文章 "相关性在交易中的实际应用" - 页 2

新评论
 

ALEXANDER FEDOSOV:  Суть любой торговли, так или иначе сводится к тому, что приходится прогнозировать дальнейшее развитие событий на рынке и потенциальная прибыль сильно зависит от успешности прогноза.

我坚决不同意。有些交易系统并不做任何预测，而是利用特定金融序列或一组金融序列的统计特性。

 
Dmitry Fedoseev:

那么这个结论--"取一个趋势部分，用数字依次标出（单调函数），然后寻找它们之间的相关性"--又是从何而来的呢？

在图 1 中，我们只有一行，然后在计算表中，如果重复计算，可以看到我们计算的是收盘价 与数字行之间的皮尔逊相关性，而数字行只是编号的蜡烛图。这在一般情况下是很奇怪的，它不像中国的自相关和秩相关。
进一步考虑了 4 种相关类型，但我似乎不明白何时何地应用每种类型。
进一步没有数据准备这一节。
答案中还讽刺一些大师可以建议从第一个差值开始计算相关性--这些都可以做到，唯一的问题是什么时候取第一个差值，什么时候取第二个差值，什么时候取初始数据，什么时候把它们带到另一个维度等等。- 这些都是缺失的。因此，这篇文章是写给初学者的，对他们没有任何帮助。


我并不是针对你个人，你看起来很有头脑，但这篇文章很不幸。

 
作者采用了一种有趣的方法--利用同一序列的水平（价格）来计算相关性。通常，自相关性处理的是这些水平（价格）之间的联系。那么就没有统计检验来证实这种联系的强度与某种概率....。正如 SanSanych 所说（如果我没弄混的话），置信区间 非常宽，因此应该非常谨慎地解释所得到的结果....。
 
Alexey Oreshkin:

在图 1 中，我们只有一行，然后在计算表中，如果您重复计算，您可以看到我们计算的是收盘价 与数字系列之间的皮尔逊关系，而数字系列只是编号烛台。
然后，我们考虑了多达 4 种类型的相关性，在我看来，我们并不了解何时何地应用每一种相关性。

大约 10 年前，朱里克指标（如果我没记错作者姓名的话）非常流行。它们很贵，而且非常隐秘。但后来一些聪明人发现，其中一个指标是基于斯皮尔曼相关系数的。其他的则基于数字滤波器。因此，很多复杂的东西都是基于 "简单 "的数学，即使是条形数字。

 
Rashid Umarov:

大约 10 年前，"裘里克指示器"（如果我没记错作者姓名的话）非常流行。这些指标价格昂贵，而且非常隐秘。但后来一些聪明人发现，其中一个指标是基于斯皮尔曼相关系数的。其他的则基于数字滤波器。因此，很多复杂的东西都是基于 "简单 "的数学，甚至是应用于条形数字。

我也一直赞成简单，但这并不意味着你可以把猫和狗混为一谈。

..... 有人会跑来说，自然界中有时也会出现这样的混合体：)

 
Alexey Oreshkin:

在图 1 中，我们只有 1 行，然后在计算表中，如果重复计算，可以看到我们计算的是收盘价 与数列之间的皮尔逊关系，而数列只是编号烛台。这在一般情况下是很奇怪的，它不像中国的自相关和秩相关。
进一步考虑了 4 种相关类型，在我看来，似乎没有理解何时何地应用每种类型。
进一步没有数据准备这样的部分。
答案中还有一些对大师们的讽刺，他们可以建议从第一个差值开始计算相关性--这些都可以做到，唯一的问题是什么时候取第一个差值，什么时候取第二个差值，什么时候取初始数据，什么时候把它们带到另一个维度，等等。- 这些都是缺失的。因此，这篇文章是写给初学者的，对他们没有任何帮助。


我并不是针对你个人，你看起来很有头脑，但这篇文章是失败的。

价格与斜线之间的相关性。这是应用相关性的标准方法，几个世纪以来众所周知。 这就是相关性的作用--将某物与某物进行比较。如果价格上涨--正相关，如果价格下跌--负相关。因此，它变成了一种振荡器。

最重要的是，有几种相关性方法的计算函数，需要的人会根据自己的需要加以完善。理论化是没有意义的。

 
Dmitry Fedoseev:

价格与斜线之间的相关性.....

啊哈，这与考虑左眼和右眼之间的相关性是一样的....，而且有时会被打破。
而如果要取一条斜线，那么在数字系列所在的同一坐标系中。总之，正如您自己写的那样，理论化是没有意义的。

 
Alexey Oreshkin:

啊哈，这和考虑左眼和右眼之间的相关性是一样的....，有时它会被打破。
而如果要取一条斜线，那么在同一坐标系中的数字序列就在其中。总之，正如您自己所写，理论化是没有意义的。

用于计算的相关性并不需要对数据进行归一化处理。

[删除]  
Dmitry Fedoseev:

相关性计算不需要对数据进行归一化处理。

它要求数据呈正态分布。

 
Maxim Dmitrievsky:

它要求数据呈正态分布。

这当然不是必需的。

12345
新评论