文章 "利用箱形图（Boxplot）探索金融时间序列的季节性形态" - 页 22

[Maxim Kuznetsov]

Maxim Dmitrievsky:

有 Python 或 R 的模块名称吗？ Python 更好。

我不会用 Python 来表达自己的想法 :-)

只是模的总和/递归......怎么说更精确呢....Zk[i]=X[i+k]+X[i+k*2]......即在一行中，求 k 的倍数之和。如果确实存在一个接近 k 的循环，卷积中就会清楚地标出最小值和最大值。

它们是这样的

越接近正弦，周期和节奏就越准确整个方法就像一个 "聚焦点"。

[Алексей Тарабанов]

Maxim Kuznetsov:

我不会用蟒蛇来表达我自己 :-)

只是求和/模乘......怎么说更精确呢....Zk[i]=X[i+k]+X[i+k*2]......即在一个数列中，求 k 的倍数。如果确实存在一个接近 k 的周期，那么卷积中就会清楚地标出最小值和最大值。

它们是这样的

越接近正弦，周期和节奏就越准确。整个方法有点像 "聚焦"。

哎呀能再给我两张吗？如果是一排的话，无意冒犯。

[[删除]]

Maxim Kuznetsov:

我不会用蟒蛇来表达我自己 :-)

只是求和/模乘......怎么说更精确呢....Zk[i]=X[i+k]+X[i+k*2]......即在一个数列中，求 k 的倍数。如果确实存在一个接近 k 的周期，那么卷积中就会清楚地标出最小值和最大值。

它们是这样的

越接近正弦，周期和节奏就越精确整个方法就像一个 "聚焦点"。

我的理解还很模糊

一般来说，只需查看相邻方框图中各点的依赖关系（比率），如果里面有什么东西，就能拉出更多信号，但结果也会更拟合

[Aleksey Nikolayev]

Maxim Dmitrievsky:

嗯，差不多吧。我脑子里的想法就是找到一组点对另一组点的回归，然后看看它们之间的关系。这是我能想到的最简单的方法。然后你就能得到额外的信号我不知道这在统计学上有多正确。

也就是说，由前一小时的变化引起的依赖关系将被交易，而不仅仅是在当前小时。根据前一小时的行为，如果可以找到相关性，当前小时的信号也会有所不同。这更接近于拟合或优化。

这是很正常的想法。您可以绘制和计算）绘制 -散点图，计算 - 相关系数及其重要性。

[Aleksandr Masterskikh]

非常有趣的文章。马克西姆，谢谢你。

[[删除]]

Aleksey Nikolayev:

这是很正常的想法。您可以绘制和计算）绘制 - 散点图，计算 - 相关系数及其显著性。

实际上，让我们把这一过程称为 "双重充电炸弹"，并将其应用于配对交易中

如果这样的主题适合每个人，我也会这么做的

而三重炸弹将是机器学习。

[[删除]]

Aleksandr Masterskikh:
非常有趣的文章。马克西姆，谢谢你。

不客气！

[Aleksey Nikolayev]

Maxim Dmitrievsky:

实际上，让我们把这一过程称为 "双重充电炸弹"，并将其同样应用于配对交易中

如果这个话题大家都能接受，那我就做吧

我赞成

[Maxim Kuznetsov]

Алексей Тарабанов:

哎呀能再给我两个这样的情节吗？如果是一排，无意冒犯。

在里面的图片上超过一年......这是卷积上的网格 绘制Gana（这是专门现在吓唬大家了）

我明天给它，今天下晚上和啤酒已经没有，真的懒 :-)运行脚本，收集数据，然后重新计算和绘图。但我可以聊天 :-)

[[删除]]

fxsaber:

这是一个先有鸡还是先有蛋的问题。你可以让自己相信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。

优化

统计研究

隐性优化是显性优化的一个子集。