Discussão do artigo "Explorando os Padrões Sazonais de Séries Temporais Financeiras com o Boxplot" - página 30
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Não é. Se você adicionar qualquer número às amostras (ou multiplicar), as medianas mudarão de acordo, mas o coeficiente de correlação não mudará.
Então eu não entendo do que se trata, não entendo.
Você só precisa entender um pouco sobre distribuições condicionais e incondicionais. Se elas não coincidirem, é possível prever um valor aleatório a partir do valor do outro.
Você só precisa ter uma pequena noção dos conceitos de distribuições condicionais e incondicionais. Quando elas não coincidem, torna-se possível prever uma variável aleatória pelo valor de outra.
Aqui está a próxima etapa do estudo usando OLAP. A covariância de 2 barras contíguas por hora do dia foi estimada.
Dados do EURUSD para os períodos de tempo de 2019, H1 e M15:
O fator de lucro condicional do agregador foi calculado como antes. Quando duas barras estão na mesma direção, o produto é positivo e PF > 1; quando as barras são multidirecionais, o produto é negativo e PF < 1. Classificação por valor de PF para facilitar a visualização das horas ideais para negociação na continuação da barra anterior e na reversão.
Aqui está a próxima etapa do estudo usando OLAP. Estimamos a covariância de duas barras adjacentes por hora do dia.
Dados do EURUSD para os períodos de tempo de 2019, H1 e M15:
O fator de lucro condicional do agregador foi calculado como antes. Quando duas barras estão na mesma direção, o produto é positivo e PF > 1; quando as barras são multidirecionais, o produto é negativo e PF < 1. Classificação por valor de PF para facilitar a visualização das horas ideais para negociação na continuação da barra anterior e na reversão.
Às vezes, as correlações estão em grupos, por exemplo, nos últimos 5 anos.
Desistência de correlação >0,9
Esse grupo de 0 a 4 horas é invariavelmente legal, depois há grupos na sessão europeia por 2 a 3 horas seguidas. Na sessão americana, geralmente é ruim.
Meu cérebro se recusa a trabalhar antes do Ano Novo, não entendo como fazer um bom teste estatístico visual da capacidade preditiva desses fenômenos, para deixá-lo bonito.
O cérebro se recusa a trabalhar antes do Ano Novo, não entendo como fazer um bom teste estatístico visual da capacidade preditiva desses fenômenos, de modo que a beleza do
Preditivo significa apenas em uma direção: do passado para o futuro. Assim, a pergunta é se é possível levar em conta apenas os produtos de contagens para índices sob a condição i > j no cálculo da correlação? Visualize da mesma forma.
Preditivo significa apenas em uma direção: do passado para o futuro. Assim, a questão é se, no cálculo da correlação, é possível levar em conta apenas os produtos de contagens para índices sob a condição i > j? Visualize da mesma forma.
Você tem alguma ideia do que isso pode ser visualizado em 3D? Eu queria dominar esse truque em Python ao mesmo tempo. Lá você pode girar e virar muito bem. Então, quem quiser, converterá o kanvas mql 3D em mql 3D, boa sorte para ele)).
É como os boxplots, quando você gira um gráfico, outros boxplots ficam para fora)).
Verifiquei a tese de nossos oponentes de que a correlação em amostras sobrepostas é falsa.
Na verdade, não a verifiquei especialmente, mas continuei o estudo estatístico de acordo com o plano planejado, e a verificação é a seguinte
Incrementos com uma defasagem de 24h. (dia), observe a correlação de horas >0,9.
Vamos pegar alguns intervalos com correlação alta e baixa, prever o próximo fechamento e comparar com o fato. fechamento
Para relógios bem correlacionados:
0-1
2-3
Para relógios pouco correlacionados:
16-17
22-23
Vou verificar novamente a lógica, mas parece ser uma correlação direta, embora a correlação de previsões puras pareça pior do que a correlação de incrementos (provavelmente devido aos erros da própria correlação).
Verifiquei a tese dos oponentes de que a correlação em amostras sobrepostas é falsa.
Ela não mente, é por definição grande para amostras sobrepostas. Não há sentido nisso, porque o valor do incremento previsto é absorvido pela longa área comum e não carrega informações.
Se compararmos os incrementos de uma hora (na verdade, em uma barra, sem cruzamentos) com uma etapa de 24 horas, teremos uma estimativa das flutuações diárias. Obtemos quase o mesmo que no artigo - alguns boxplots/horas demonstram uma oportunidade de negociação estatística.
Ele não mente, é por definição grande para amostras sobrepostas. Não há sentido nisso, porque o valor do incremento previsto é absorvido pelo gráfico comum longo e não traz nenhuma informação.
Se compararmos os incrementos de uma hora (na verdade, em uma barra, sem cruzamentos) com uma etapa de 24 horas, teremos uma estimativa das flutuações diárias. Obtemos aproximadamente o mesmo que no artigo - alguns boxplots/horas demonstram uma oportunidade de negociação estatística.
Ok, é sua vez)) Primeiro, vou verificar o que fiz com o bot e, em seguida, darei uma olhada nos que não se sobrepõem.
O fato é que ele está longe de ser sempre grande para amostras sobrepostas e mostra exatamente os mesmos grupos que encontrei anteriormente por meio de boxplots, só que de lado.