값 m=mean(res);). 왜? 왜 추세가 없는 직선 방정식을 제거할까요? 정당화해 주세요.
- 스펙트럼 처리의 전문가로서 MOJ를 제거하는 것은 스펙트럼의 0 성분을 제로화하는 것과 유사하지만 완전히 정확하려면 스펙트럼에서이 성분이 가장 강력하고 함수 sin(x) / x 의 측면 로브에 따라 전체 스펙트럼으로 확장된다는 것을 알아야합니다. 측면 로브 (이 효과)를 억제하려면 최소한 헤밍 창 (헤닝, 버터 워스,...)을 적용해야합니다 .
- 댓글에 "역 가중 푸리에 변환"이라고 썼는데 단순한 역 변환과 어떻게 다른가요? 무엇에 왜 가중치를 주나요?
더 많은 질문이 있습니다... 또는 오히려 내가 동의하지 않는 몇 가지. .. H4 자연은 속일 수 없으며 시간 축의 지점이 서로 멀어 질수록 각각 시간 간격이 짧을수록 예측의 정확도가 항상 더 나빠질 수 없습니다.
대수를 취할 수 없습니다 ( 또는 오히려 할 수 있지만 잊지 말아야 함), 그렇지 않으면 아브라카다브라를 얻습니다. 간단히 말해서 초기 데이터에 대한이 변환은 ACF 유형을 변경합니다 (통계 패키지의 도움으로 확인할 수 있음), 많은 사람들이이 갈퀴를 밟고 한때 제 시간에 밟았습니다... 다른 유형의 유형은 매우 중요합니다.
나는 항상이 문제에 항상 관심이 있고 관심이 있기 때문에 예측할 수있는 능력, 단순하고 많은 흰색 반점이있는 것은 아니지만, 내가 만난 연구는 매우 자주 흰색 반점이 있으며, 지나가는 것은 분명하지만 본질을 드러내지는 않지만 더 많은 것이 이미 돈을 거짓말하고 알고리즘이 수입을 가져 오기 시작하기 때문에 분명하기 때문에 연구에 참여할 준비가되었습니다 . https://www.mql5.com/ko/code/8295
예, 그리고 Q 테스트에 대해서는 예, 우리는 그것을했지만 그 다음에는 무엇입니까?
현재 어떤 모델이 관찰한 것과 일치하는지 대답할 수 있었나요?
이 모델의 매개 변수는 무엇인가요 ? 이 테스트는 무엇을 제공 했습니까? 어떤 질문에 대한 답을 얻었습니까? 내 말은 당신의 가설이 약간 틀렸다는 것입니다....?
다르게 할 수 있습니다. 가장 중요한 것은이 테스트가 찾고있는 것이 무엇인지, 샘플에서 무엇을 결정하는지 이해하는 것입니다 ...
비고:
- AVR을 수행 할 때 기초는 정확히 ACF (자동 상관 관계 함수), VIDA 및 매개 변수의 분석입니다. 우선, 그것은 자동 상관 관계 함수의 유형입니다 (당신은 그것에 대해 한 마디도 말하지 않지만 추가 모델을 결정하는 유형입니다.
- 당신은 단순히 고의적인 결정으로 GARCH 모델을 여기로 드래그했습니다. 귀하의 연구 (간접 신호)를 통해서도이 모델이 적합하지 않고 보편적이지 않다는 것을 이해할 수 있지만... 변동성을 거래하려는 사람들에게는 적합 할 수 있지만 가격 시리즈 (우리의 목표)를 예측하는 데는 결코 적합하지 않습니다 . 관심이 있으시다면 지금 간단히 그 이유를 더 자세히 설명해 드릴 수 있습니다. 제 눈에 띄는 주요 사항
저는 가장 중요하고 흥미로운 것에 대답하기로 결정했습니다.
나는 ACF의 유형이 추가 모델을 결정한다는 데 동의합니다. 그러나 나는 지금까지 기사에서 그것을 다루지 않았습니다. 그것은 나중 단계를위한 작업입니다. 지금까지 소위 사전 추정 단계 인 사전 추정 단계를 다루었습니다.
상대적으로 단순하기 때문에 GARCH를 여기에 가져 왔는데 아직 평가도하지 않은 경우 적합하지 않다고 어떻게 결정 했습니까? :-)
저는 지표의 이전 변경 사항(ϵ2t -i)과 이전 분산 추정치(소위 "오래된 뉴스") (σ2t-i) 를 고려하는 수학적 근거로 지정했습니다.
어떤 모델을 사용하여 환율 (가격)을 예측하는주요 목표는 단일 논문 내에서 해결되지 않습니다....
