이것은 시리즈가 고정되어 있음을 의미합니다 ... 그대로 사용할 수는 없지만 첫 번째 차이점 만 사용할 수 있음을 의미합니다. 정확히 동일한 다른 행과 선만 아래쪽으로 향하는 다른 행을 상상해 보십시오.
따라서 두 행이 같은 방향으로 향할 때 상관 관계가 완벽하게 계산됩니다. 서로 다른 방향일 때 -1을 얻습니다. 저것들. 결과가 의미 있고 상관 관계가 계산되며 값이 참입니다. 그러나 시리즈는 고정적이지 않기 때문에 이것을 할 수 없습니다. :) 첫 번째 차이에서 상관 관계를 고려해야 합니다. 따라서 행 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 및 -1, -1, -1, -1, -1, -1, -1이 있습니다. , -1, -1, -1, -1 - 이러한 데이터에 대해 상관 관계를 전혀 계산할 수 없습니다.
그게 다야! 주님
* * *
인터넷에서 Granger에 대해 조금 뒤져서 Granger 방법은 첫 번째 차이점에만 적용해야한다는 진술을 만났습니다 ... 그러나 이것은 더 유능한 교과서에 있지 않고 반대로 다른 방법은 고정 데이터에 사용됩니다. 그러나 모든 사람이 자신의 사례를 증명하는 방법으로 ... 나는 누군가가 어떻게 될지 모르지만 첫 번째 차이가 필요하지 않다는 것이 분명합니다.
* * *
모든 것이 계량 경제학자들에게 명확합니다. ... 따라서 나는 휴가를 내고 더 이상 상관 관계 등의 주제에 대한 대화에 절대적으로 참여하지 않습니다.
공식과 용어를 조작하는 것 외에도 본질과 의미를 이해해야 합니다.
당신은 의미에 안주하지만 한편 당신 자신은 의미를 잃어 버렸습니다. 간단한 예, MO가 0인 두 개의 고정된 랜덤 워크:
둘 다 같은 방향을 향하고 있는 것은 자명하고, 이들 과정 사이에는 아무런 관계가 없다는 것도 자명하다. 이 두 시리즈에 대한 QC를 그대로 사용하면 계수가 0.86 , 즉 강한 관계를 확인했습니다. 그러나 분명히 거기에 없다면 우리는 무엇을 얻었습니까? 이제 우리는 이 두 프로세스의 첫 번째 차이를 취하고 그에 대한 QC를 계산합니다. 이제 0.02 와 같습니다. 그는 보여야 할 것을 보여주었습니다. 관계가 없습니다. 한 방향으로의 그들의 움직임은 단순한 우연의 일치입니다.
I(1)에서 CC를 계산하여 통계를 조정합니다. 당신이 생각하는 방법 . 그리고 시각적으로 두 행은 실제로는 유사하지 않지만 실제로는 유사합니다.
C-4 : 둘 다 같은 방향을 향하고 있는 것이 자명하고, 이들 과정들 사이에 관계가 없는 것도 자명하다. 이 두 시리즈에 대한 QC를 그대로 사용하면 계수가 0.86 , 즉 강한 관계를 확인했습니다. 그러나 분명히 거기에 없다면 우리는 무엇을 얻었습니까? 이제 우리는 이 두 프로세스의 첫 번째 차이를 취하고 그에 대한 QC를 계산합니다. 이제 0.02 와 같습니다. 그는 보여야 할 것을 보여주었습니다. 관계가 없습니다. 한 방향으로의 그들의 움직임은 단순한 우연의 일치입니다.
아주 좋은 예입니다. 감사합니다. 결코 자신에게 빠지지 않을 것이라고 믿는 잘못된 상관 관계를 좋아하는 사람들의 방향에 있는 조약돌.
수학적 기대치가 시간에 따라 변하지 않기 때문에 이것은 형식 I(1)의 고정 과정입니다. 그러나 특징변동(분산)이 없기 때문에 최소한 Pearson의 QC를 계산하는 것은 의미가 없다. 왜냐하면 두 벡터의 특징변이의 곱을 분산으로 나눈 곱의 합을 사용하기 때문이고, 이 프로세스는 단순히 그것을 가지고 있지 않습니다.
당신은 의미에 안주하지만 한편 당신 자신은 의미를 잃어 버렸습니다. 간단한 예, MO가 0인 두 개의 고정된 랜덤 워크:
둘 다 같은 방향을 향하고 있는 것은 자명하고, 이들 과정 사이에는 아무런 관계가 없다는 것도 자명하다. 이 두 시리즈에 대한 QC를 그대로 사용하면 계수가 0.86 , 즉 강한 관계를 확인했습니다. 그러나 분명히 거기에 없다면 우리는 무엇을 얻었습니까? 이제 우리는 이 두 프로세스의 첫 번째 차이를 취하고 그에 대한 QC를 계산합니다. 이제 0.02 와 같습니다. 그는 보여야 할 것을 보여주었습니다. 관계가 없습니다. 한 방향으로의 그들의 움직임은 단순한 우연의 일치입니다.
