3. 자세히 알려드리겠습니다. 확률 변수의 정규 분포 시계열에 대한 자기 상관 공식을 제공했습니다. 표준 편차는 가우스 분포에 대해서만 평균을 측정하는 좋은 척도입니다. 가격 계열의 일반적인 경우 표준 편차는 소위 수학적 기대치의 최적성에 대한 최상의 기준일 뿐만 아니라 일반적으로 잘못된 방향으로 이어집니다. 그렇기 때문에 거래에서 자동차(MA)가 작동할 때도 있고 작동하지 않을 때도 있습니다.
게시하기 전에 모든 계산을 주의 깊게 확인했습니다. ACF를 계산하는 세 가지 방법을 알고 있습니다. 세 가지 방법 모두 아래 화면과 Matkade 파일(첨부)에 나와 있습니다. 계산 결과는 세 가지 방법 모두에서 일치했습니다. 더 정확한 ACF 계산법을 알고 계시다면 공식을 공유해주세요. 이마에 세 번째 계산 옵션만 Bais 코드에 게시했습니다. 또한 코드를 전송할 때 MQL의 버그를 잡아 선형 회귀 계산의 고급 버전을 제공했습니다. https://www.mql5.com/en/forum/107017/page6
Privalov, 이것은 자기 상관 방법입니다. 확률 변수의 분포가 정상이라는 것을 정확히 알고 있는 경우 입니다. 그래야만 이 공식이 계열의 통계적 반복성인 "자기상관"에 대한 다소 신뢰할 수 있는 추정치를 제공합니다. 대략적인 추정의 경우(계열의 반복성 정도 또는 계열을 뺄 때 모델 잔차의 반복성 부족, 즉 모델의 정확성을 확인하기 위해 - ARIMA에서 수행되는 것처럼, 또는 다른 것), 물론 사용할 수 있습니다(모든 유형의 푸리에 제외). 그러나 휘발성이 높은 시스템의 경우 이러한 방법은 큰 오류를 제공합니다. 하지만 이 오차가 얼마나 큰지, 이 공식의 결과에 나오는 오차가 1:100의 레버리지와 1일 1~2%의 변동성을 가진 거래에 허용되는지 여부는 별도의 대화입니다.
확률 변수의 분포를 알 수 없는 경우(가격 계열) 상관 관계(및 자동 상관 관계)를 계산하기 위해 더 복잡한 다른 비모수(순위, 순위) 방법을 사용해야 합니다.
비모수적 의미의 첫 번째 의미는 특정 분포에 속하는 데이터에 의존하지 않는 기술을 다룹니다. 여기에는 다음이 포함됩니다.
데이터가 주어진 확률 분포 에서 추출된다는 가정에 의존하지 않는 분포 없는 방법. 따라서 모수 통계 의 반대입니다. 여기에는 비모수 통계 모델 , 추론 및 통계 테스트 가 포함됩니다.
비모수 통계 (데이터에 대한 통계 의 의미에서, 모수 에 대한 종속성이 없는 표본에 대한 함수로 정의됨), 해석이 모수화된 분포에 맞는 모집단에 의존하지 않습니다. 관측 순위 에 기반한 통계는 그러한 통계의 한 예이며 많은 비모수적 접근 방식에서 중심적인 역할을 합니다.
비모수적 의미의 두 번째 의미는 모델의 구조 가 고정되어 있다고 가정하지 않는 기술을 포함합니다. 일반적으로 모델은 데이터의 복잡성을 수용할 수 있도록 크기가 커집니다. 이러한 기법에서 개별 변수 는 일반적으로 모수 분포에 속한다고 가정하고 변수 간의 연결 유형에 대한 가정도 합니다. 이러한 기술에는 다음이 포함됩니다.
비모수 회귀 는 변수 간의 관계 구조가 비모수적으로 처리되지만 그럼에도 불구하고 모델 잔차 분포에 대한 모수적 가정이 있을 수 있는 모델링을 나타냅니다.
Dirichlet 프로세스 에 기반한 모델과 같은 비모수 계층적 베이지안 모델 은 잠재 변수 의 수를 데이터에 맞게 필요에 따라 늘릴 수 있지만 개별 변수는 여전히 모수 분포를 따르고 심지어는 성장률을 제어하는 프로세스까지도 따릅니다. 잠재 변수는 모수 분포를 따릅니다.
3. 자세히 알려드리겠습니다. 확률 변수의 정규 분포 시계열에 대한 자기 상관 공식을 제공했습니다. 표준 편차는 가우스 분포에 대해서만 평균을 측정하는 좋은 척도입니다. 가격 계열의 일반적인 경우 표준 편차는 소위 수학적 기대치의 최적성에 대한 최상의 기준일 뿐만 아니라 일반적으로 잘못된 방향으로 이어집니다. 그렇기 때문에 거래에서 자동차(MA)가 작동할 때도 있고 작동하지 않을 때도 있습니다.
