文章 "利用箱形图（Boxplot）探索金融时间序列的季节性形态" - 页 28

[[删除]]

fxsaber:

不是按增量，而是从 2014 年初开始按标志运行。最佳成绩

在 H1 上没有按标志连接。

通过增量，我得到了不同的结果

[[删除]]

fxsaber:

您可以使用滑动窗口来测量相关性。然后看看它的统计特征。我认为它会浮动很多。

可以，但你可以在上面的散点图中看到。有排放，但你看的是平均值。

我什么都没说，这只是研究，我一会儿再查。

[fxsaber]

Maxim Dmitrievsky:

我得到的增量读数不同

我有诚实、不重叠的间隔。

[[删除]]

fxsaber:

我有诚实的非重叠区间。

您知道问题出在哪里吗--Sigs + Spread 可能无法覆盖价差，尤其是在 0-1 小时内。博士（椰子）已经在 MO 分支做了一个类似的 TS，他在 0 时进行了交易。

否则，让它们重叠，一切正常，还能怎样？预测收盘价，交易偏离它的价格。

[fxsaber]

Maxim Dmitrievsky:

让它们重叠吧，没关系，还能怎样？

有了重叠，任何随机都会显示出高度相关性。

[[删除]]

fxsaber:

有了重叠，任何随机都会显示出高度相关性。

我把它分成两个独立的部分，到时再检查，稍后上传。

但是不行......这是无稽之谈......Cloze 的序列不会保留，曲线会不同。这样看有什么意义？就像两条左边的曲线。

[fxsaber]

Maxim Dmitrievsky:

但不对，那是胡说八道，"掐头去尾 "的顺序不会保留，曲线会不同。这样看有什么意义？这就像把两条左曲线

我的底线

关于交易、自动交易系统和交易策略测试的论坛。

讨论文章 "利用方框图调查金融时间序列的季节性特征"

fxsaber, 2019.12.16 07:52 AM.

我不是按增量运行，而是从 2014 年初开始按符号运行。最佳结果

Research's Days = 1553: 2014.01.02-2019.12.16. OOS's Days = 1552: 2008.01.21-2013.12.31
62.3%, 383: 23:00(23)-00:00(24) 01:00, 00:00(24)-01:00(25) 01:00, OOS:: 112, 1552 days - 53.6%

H1 上的符号没有联系。

[[删除]]

fxsaber:

我的底线

问题是，在我家，不同时间段的相关性是不同的。

差异是显而易见的，你如何将其与 SB 上的假设结果相协调？ 我不知道：

每一个滞后点的相关性都不同，一对时钟占主导地位，另一对时钟占主导地位。

在第二张图片中，所有时间都在向正区域滑动。

[Aleksey Nikolayev]

Maxim Dmitrievsky:

lag = 滞后收盘价，例如 0 条除以第 10 条。1-close[0]/close[10］

事实证明，当前小时的增量与前一小时的增量高度相关。滞后时间越长，相关性越大，在某些时段，1-close[0]/close[10] 与 1-close[1]/close[11]相关。

我同意 fxsaber 的观点，即由于区间重叠，这里的相关性会很大：

1-close[0]/close[10] = (close[10]-close[0])/close[10] =(close[10]-close[1]+close[1]-close[0])/close[10]

1-close[1]/close[11] = (close[11]-close[1])/close[11] =(close[11]-close[10]+close[10]-close[1])/close[11]

所选部分匹配，这将导致相关性

[[删除]]

Aleksey Nikolayev:

我同意 fxsaber 的观点，即由于区间重叠，这里的相关性会很大：

1-close[0]/close[10] = (close[10]-close[0])/close[10] =(close[10]-close[1]+close[1]-close[0])/close[10]

1-close[1]/close[11] = (close[11]-close[1])/close[11] =(close[11]-close[10]+close[10]-close[1])/close[11]

所选部分匹配，这将导致相关性

有些时钟对的相关性为 0。

这 意味着什么？我现在不能代表数学界和伟大的科学家发言，我只是说说我看到的情况

例如，我完全不明白萨博在非相交区间寻找的是什么，因为那里永远都是 0，只有偶尔不是 0。

在我看来，他是在寻找平均值/中值增量偏差的相关性，而这在那篇方框图文章中已经存在了