文章 "利用箱形图（Boxplot）探索金融时间序列的季节性形态" - 页 12

新评论
 
在讨论市场走势时，我们只是在讨论狭窄的数据样本中存在/不存在的模式，而没有意识到，即使市场走势中存在模式，也并不意味着数据可以让我们提取出这些模式。再多的数学知识也无法解决未知数多于已知数的方程式。事实证明，我们事先接受了在数据空间中寻找一种模式的条件，在这种模式中，它的痕迹可能非常模糊，以至于任何分析都无法揭示它。但它确实存在，而且可以在我们没有的其他数据中看到。怎么办？首先，我们要认识到，市场上的数据比我们掌握的数据种类更多，如果我们把所有类型的数据 结合起来，就会发现更多的规律。简而言之，我们不仅要寻找规律，还要丰富市场数据的多样性。

 
Maxim Dmitrievsky:
只要承认我发现了一个有用的模式，剩下的就是哲学问题了。但你可以继续说 施特尔利茨坚守阵地 这是穆勒最喜欢的酷刑

如果你有这样的信念，你就必须从历史的起点出发，把它分解到今天。

如果能找到规律，就一定能成功。

我们在等待

 
Renat Akhtyamov:

等待

等待

 
Maxim Dmitrievsky:

等待

什么意思？

发现一个错误，所有东西都没了，全都是垃圾？

 
例如，如果我们掌握了交易参与者的未平仓合约和资金量的数据，我们就可以将其纳入我们的总体统计研究，并看到更多的数据。规律性会立即显现出来。但是没有。我们只看他们让我们看的地方。结果是相应的。
 
fxsaber:

这是一个先有鸡还是先有蛋的问题。你可以说服自己任何方法都是正确的。

在我看来，你做了隐式优化。任何研究都是隐式优化，而隐式优化总是显式优化的一个子集。

非优化就是没有进行统计研究。粗略地说，当你在没有数据的情况下提出假设并得到证实时。


至于 "糖果"，我们现在使用的是 MA 上最原始的 TS。

唯一的区别是使用了时间滤波器。这正是夜视仪多年来一直使用的方法。


说实话，我真不明白为什么会发生这种事。

有人会说是因为抽屉里有胡子。但这又是一个鸡和蛋的难题。

事实是，最笨的 TC 显示的结果令人匪夷所思。灰心丧气，想找抓手。

我又重读了一遍你的论证，不清楚你的论证针对的是什么，没有抓住重点。

事实上，我们已经：借助方框图发现了一种规律性，TS 检验也证实了这一点。

结果表明，该规律在另一个区间更弱，因此 TS 在那里不起作用（使用原始参数）。

您对 TS 进行了优化，发现有可能在该区间上将 TS 拉至 +，这一点我并没有否认，我只是说明了那里没有如此明亮的形态。不排除不同经纪中心的报价不同，结果也可能不同。

您和其他反对者可以就这一点发表任何意见：

  1. 只是MAshka 和过度优化
  2. 该模式不是通过方框图发现的。
  3. 您自己也可以通过优化轻松找到它（根本不知道从哪里找）。
  4. 这不是一种模式。

经不起任何批评，只是因为对材料的某些特定误解而唠叨。

由于这些评论，读者可能会觉得这篇文章很蹩脚，但事实绝对不是这样。一些不太 "懂行 "的人随后发表的评论也证实了这一点，他们只是开始附和你的话，却没有理解你所说的话的含义。

H.Y.，这样的草图会迷惑任何人，贬低方法的价值

 

为书呆子们解释一下小胡子到底是怎么做出来的。例如，在上述代码中

Monthly_Returns.boxplot(column='close', by='month', figsize=(15, 8))

我的理解是默认设置为 1.5 IQR，胡须是对称的。

再往下看

Усы ящиков дополняют распределение, охватывая 99% дисперсии всей выборки

有公式或文档的链接吗？

 
Stanislav Korotky:

为书呆子们解释一下小胡子到底是怎么造出来的。例如，在上述代码中

我的理解是默认设置为 1.5 IQR，并且胡须是对称的。

再比如

有公式或文档的链接吗？

小胡子方框的构建方式始终相同，取决于分布情况。传入的参数是收盘价和guppy的周期，这里是月度。下一步是无花果大小

在维基百科的俄文版中，我认为通常是这样写的，与 pdf 相比

胡须是对称分布的，分别是

https://ru.wikipedia.org/wiki/%D0%AF%D1%89%D0%B8%D0%BA_%D1%81_%D1%83%D1%81%D0%B0%D0%BC%D0%B8

 

为了客观而客观--统计研究无法证明任何模式。统计不是用来证明我们提出的假设或理论的。统计可以 "支持 "某种因果关系的理论，并允许进一步推测，但并不能证明什么。规律性是通过因果关系的 100% 事实来证明的。用统计数据作为证明基础，就好比不是通过公式，而是通过对等腰三角形边比的数百万次测量来证明毕达哥拉斯定理一样。

 
Реter Konow:

为了客观而客观--统计研究无法证明任何模式。统计不是用来证明我们提出的假设或理论的。统计可以 "支持 "某种因果关系的理论，并允许进一步推测，但并不能证明什么。规律性是通过因果关系的 100% 事实来证明的。用统计数据作为证明基础，就好比不是通过公式，而是通过对等腰三角形边比的数百万次测量来证明毕达哥拉斯定理一样。

而神经网络就像金字塔。

模式是一组重复事件的因果关系，有统计和实验支持。重复性越高，从统计学角度得出的结论就越有意义。规律性可以是局部的，在图形的某个部分，也可以是全局的。

是时候停止蛊惑人心了。不过，在论坛上也没什么好谈的了。

1...5678910111213141516171819...33
新评论