文章 "利用箱形图（Boxplot）探索金融时间序列的季节性形态" - 页 29 1...222324252627282930313233 新评论 Aleksey Nikolayev 2019.12.16 11:02 #281 Maxim Dmitrievsky:有几对时钟的相关性为 0这是 什么意思？我现在不能代表数学界和伟大的科学家，我只是说出我所看到的例如，我完全不明白萨博在非相交区间上寻找的是什么，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 无论如何，在计算两个随机变量组合之间的相关性时，应避免某些值同时属于两个组合的情况。在偏离均值的变量中，也会出现这种误差。最简单、最明显的例子就是后续 SB 值的相关性，因为 x[n+1] = x[n] + e[n]。 您可以尝试将增量样本划分为不重叠的子样本，并查看它们之间的相关性。例如，一个子样本是当天第一个小时的价格增量，另一个子样本是当天第十个小时的价格增量。我不确定这样做是否有用，但总比自欺欺人要好。 Maxim Dmitrievsky 2019.12.16 11:14 #282 Aleksey Nikolayev:无论如何，在计算两个随机变量组合之间的相关性时，应避免出现某些值同时属于两个组合的情况。在偏离均值的变量中，也可能出现这种误差。最简单、最明显的例子就是后续 SB 值的相关性，因为 x[n+1] = x[n] + e[n]。您可以尝试将增量样本分割成不重叠的子样本。例如，一个子样本是当天第一个小时的价格增量，另一个子样本是当天第十个小时的价格增量。我不确定这样做是否有用，但总比自欺欺人要好。 会有好处的，但这篇文章已经用其他语言描述过了 我不满意另一种情况，即如果将 e[n] 替换为最后一个 SB 值右侧的分布并使其勾选，就可以在 SB 上赚钱。我会在后面的文章中提供其余的探索（如果有的话）。主要问题是如何区分这个 e 是来自 N 还是来自其他分布。在这种情况下，我现在所做的一切（大概）都是正确的。 Aleksey Nikolayev 2019.12.16 11:33 #283 Maxim Dmitrievsky:让我坚持下去的另一个原因是，如果把 e[n] 代入最后一个 SB 值的右侧作为分布，并使其打勾，就可以在 SB 上赚钱。我将在稍后的论文中提供其余的探索（如果有的话）。主要问题是如何区分这个 e 是来自 N 还是来自其他分布。在这种情况下，我现在所做的一切（大概）都是正确的。 问题不在于你不能在 SB 上赚钱，而在于你能以相同的概率赢钱和输钱（不考虑点差）。在这种情况下，使用什么 TS 并不重要。 Maxim Dmitrievsky 2019.12.16 11:45 #284 Aleksey Nikolayev:问题不在于你不能在 SB 上赚钱，而在于你能以同样的概率赢钱和输钱（不考虑点差）。在这种情况下，使用什么 TS 并不重要。 如果另一个 SB 的 SB 点之间存在点差，是否就不可能赚钱？这取决于点数。Saber 的所有 TS 均可在此方面发挥作用，但我不想蛮干，我喜欢分析。伊戈尔的大脑快要完全崩溃了。 Aleksey Nikolayev 2019.12.16 11:53 #285 Maxim Dmitrievsky:好处是有的，但本文已经用其他语言描述过了 您研究了对一个时间时刻（增量时刻本身）的依赖性，而这里研究了对两个时间时刻（加上考虑相关性的增量时刻）的依赖性。不知道这种复杂化的模型是否有用。 Maxim Dmitrievsky 2019.12.16 12:01 #286 Aleksey Nikolayev:您研究的是对一个时间时刻（增量时刻本身）的依赖性，而这里研究的是对两个时间时刻（加上考虑相关性的增量时刻）的依赖性。不确定这种复杂化的模型是否有用。 因此，如果计算这两组点之间的相关性，将显示第二组点的平均值/中值相对于第一组点的中值的位移。我就是这么做的。相关性越高，第二组中值就越高于第一组中值，反之亦然。这就像是在比较分布的中位数。因为样本是独立的，所以不会显示任何其他信息。 Aleksey Nikolayev 2019.12.16 12:04 #287 Maxim Dmitrievsky: 如果在另一个 SB 的 SB 点之间有另一个 SB 的分布，你就不能赚钱吗？这取决于刻度的数量。所有 Saber TS 都是这样工作的，只是我不想蛮干，我喜欢分析。伊戈尔的大脑快要完全崩溃了。 如果矩阵上升到无穷大，您将得到连续时间 SB（唐斯克定理）。 然而，在点数水平上，价格看起来更像是泊松过程的实现（如果我们忽略实际交易时间的离散性）。 Maxim Dmitrievsky 2019.12.16 12:09 #288 Aleksey Nikolayev:如果这个矩阵上升到无穷大，我们就会得到一个连续时间 SB（唐斯克定理）。然而，在点数水平上，价格看起来更像是泊松过程的实现（如果我们忽略真实交易时间的离散性）。 