시계열의 인접한 판독값 사이의 쌍 상관 계수를 찾습니다. 선택된 TF에 대해 -1에서 +1까지의 범위에 하나의 계수가 있습니다. 0보다 작은 계수 값은 판독값 사이에 반지속성이 있음을 나타냅니다. 0보다 크면 주어진 TF에 대한 지속성이 0에 가깝습니다. 여기서 나가십시오! 결과적으로 지속성은 선택한 TF에서 이 악기의 추세/롤백을 나타내는 지표 역할을 합니다. VR의 마지막 속성은 적절한 TA 지표의 사용을 허용합니다.
상관 계수는 n-카운트의 창에 있습니다. 이 경우 2010년 분을 사용하였고, 1분에서 100분까지의 인공 TF를 얇게 하여 구성하였다. n을 최대값으로 취했습니다(연간 판독 횟수). 각 TF에 대해 상관 계수가 발견되었고 이 값이 TF에 의존하는 그래프가 그려졌습니다. 위의 인용문 게시물에서 이러한 의존성을 의미했습니다.
무화과에. 다양한 시간 프레임에 대한 다양한 도구에 대한 쌍 상관 계수의 발견된 종속성이 제공됩니다. 거의 모든 곳에서 계수가 음수임을 알 수 있으며, 이는 교란 후 가격이 원래 값으로 돌아가는 경향을 나타냅니다. 이 속성은 크든 작든 모든 도구에 내재되어 있으며 소규모 TF에서 가장 분명하게 나타납니다(그림 참조). 제가 사용한 데이터는 2010년 Alparishnye입니다.
문제는 "0에 가까운" 것으로 간주되는 것입니다. 평가하기 위해 선택한 TF의 상관 계수에 이 TF의 포인트 단위 상품 변동성을 곱하고 결과 값을 DC 수수료(포인트 단위)와 비교할 수 있습니다. 그것이 확산보다 더 많은 것으로 판명되면 여전히 성공하지 못할 것입니다. 시장은 에르고딕 시스템이 아니며 포지션을 열자마자 모든 것이 더 나쁜 쪽으로 바뀔 것입니다 :-)
당신의 추론에서 옳지 않은 것은
상관 관계는 매우 의미가 없습니다. 견적에 결정적 구성 요소가 있는 경우 결정적 구성 요소가 노이즈를 "막히게"하고 견적의 통계 특성을 판단할 수 없으므로 상관 관계의 결과에 대해 매우 주의해야 합니다.
제가 다른 경우에 반복해서 인용한 예를 들겠습니다.
HP 필터를 사용하여 결정적 구성 요소를 선택합니다.
아래에서 "주기적인"구성 요소는 나에게 불행한 이름입니다. 나는 "기적의 들판에서 백만 피노키오"를 더 좋아하지만 sermyaga가 있습니다.
더 크게 봅시다.
우리는 이 "순환적" 구성요소가 분석적, 즉 결정론적 견해.
이 HP 지표 곡선의 상단과 하단이 얼마나 자주
긍정적인 것보다 부정적인 것이 더 많습니다. 그러나 추세는 떨어지고 있었고 이것의 결과 일 수 있습니다.
Rorschach : 델타 함수를 선호하는 ACF 외에 노이즈를 어떻게 정의할 수 있습니까?
ACF와 델타 함수의 도움으로 당신은 무엇이든 증명할 수 있습니다. 이것은 랜덤 워크와 효율적인 시장의 지지자들이 해왔고 지금도 하고 있는 것입니다. 증거는 콘텐츠 영역에 있습니다. 상품과 서비스의 생산은 거의 100% 우발적이지 않으며, 여기에 개가 묻혀 있습니다. 그러므로 안전보장이사회를 도입하려는 모든 시도는 모두 숫자 게임인 사악한 것입니다.
여기 있습니다, 우리의 모든 것)))) 오랫동안 그러한 그림은 흥미 롭지 만 나는 직접 만들지 않았고 색상의 그라데이션은 훌륭합니다))) 비밀이 아니라면 무엇에서 나온 것입니까? 그리고 어떻게?
여기 있습니다, 우리의 모든 것)))) 오랫동안 그러한 그림은 흥미 롭지 만 나는 직접 만들지 않았고 색상의 그라데이션은 훌륭합니다))) 비밀이 아니라면 무엇에서 나온 것입니까? 그리고 어떻게?
