Sıfır örnek korelasyonu, doğrusal bir ilişkinin olmadığı anlamına gelmez. - sayfa 9
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Çok ilginç tartışma! Bilgili ve eğlenceli.
Ama bir sorum var - bu konunun hemen hemen her sayfasında (ve diğer birçok konuda), Forex'te bir fiyat aralığı için hesaplanan matematiksel bir beklenti bir mesajla geliyor.
Ve durağan olmayan ve yakınsak olmayan bir zaman serisi için MO'yu nasıl hesaplarsınız? Sonuçta, MO kavramı yalnızca kesinlikle yakınsak VR için tanıtıldı.
Ama bir sorum var - bu konunun hemen hemen her sayfasında (ve diğer birçok konuda), Forex'te bir fiyat aralığı için hesaplanan matematiksel bir beklenti bir mesajla geliyor.
Ve durağan olmayan ve yakınsak olmayan bir zaman serisi için MO'yu nasıl hesaplarsınız? Sonuçta, MO kavramı yalnızca kesinlikle yakınsak VR için tanıtıldı.
Bu soru aslında o kadar basit değil. Bir serinin durağan olmadığını söylediğimizde, bazılarımızın aslında demek istediği, bu durağan olmamanın spesifik olduğudur. Geleneksel çerçeveye tam olarak uymuyor, parça parça ve bu onun tek özelliği değil. Ancak bu genellikle ayrı bir konudur ve çok büyük bir sorundur.
Ancak, yazarın yaptığı gibi, bkz. topikstarte'de - bunu yapmak kesinlikle doğru değil. Bu nedenle, evet, orada MO, dağılım ve diğer istatistiksel nitelikler istatistiksel anlamda mevcut değildir. Ve bazı matematiksel işlemler sonucunda evet tek tek maymunları ve bardakları ekleyebilirsiniz. :) Sonuç olarak ne olacak - muhtemelen bir masal.
Peki ya iki rastgele süreç arasında doğrusal bir ilişki yoksa (varsa)?
Diyelim ki iki seri arasında bir doğrusal ilişki ölçüsü var, peki ne sıralıyorsunuz?
onunla yapmak? Bir gerileme mi inşa ediyorsunuz? TAMAM. hadi inşa edelim ve iyi bir yaklaşım elde edelim
bir satır diğerine ve sırada ne var? Bir tahmin aldık mı? Ne münasebet.
Ve pearsons ve korelasyonların yardımıyla bu yapılamaz!
Sonuçta, dinamiklere ihtiyacımız var! Ve skaler bir değerde ne nafik dinamiği,
korelasyon türü? Ve Pearson hiç iyi değil, simetrik
simetrik bir grafik görüyoruz, ancak asimetrik bir ölçüye ihtiyacımız var, çünkü bir
sıra diğerinin önünde olmalıdır (veya tam tersi)
:)
ve durağan olmama ve bir satırın diğeriyle bağlantısını tespit etme hakkında, sonra burada
asıl mesele durağanlığın ne olduğunu ve neden gerekli olduğunu anlamaktır ...
durağanlık, referansın tüm zaman ekseni boyunca, zaman içindeki momentlerin değişmezliğidir,
bir satırı diğerine göre kaydırmaya başlasanız bile, bağlantı bulamazsınız, çünkü
eller bu dinamik bağlantıyı yok ederek seriyi zaman içinde homojen hale getirdi.
Yani burada asıl mesele aşırıya kaçmamak :)
Çok ilginç tartışma! Bilgili ve eğlenceli.
Ama bir sorum var - bu konunun hemen hemen her sayfasında (ve diğer birçok konuda), Forex'te bir fiyat aralığı için hesaplanan matematiksel bir beklenti bir mesajla geliyor.
Ve durağan olmayan ve yakınsak olmayan bir zaman serisi için MO'yu nasıl hesaplarsınız? Sonuçta, MO kavramı yalnızca kesinlikle yakınsak VR için tanıtıldı.
sonraki iş parçacığında , VR parametrelerini nicelleri kullanarak tahmin etmeyi önerdim. Beklenti uygulamasında, bu, son değerlerin n'si üzerinden medyan (ortalama değil) tarafından yapılan tahminidir. Bu arada sonuçlar SNR açısından çok daha iyi.