嗯，是的，在这个意义上不是 SB 内部，而是高斯噪声，例如。不要扼杀最后的希望） Aleksey Nikolayev 2019.12.16 12:10 #289 Maxim Dmitrievsky: 因此，如果计算这两组点之间的相关性，就会显示第二组点的平均值/中值相对于第一组点的中值的偏移量。我就是这么做的。相关性越高，第二组中值就越高于第一组中值，反之亦然。这就像是在比较分布的中位数。因为样本是独立的，所以不会显示其他任何东西。 并非如此。如果在样本中添加任何数字（或相乘），中位数都会相应改变，但相关系数不会改变。 Aleksey Nikolayev 2019.12.16 12:13 #290 Maxim Dmitrievsky: 是的，我指的不是 SB 内部，而是高斯噪声。不要扼杀最后的希望） 显然，价格并非真正的 SB。只是需要意识到，在不久的将来，它将在何种意义上成为非 SB。） 1...222324252627282930313233 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
有几对时钟的相关性为 0
这是 什么意思？我现在不能代表数学界和伟大的科学家，我只是说出我所看到的
例如，我完全不明白萨博在非相交区间上寻找的是什么，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
无论如何，在计算两个随机变量组合之间的相关性时，应避免某些值同时属于两个组合的情况。在偏离均值的变量中，也会出现这种误差。最简单、最明显的例子就是后续 SB 值的相关性，因为 x[n+1] = x[n] + e[n]。
您可以尝试将增量样本划分为不重叠的子样本，并查看它们之间的相关性。例如，一个子样本是当天第一个小时的价格增量，另一个子样本是当天第十个小时的价格增量。我不确定这样做是否有用，但总比自欺欺人要好。
无论如何，在计算两个随机变量组合之间的相关性时，应避免出现某些值同时属于两个组合的情况。在偏离均值的变量中，也可能出现这种误差。最简单、最明显的例子就是后续 SB 值的相关性，因为 x[n+1] = x[n] + e[n]。
您可以尝试将增量样本分割成不重叠的子样本。例如，一个子样本是当天第一个小时的价格增量，另一个子样本是当天第十个小时的价格增量。我不确定这样做是否有用，但总比自欺欺人要好。
会有好处的，但这篇文章已经用其他语言描述过了
我不满意另一种情况，即如果将 e[n] 替换为最后一个 SB 值右侧的分布并使其勾选，就可以在 SB 上赚钱。我会在后面的文章中提供其余的探索（如果有的话）。主要问题是如何区分这个 e 是来自 N 还是来自其他分布。在这种情况下，我现在所做的一切（大概）都是正确的。
让我坚持下去的另一个原因是，如果把 e[n] 代入最后一个 SB 值的右侧作为分布，并使其打勾，就可以在 SB 上赚钱。我将在稍后的论文中提供其余的探索（如果有的话）。主要问题是如何区分这个 e 是来自 N 还是来自其他分布。在这种情况下，我现在所做的一切（大概）都是正确的。
问题不在于你不能在 SB 上赚钱，而在于你能以相同的概率赢钱和输钱（不考虑点差）。在这种情况下，使用什么 TS 并不重要。
问题不在于你不能在 SB 上赚钱，而在于你能以同样的概率赢钱和输钱（不考虑点差）。在这种情况下，使用什么 TS 并不重要。
好处是有的，但本文已经用其他语言描述过了
您研究了对一个时间时刻（增量时刻本身）的依赖性，而这里研究了对两个时间时刻（加上考虑相关性的增量时刻）的依赖性。不知道这种复杂化的模型是否有用。
您研究的是对一个时间时刻（增量时刻本身）的依赖性，而这里研究的是对两个时间时刻（加上考虑相关性的增量时刻）的依赖性。不确定这种复杂化的模型是否有用。
如果在另一个 SB 的 SB 点之间有另一个 SB 的分布，你就不能赚钱吗？这取决于刻度的数量。所有 Saber TS 都是这样工作的，只是我不想蛮干，我喜欢分析。伊戈尔的大脑快要完全崩溃了。
如果矩阵上升到无穷大，您将得到连续时间 SB（唐斯克定理）。
然而，在点数水平上，价格看起来更像是泊松过程的实现（如果我们忽略实际交易时间的离散性）。
如果这个矩阵上升到无穷大，我们就会得到一个连续时间 SB（唐斯克定理）。
然而，在点数水平上，价格看起来更像是泊松过程的实现（如果我们忽略真实交易时间的离散性）。
因此，如果计算这两组点之间的相关性，就会显示第二组点的平均值/中值相对于第一组点的中值的偏移量。我就是这么做的。相关性越高，第二组中值就越高于第一组中值，反之亦然。这就像是在比较分布的中位数。因为样本是独立的，所以不会显示其他任何东西。
并非如此。如果在样本中添加任何数字（或相乘），中位数都会相应改变，但相关系数不会改变。
是的，我指的不是 SB 内部，而是高斯噪声。不要扼杀最后的希望）
显然，价格并非真正的 SB。只是需要意识到，在不久的将来，它将在何种意义上成为非 SB。）