게시하기 전에 모든 계산을 주의 깊게 확인했습니다. ACF를 계산하는 세 가지 방법을 알고 있습니다. 세 가지 방법 모두 아래 화면과 Matkade 파일(첨부)에 나와 있습니다. 계산 결과는 세 가지 방법 모두에서 일치했습니다. 더 정확한 ACF 계산법을 알고 계시다면 공식을 공유해주세요. 이마에 세 번째 계산 옵션만 Bais 코드에 게시했습니다. 또한 코드를 전송할 때 MQL의 버그를 잡아 선형 회귀 계산의 고급 버전을 제공했습니다. https://www.mql5.com/en/forum/107017/page6
Privalov, 이것은 자기 상관 방법입니다. 확률 변수의 분포가 정상이라는 것을 정확히 알고 있는 경우 입니다. 그래야만 이 공식이 계열의 통계적 반복성인 "자기상관"에 대한 다소 신뢰할 수 있는 추정치를 제공합니다. 대략적인 추정의 경우(계열의 반복성 정도 또는 계열을 뺄 때 모델 잔차의 반복성 부족, 즉 모델의 정확성을 확인하기 위해 - ARIMA에서 수행되는 것처럼, 또는 다른 것), 물론 사용할 수 있습니다(모든 유형의 푸리에 제외). 그러나 휘발성이 높은 시스템의 경우 이러한 방법은 큰 오류를 제공합니다. 하지만 이 오차가 얼마나 큰지, 이 공식의 결과에 나오는 오차가 1:100의 레버리지와 1일 1~2%의 변동성을 가진 거래에 허용되는지 여부는 별도의 대화입니다.
확률 변수의 분포를 알 수 없는 경우(가격 계열) 상관 관계(및 자동 상관 관계)를 계산하기 위해 더 복잡한 다른 비모수(순위, 순위) 방법을 사용해야 합니다.
https://ru.wikipedia.org/wiki/Correlation
그들은 종종 "상관 관계"를 위해 사회 과학에서 사용됩니다. 왜냐하면 이론의 기술적 "평균 제곱근" 방법이 단순히 어리석게도 작동하지 않는다는 것이 오랫동안 알려져 왔기 때문입니다. 이러한 사람들을 위해 비모수 통계 SPSS의 특별한 패키지도 있습니다.
https://ru.wikipedia.org/wiki/SPSS
자동 상관에 대해서도 동일한 작업을 수행해야 합니다.
http://www.hr-portal.ru/statistica/gl13/gl13.php
통계 에서 비모수 통계 라는 용어는 적어도 두 가지 다른 의미를 갖습니다.
https://en.wikipedia.org/wiki/비모수적
그들은 종종 "상관 관계"를 위해 사회 과학에서 사용됩니다. 왜냐하면 이론의 기술적 "평균 제곱근" 방법이 단순히 어리석게도 작동하지 않는다는 것이 오랫동안 알려져 왔기 때문입니다. 이러한 사람들을 위해 비모수 통계의 특별한 패키지도 있습니다.
이 모든 것이 거래와 무슨 관련이 있습니까?
...
확률 변수의 분포를 알 수 없는 경우(가격 계열) 상관 관계(및 자동 상관 관계)를 계산하기 위해 더 복잡한 다른 비모수(순위, 순위) 방법을 사용해야 합니다.
https://ru.wikipedia.org/wiki/Correlation
...
추신 " 여러 RNG의 나눗셈, 곱셈 등 "은 사용되지 않았습니다. Excel의 모든 동일한 어리석은 gpsch.
교수! (학생의 손이 소심하게 마지막 책상에 뻗친다) 상관관계가 시장에서 돈을 버는 데 어떻게 도움이 될까요? 달러와 유로 인덱스의 상관관계는 -0.98입니다. 우리가해야 할 것이 뭡니까? 유로 매도? 달러 인덱스를 사시겠습니까?
나는 가장 안개가 자욱한 아이디어가 없습니다. 나는 불법 통화 "유로"와 계산된 "상관관계"가 어떻게 그리고 어떻게 저에게 알려지지 않은 거래 시스템에서 "시장에서 돈을 버는 데 도움이 될 수 있는지" 모릅니다.
통계학은 가설을 검증합니다.
나는 가장 안개가 자욱한 아이디어가 없습니다. 나는 불법 통화 "유로"와 계산된 "상관관계"가 어떻게 그리고 어떻게 저에게 알려지지 않은 거래 시스템에서 "시장에서 돈을 버는 데 도움이 될 수 있는지" 모릅니다.
통계학은 가설을 검증합니다.
상관 관계가 시장에서 돈을 버는 데 어떻게 도움이 될 수 있습니까?
상관 관계를 사용하여 포지티브 스왑에서 이익을 얻는 방법에 대한 통계적 캐리 트레이딩 기사가 있습니다.
이론적으로 복잡하고 난해한 것은 없습니다. 그리고 기사 화면에서도 "돈은 어디에 있습니까?"라는 질문에 대한 답변이 그려집니다.
또 다른 설탕에 절인 과일은 상관 관계가 부호를 정반대로 변경할 수 있으며 수익 대신 손실을 입을 수 있다는 것입니다.
간단히 말해서, 한 문제에 대한 솔루션은 "상관관계의 부호를 예측하는 방법"이라는 또 다른 문제를 포함합니다.