- 푸리에 변환을 통해 ACF를 얻는 방법을 사용했습니다. 그런 식으로 할 수 있지만 제가 기억하기로는 역 푸리에 변환 전에 의무적으로 모듈러스 취하기와 아마도 (기억에서 쓰는 것입니다) 모듈러스 제곱이 있어야 합니다. 귀하의 알고리즘에서 보지 못했습니다 (제가주의를 기울이지 않았을 수도 있습니다).
분석: 예측 및 제어. 3 판. 어퍼 새들 리버, 뉴저지: 프렌티스 홀, 1994.
Matlab에서도 구현됩니다.
가장 중요하고 흥미로운 질문에 답하기로 결정했습니다.
...
ACF가 -1에서 +1 범위 내에 있어야한다는 사실은 어떻습니까? 그것은 흥미롭지 않습니다 ? 결론을 내리기 전에 먼저 모든 것이 올바르게 계산되었는지 확인해야하기 때문입니다.
H.Y. 그리고 하나의 기사에서 모든 것을 배치 할 수 없다는 사실은 분명합니다, 하나의 매트 모델 왜건과 작은 카트 ))
그리고 여기에 외국 문헌에 대한 참조에 대해서는 http://www.statsoft.ru/home/textbook/modules/sttimser.html#1general.
패키지 통계에는 ACF의 계산이 매트랩이 일치하는 한 번에 일치하는 계산이 있습니다. 동일한 데이터에 대해 MQL 및 이러한 패키지의 계산 결과를 비교하십시오. 어딘가에 실수가 있습니다.
- ACF를 표시한 그림에서 계산에 오류가 있음을 알 수 있습니다. ACF는 정의상 -1...+1 내에 있는 함수이며, +-200과 승수 1e4(0차 항에 정규화된 것)가 있습니다.
이 글에서 Y축에 대한 설명을 자세히 읽어보세요. 제가 이렇게 한 이유는 불가능 의 도움으로 유니티보다 작은 값을 반영할 수 있었습니다.
또한 알고리즘에서 볼 수 있듯이 항상 1과 같은 ACF 배열에서 제로 지연을 제거했습니다. 이렇게 하면 차트가 더 가독성이 높아집니다.
- 에서 MOG를 빼는 것입니다(평균 m=평균(res);). 왜 추세가 없는 직선 방정식을 제거할까요? 정당화해 주세요.
이것은 이론가들을 위한 질문입니다. 관심이 있으시다면 이미 알고리즘의 출처를 알려드렸습니다.
- 스펙트럼 처리 전문가 인 귀하는 MOG 제거가 스펙트럼의 0 성분을 0으로 만드는 것과 유사하지만 완전히 정확하려면 스펙트럼의이 구성 요소가 가장 강력하고 함수의 측면 로브에 따라 sin(x) / x 전체 스펙트럼으로 확장된다는 것을 알아야합니다. 측면 로브 (이 효과)를 억제하려면 최소한 헤밍 창 (헤닝, 버터 워스,...)을 적용해야합니다 .
아, 저는 전혀 전문가가 아닙니다. 자세히 설명해 주시겠습니까? :-)
- 댓글에 "역 가중 푸리에 변환"이라고 쓰셨는데 단순한 역 변환과 어떻게 다른가요? 어떻게 그리고 왜 가중치를 주나요?
여기에 설명되어 있습니다 ....
... H4 자연은 속일 수 없으며 시간 축의 지점이 서로 멀어 질수록 상관 관계가 적으므로 예측의 정확성은 항상 짧은 시간 간격보다 나빠질 것입니다.
대수를 취할 수 없습니다 ( 또는 오히려 할 수 있지만 잊지 말아야 함), 그렇지 않으면 아브라카다브라를 얻습니다. 간단히 말해서 초기 데이터에 대한이 변환은 ACF의 형태를 변경하고매우 중요합니다 (통계 패키지의 도움으로 확인할 수 있음), 많은 사람들이이 갈퀴를 밟고 한때 제 시간에 밟았습니다 ... 형태가 다릅니다.
그들은 며칠과 몇 주가 모두 걸립니다 :-)
무엇의 로그? Excusez-moi!
Trolls:
...통계 패키지에는 ACF와 Matlab의 계산이 있는데, 한 번은 일치하는 것을 확인했습니다. 동일한 데이터에 대해 MQL과 이러한 패키지의 계산 결과를 비교하십시오. 어딘가에 실수가 있습니다.
나는 이미 그것을 비교했습니다. 모든 것이 정확하고 오류가 없습니다. 단지 Google 때문에 데이터 시각화가 여전히 어려움을 겪고 있을 뿐입니다.
2011년 1월 21일 14:19에 작성된 이 글의 댓글에서 ACF 그래프를 일반적인 모습 그대로 보여드렸지만, 항상 1과 같은 제로 지연이 없는 상태로 표시했습니다.