I(1)에서 CC를 계산하여 통계를 조정합니다. 당신이 생각하는 방법 . 그리고 시각적으로 두 행은 실제로는 유사하지 않지만 실제로는 유사합니다.
1. MO=0? MO 행 = 0? 또는 행 증분?
2. 두 행 모두 고정되어 있습니까? 당신은 그것에 대해 확신합니까?
3. QC는 기능적 관계의 존재 여부를 설정하지 않았으며 설정한 적도 없습니다. 그냥 숫자입니다. 관계의 유무는 이미 다른 방법으로 QC를 해석하는 문제입니다.
그리고 AKF가 KK 이상이라는 것 외에 어디에도 붙을 수 있는 스킬이 부족하다고요? 그리고 악기 사이의 QC? 아니다? 생각이 안나요?
그렇다면 S&P500 지수와 NASDAQ 지수(각각 Yahoo.Finance의 ^GSPC와 ^IXIC)의 가격을 살펴보십시오. 가격에 의해 계산된 상관관계는 다시 양수일 것입니다. 수익성 있는 전략을 세울 수 있습니까?))
스프레드 거래는 어떻습니까? 우리도 삭제?
우리는 교차하기 때문에 이를 위해 상관 관계가 아니라 공적분을 사용합니다.
왜 이런 쓸데없는 글을?
이 접근 방식으로 성배 를 고수하는 방법에 대한 아이디어를 제공합니다. 상관 관계가 있으면 당신이 옳다는 의심이 있지만 요트로 돈을 벌 수는 없습니까? :디
그렇다면 S&P500 지수와 NASDAQ 지수(각각 Yahoo.Finance의 ^GSPC와 ^IXIC)의 가격을 살펴보십시오. 가격에 의해 계산된 상관관계는 다시 양수일 것입니다. 수익성 있는 전략을 세울 수 있습니까?))
우리는 교차하기 때문에 이를 위해 상관관계가 아니라 공적분을 사용합니다.
이 접근 방식으로 성배를 고수하는 방법에 대한 아이디어를 제공합니다. 상관 관계가 있지만 요트에 대해 돈을 벌 수 없다면 당신이 옳다는 데 의심이 있습니까? :디
글쎄, 나는 그렇게 생각했다 ... 이제 모든 것이 명확 해졌습니다 ...
다음과 같은 의미입니다.
1. 시장 도구는 함께 통합되지 않습니다. 이것을 평생 기억하십시오.
2. 나는 모든 것을 할 수 있습니다 - 이것도 기억하십시오.
3. 내가 나열한 모든 것에 대해 상관관계가 사용됩니다. 항목 1을 참조하십시오.
4. 포럼을 넘치게 하지 말고 읽고, 읽고, 읽으십시오. 구글 구글 구글.
추신 광대인 척 그만해
1. 시장 도구는 함께 통합되지 않습니다. 이것을 평생 기억하십시오.
BRK-A, BRK-B의 주가를 보세요. 반대 예를 들어, 열 번째로.
2. 나는 모든 것을 할 수 있습니다 - 이것도 기억하십시오.
당신을 위해 행복.
3. 내가 나열한 모든 것에 대해 상관관계가 사용됩니다. 항목 1을 참조하십시오.
이 포럼과 MQL5 포럼에서 모두 논의되었습니다.
그래, 나도 여기서 니 앞에서 끙끙 앓는 것도 지겹다)
고정식 및 인체공학적 시리즈에 대한 QC는 전혀 필요하지 않습니다. 어쨌든 모든 것이 명확하고 이해할 수 있습니다.
원칙적으로 틀리다. 어디선가 ACF를 사용하여 페인트가 액체로 확산되는 속도를 계산하는 매우 명확한 예를 보았습니다. 이 과정은 고정적이었고 에르고딕(ergodic)일 가능성이 매우 큽니다.
찾아서 포스팅하겠습니다.
글쎄, 글쎄, 계산. 여기에서 아무도 꿈꾸지 않았고 꿈꾸지 않을 많은 상관 관계를 찾을 수 있습니다. 넌센스가 될 것입니다(잘못된 상관 관계).
외환 금융 상품은 상관 관계가 있습니다. 다시 한 번, 이것은 모든 시장 간 분석, 쌍 거래 등, 스프레드 거래를 제외합니다. 계절 무역.
익명의 머리에 머리카락이 자라는 속도와 대륙판 운동의 역학 사이에 잘못된 상관 관계가 있을 수 있습니다.
이것은 시리즈가 고정되어 있음을 의미합니다 ... 그대로 사용할 수는 없지만 첫 번째 차이점 만 사용할 수 있음을 의미합니다. 정확히 동일한 다른 행과 선만 아래쪽으로 향하는 다른 행을 상상해 보십시오.
