文章 "寻找市场形态的计量经济学方法：自相关，热点图和散点图"
马克西姆，干得好，非常敬佩你的研究工作！
问题是这样的。我的理解是否正确？
本质上是一个偏自相关函数 (PACF)？
谢谢，没错，就是这个意思。
这篇文章本身很好，也是交易文章应有的范例。
与作者前一篇文章一样，文章的缺点是缺乏对正盈利能力重要性的评估。如果意义不大，则表明有必要在交易前完善策略。就文章中的 TS 而言，乍一看，可以根据交易次数和夏普比率粗略估计其重要性。
Видно, что закономерность сохраняется на всем интервале 2015-2020гг. Можно считать, что наш эконометрический подход сработал на отлично.
如果在进行 "模式搜索 "的同一区域，优化结果显示不佳，那就奇怪了，不是吗？
如果在进行 "模式搜索 "的同一区域，优化结果显示不佳，那就奇怪了，不是吗？
如果显示出不同的滞后性，那么研究结果就会是错误的。只是一个测试。
如果她表现出另一种滞后，那么研究就会是错误的。只是检查一下。
你好，格言
请在以下网址回答我的问题
https://www.mql5.com/en/forum/219788/page2#comment_15129306
谢谢
- 2017.11.21
- www.mql5.com
您好、
非常感谢。这篇文章很有见地，很有帮助。
当我尝试在 jupyter Notebook 中练习您的代码时，我遇到了错误（真的非常感谢您的支持文件）、
---------------------------------------------------------------------------AttributeError Traceback (most recent call last)<ipython-input-32-a563182e2f90> in<module> 12 13 --->14 seasonal_autocorrelation('EURUSD',25, 12,13) <ipython-input-32-a563182e2f90> inseasonal_autocorrelation(symbol, lag, hour1, hour2) 3 columns=['time', 'open', 'low', 'high', 'close', 'tick_volume', 'spread', 'real_volume']) 4 rates= rates. drop(['open','low', 'high','tick_volume', 'spread','real_volume'], axis=1). set_index('time')----> 5 rates= rates. drop( rates. index[~rates. index. hour. isin([ hour1, hour2])]). diff( lag). dropna() 6 7 AttributeError: 'Int64Index' 对象没有属性'hour'。
问候、
非常感谢。文章很有见地，很有帮助。
我在 jupyter Notebook 中练习您的代码时遇到了错误（真的非常感谢您的支持文件）、
---------------------------------------------------------------------------AttributeError Traceback (most recent call last)<ipython-input-32-a563182e2f90> in<module> 12 13 --->14 seasonal_autocorrelation('EURUSD',25,12,13)<ipython-input-32-a563182e2f90> inseasonal_autocorrelation(symbol, lag, hour1, hour2) 3 columns=['time', 'open', 'low', 'high', 'close', 'tick_volume', 'spread', 'real_volume']) 4 rates= rates. drop(['open','low','high','tick_volume','spread','real_volume'], axis=1). set_index('time')----> 5 rates= rates. drop( rates. index[~rates. index. hour. isin([ hour1, hour2])]). diff( lag). dropna() 6 7 AttributeError: 'Int64Index' 对象没有属性'hour'。
你好，MetaQuotes 更改了 python API，因此该函数 现在无法工作。也许稍后我会解决这个问题，并附上一个新的笔记本。
此外，您还可以查看此网站上的新文档
新文章 寻找市场形态的计量经济学方法：自相关，热点图和散点图已发布：
本文研讨季节性特征的扩展研究：自相关热点图和散点图。 本文之目的是展示“市场记忆”的季节性，它通过任意顺序增量的最大相关性来表达。
我们在 M15 时间帧内执行附加检查。 假设我们正在当前时间和前一天的相同时段之间寻找相同的相关性。 在这种情况下，有效滞后必须大 4 倍，并且必须约为 24*4=96，因为每个小时包含四个 M15 周期。 我已经采用相同的设置和 M15 时间帧优化了智能交易系统。
在最佳间隔中，所得的有效滞后小于60，这很奇怪。 也许优化器找到了另一种形态，或者 EA 优化过度。
图例 16. 优化间隔中 “Lag” 变量与 “Order threshold” 变量的关系
至于正向测试结果，有效滞后是正常的，对应于 100，这可确认形态。
图例 17. 正向间隔中 “Lag” 变量与 “Order threshold” 变量的关系
作者：Maxim Dmitrievsky