Oradaki serinin durağanlığı hakkındaki fikrimi haklı çıkardım: şu anda ortaya çıkan serinin iki durağan (daha doğrusu, yarı-durağan - yavaş kayan özelliklere sahip) rastgele süreçlerin toplamı olduğu bir model üzerinde çalışıyorum - Gauss " sakin" ve Poisson "arızaları". Bu yaklaşımla, ortaya çıkan sürecin durağan olmadığı açıktır. Bugün sahip olduğum bu gelişmeler, gerçeğe yakın bir fiyat modeli oluşturma yolunda doğru yönde ilerlediğimi söylememize izin veriyor.
Beş sentimi koymak istiyorum.
Korelasyon, her zaman bir formülden çıkan bir sayıdır, -1'den +1'e kadar her şeydir. Formülü BP'ye uygulayarak her zaman bir korelasyon değeri elde ederiz: herhangi bir döviz çifti arasında, bir döviz çifti ile Jüpiter'in hareketi arasında, bir döviz çifti ile başka herhangi bir şey arasında.
İstatistiklerle ilgili herhangi bir ders kitabı, korelasyonların ve yanlış korelasyonların varlığı konusunda uyarır. Birini diğerinden ayırmak için, yanlış bilgi zinasına düşmemek için başka istatistik yöntemlerine başvurmak gerekir. Aynı zamanda, korelasyonları yanlış korelasyonlardan ayırmak için en etkili olanı, iki rastgele değişken arasında bir ilişki olasılığı hakkında bazı anlamlı varsayımlardır. Bağlantıyla ilgili ön varsayımlarla, euro doları ile engl arasındaki korelasyonları hesaplayabiliriz. pound, ancak Çin yuanını bu listeye asla dahil etmeyeceğiz. Matematiksel bir aparatın yardımıyla, bu varsayımları kontrol ediyoruz ve hatta onlara sahip olsak bile, VR'nin istatistiksel özellikleri ya dikkate alınmadığı ya da yanlış bir şekilde hesaba katıldığı için, örneğin gereklilik, sözde korelasyonlar elde etmek çok kolay. normallik.
Privalov bir senaryo yazdı, sonuçlar Matkadov'unkiyle aynı fikirde. Senaryoyu başkalarına bakmadan yazdım, sonuçları karşılaştırdım - Pivalov ve Matkad'ın sonuçlarıyla örtüşüyorlar. Yüz elli kişi bu QC'yi yüz elli kez yazdı - ve herkes aynı sonuçlara sahip. Öyleyse neden herkes birdenbire programlarını yeniden yazmak için acele etsin ki, aniden birinin Pearson'ın QC'sinin kendi yorumuna sahip olduğunu öğrensin ???
Ve durağan olmayan ve yakınsak olmayan bir zaman serisi için MO'yu nasıl hesaplarsınız? Sonuçta, MO kavramı yalnızca kesinlikle yakınsak VR için tanıtıldı.
Ve pearsons ve korelasyonların yardımıyla bu yapılamaz!
Sonuçta, dinamiklere ihtiyacımız var! Ve skaler bir değerde ne nafik dinamiği,
korelasyon türü?
Numune üzerinde Pearson QC'nin bir tanımı vardır. Pearson's CC diyerek herkesin ne düşündüğünü anlayamıyorum. Lütfen işlevi Mathcad'de adlandırın. Böylece açıklamasını yardımda ayrıntılı olarak görebilirsiniz.
Tembellik büyük bir güçtür.
http://books.google.ru/books?id=or8sS60Q0ooC&pg=PA159&lpg=PA159&dq=mathcad+corr&source=bl&ots=X2IwE5hGCI&sig=wXlaqOs7LlEQnozhuXyKb2_Fx14&hl=ru&ei=Z4apTPnRHMyhOvH_1Y8M&sa=X&oi=book_result&ct=result&resnum=2&ved=0CBoQ6AEwAQ#v=onepage&q=mathcad% 20düzelt&f=yanlış
corr(A,B) - Pearson örnek korelasyon katsayısının hesaplanması.