따라서 두 행이 같은 방향으로 향할 때 상관 관계가 완벽하게 계산됩니다. 서로 다른 방향일 때 -1을 얻습니다. 저것들. 결과가 의미 있고 상관 관계가 계산되며 값이 참입니다.
그러나 시리즈는 고정적이지 않기 때문에 이것을 할 수 없습니다. :) 첫 번째 차이에서 상관 관계를 고려해야 합니다. 따라서 행 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 및 -1, -1, -1, -1, -1, -1, -1이 있습니다. , -1, -1, -1, -1 - 이러한 데이터에 대해 상관 관계를 전혀 계산할 수 없습니다.
그게 다야! 주님
* * *
인터넷에서 Granger에 대해 조금 뒤져서 Granger 방법은 첫 번째 차이점에만 적용해야한다는 진술을 만났습니다 ... 그러나 이것은 더 유능한 교과서에 있지 않고 반대로 다른 방법은 고정 데이터에 사용됩니다. 그러나 모든 사람이 자신의 사례를 증명하는 방법으로 ... 나는 누군가가 어떻게 될지 모르지만 첫 번째 차이가 필요하지 않다는 것이 분명합니다.
* * *
모든 것이 계량 경제학자들에게 명확합니다. ... 따라서 나는 휴가를 내고 더 이상 상관 관계 등의 주제에 대한 대화에 절대적으로 참여하지 않습니다.
공식과 용어를 조작하는 것 외에도 본질과 의미를 이해해야 합니다.
당신은 의미에 안주하지만 한편 당신 자신은 의미를 잃어 버렸습니다. 간단한 예, MO가 0인 두 개의 고정된 랜덤 워크:
둘 다 같은 방향을 향하고 있는 것은 자명하고, 이들 과정 사이에는 아무런 관계가 없다는 것도 자명하다. 이 두 시리즈에 대한 QC를 그대로 사용하면 계수가 0.86 , 즉 강한 관계를 확인했습니다. 그러나 분명히 거기에 없다면 우리는 무엇을 얻었습니까? 이제 우리는 이 두 프로세스의 첫 번째 차이를 취하고 그에 대한 QC를 계산합니다. 이제 0.02 와 같습니다. 그는 보여야 할 것을 보여주었습니다. 관계가 없습니다. 한 방향으로의 그들의 움직임은 단순한 우연의 일치입니다.
I(1)에서 CC를 계산하여 통계를 조정합니다. 당신이 생각하는 방법 . 그리고 시각적으로 두 행은 실제로는 유사하지 않지만 실제로는 유사합니다.
아주 좋은 예입니다. 감사합니다. 결코 자신에게 빠지지 않을 것이라고 믿는 잘못된 상관 관계를 좋아하는 사람들의 방향에 있는 조약돌.
여러분, 이 일련의 데이터가 고정되어 있습니까? 아니면 비정상입니까?
당신은 의미에 안주하지만 한편 당신 자신은 의미를 잃어 버렸습니다. 간단한 예, MO가 0인 두 개의 고정된 랜덤 워크:
둘 다 같은 방향을 향하고 있는 것은 자명하고, 이들 과정 사이에는 아무런 관계가 없다는 것도 자명하다. 이 두 시리즈에 대한 QC를 그대로 사용하면 계수가 0.86 , 즉 강한 관계를 확인했습니다. 그러나 분명히 거기에 없다면 우리는 무엇을 얻었습니까? 이제 우리는 이 두 프로세스의 첫 번째 차이를 취하고 그에 대한 QC를 계산합니다. 이제 0.02 와 같습니다. 그는 보여야 할 것을 보여주었습니다. 관계가 없습니다. 한 방향으로의 그들의 움직임은 단순한 우연의 일치입니다.
I(1)에서 CC를 계산하여 통계를 조정합니다. 당신이 생각하는 방법 . 그리고 시각적으로 두 행은 실제로는 유사하지 않지만 실제로는 유사합니다.
1. MO=0? MO 행 = 0? 또는 행 증분?
2. 두 행 모두 고정되어 있습니까? 당신은 그것에 대해 확신합니까?
3. QC는 기능적 관계의 존재 여부를 설정하지 않았으며 설정한 적도 없습니다. 그냥 숫자입니다. 관계의 유무는 이미 다른 방법으로 QC를 해석하는 문제입니다.
아니요, 그럴 수 없습니다. 시리즈 I(0)만 고정될 수 있습니다.
Demi: 2. 두 행 모두 고정되어 있습니까? 당신은 그것에 대해 확신합니까?
아니요, 고정되어 있지 않습니다. 이것들은 내가 이해하는 한 Wiener 프로세스(즉, Brownian)의 선택된 부분일 뿐입니다. 즉, 실제로 Wiener인 경우 I(1) 프로세스입니다.