첫 번째 사진에 웨이블릿을 설정했습니다. X 카운트에 따라 Y에 따라 왼쪽은 빈도, 오른쪽은 기간
...비밀이 아니라면 무엇에서, 어떻게?
할 수 있다.
시계열의 인접한 판독값 사이의 쌍 상관 계수를 찾습니다. 선택된 TF에 대해 -1에서 +1까지의 범위에 하나의 계수가 있습니다. 0보다 작은 계수 값은 판독값 사이에 반지속성이 있음을 나타냅니다. 0보다 크면 주어진 TF에 대한 지속성이 0에 가깝습니다. 여기서 나가십시오! 결과적으로 지속성은 선택한 TF에서 이 악기의 추세/롤백을 나타내는 지표 역할을 합니다. VR의 마지막 속성은 적절한 TA 지표의 사용을 허용합니다.
상관 계수는 n-카운트의 창에 있습니다. 이 경우 2010년 분을 사용하였고, 1분에서 100분까지의 인공 TF를 얇게 하여 구성하였다. n을 최대값으로 취했습니다(연간 판독 횟수). 각 TF에 대해 상관 계수가 발견되었고 이 값이 TF에 의존하는 그래프가 그려졌습니다. 위의 인용문 게시물에서 이러한 의존성을 의미했습니다.
무화과에. 다양한 시간 프레임에 대한 다양한 도구에 대한 쌍 상관 계수의 발견된 종속성이 제공됩니다. 거의 모든 곳에서 계수가 음수임을 알 수 있으며, 이는 교란 후 가격이 원래 값으로 돌아가는 경향을 나타냅니다. 이 속성은 크든 작든 모든 도구에 내재되어 있으며 소규모 TF에서 가장 분명하게 나타납니다(그림 참조). 제가 사용한 데이터는 2010년 Alparishnye입니다.
문제는 "0에 가까운" 것으로 간주되는 것입니다. 평가하기 위해 선택한 TF의 상관 계수에 이 TF의 포인트 단위 상품 변동성을 곱하고 결과 값을 DC 수수료(포인트 단위)와 비교할 수 있습니다. 그것이 확산보다 더 많은 것으로 판명되면 여전히 성공하지 못할 것입니다. 시장은 에르고딕 시스템이 아니며 포지션을 열자마자 모든 것이 더 나쁜 쪽으로 바뀔 것입니다 :-)
당신의 추론에서 옳지 않은 것은
상관 관계는 매우 의미가 없습니다. 견적에 결정적 구성 요소가 있는 경우 결정적 구성 요소가 노이즈를 "막히게"하고 견적의 통계 특성을 판단할 수 없으므로 상관 관계의 결과에 대해 매우 주의해야 합니다.
제가 다른 경우에 반복해서 인용한 예를 들겠습니다.
HP 필터를 사용하여 결정적 구성 요소를 선택합니다.
아래에서 "주기적인"구성 요소는 나에게 불행한 이름입니다. 나는 "기적의 들판에서 백만 피노키오"를 더 좋아하지만 sermyaga가 있습니다.
더 크게 봅시다.
우리는 이 "순환적" 구성요소가 분석적, 즉 결정론적 견해.
이 HP 지표 곡선의 상단과 하단이 얼마나 자주
긍정적인 것보다 부정적인 것이 더 많습니다. 그러나 추세는 떨어지고 있었고 이것의 결과 일 수 있습니다.
추세의 메타 하락으로 분석을 시작하면 약간이지만 음수 값이 증가합니다.
상승하는 영국 파운드를 취하면:
우리는 다른 그림을 얻습니다:
이는 부정적인 또는 긍정적인 편차가 많을수록 해당 지역에 추세가 있음을 나타냅니다.
델타 함수를 선호하는 ACF 외에 노이즈를 어떻게 정의할 수 있습니까?
ACF 및 델타 함수를 사용하면 무엇이든 증명할 수 있습니다.
여기 나는 거의 동일합니다.
나는 단계와 함께 뭔가를 알아낼 수 없습니다.
-90도에서 90도로 바꿔야 하지 않나요? 왜 -54까지만 가능합니까?