样本相关性为零并不一定意味着没有线性关系 - 页 4

 

你所写的ACF(0)略有错误,因为这是最大值。根据定义,ACF在0时等于1(数组 与自身比较,没有偏移QC=1),偏移后再与原始数据比较,如此反复,直到超出。

为了检查我是否正确地将代码从Matcad复制到MQL,我使用相同的数据进行了检查,并将其与我写的和Matcad使用嵌入式公式和我在那里给出的计算结果进行了比较。这三个结果都是一样的

 
jartmailru:
有可能做3D吗!?o_O
:-)

简单:-)
 
Prival:


那有什么区别呢? 给我一个适当的计算,然后我们再谈。 到目前为止,这只是一个空话。

1.皮尔森是错误的。

2.Spearman错误

3.ACF根本不被理解......

4.发现有必要正确理解相关性的含义=0

P.S. 写吧,这很有趣...非常有趣......。


1.我在MQL4的任何地方都没有得到正确的皮尔逊计算。这就是为什么 自己实施了它

2.斯皮尔曼并没有这样做。

3.在MQL4中也缺少选择性自相关。Mathcad函数没有被引用。

4.人们必须了解什么是线性关系。

我不是在复制公式,我是在钻研其本质。而且我问的问题都是符合逻辑的。

 
jartmailru:

附注2:我不知道如何...但如果能看到正确的ACF图表,可能会很酷。
用X=条形图,Y=ACF值,Z-样本之间的偏移量来绘制;-)

窗口的大小仍然是。

将X、Y、Z值写进文件。一行一行地走。而Mathcad会在第一时间为你呈现旋转、近似等。

 
jartmailru:
3D可以在那里吗?o_O :-)

这是由论坛上的一位权威人士善意提出的。

我保存了--供后人参考。

 
hrenfx:


....

我不是在复制公式,我是在探究它们的本质。而且我问的问题都是符合逻辑的。

这是正确的,你必须把它们弄清楚。你不能马上就批评他们。例如,皮尔逊没有设法应用什么。

我的结论是,相关性(皮尔逊系数)是衡量样本中是否存在线性关系的一个糟糕的指标。相关性不仅没有显示出直接的关联性,而且还在撒谎。

这并不意味着皮尔森在撒谎。公式不能说谎,它只是一个公式......也许你只是想错误地应用它。或者你对它有太高的期望。皮尔逊与此无关,他很好,他写了这个公式,很多人都在使用它,谢谢你

Z.I.关于matkad.寻找它正是在那里(ACF).不幸的是,在这个Windows 7-ku不能把matkad.很快我将拆除.将把.可以在个人文件中发送.在那里我做了所有检查。

 
Excel中的3D图形实例。
附加的文件:
3d.zip  3 kb
 
Prival:

为了检查我是否将代码从Matkad转移到了MQL,我用相同的数据进行了检查,并将我写的内容与Matkad使用嵌入式公式和我在那里给出的公式计算的内容进行了比较。这三个结果都是一样的

啊哈!那么它已经是一个巨大的反编译保护:-)。当人们不得不以某种方式解释以这种方式计算的ACF的形状时。
而所有其他人(如我 :-) )都不明白该指标的计算和显示。

hrenfx:
窗口大小,否则。将X、Y、Z值写进文件。每次都是一条线。而Mathcad会马上让你的旋转、近似等可视化。

关于窗户的尺寸--完全正确我希望不是这样,最后它已经需要4D :-)...
也许什么时候我可以造一些有趣的东西。

.

P.S.:事实是:对我来说,可以理解的ACF值=-1到+1,在B条上由N个窗口偏移S计算。禾 :-).

整数
在EXCEL中的3D图例。
谢谢你。
 
jartmailru:

啊哈!那么它已经是一个巨大的反编译保护:-)。当你不得不以某种方式解释以这种方式计算的ACF的形状时。
而其他人都不理解指标的计算和显示。

...


你可能是对的。 我经常遇到这样的事实,人们不理解它所显示的内容。我已经尽力了,我给出了公式,是写在那里的公式得到了计算。他们唯一要做的就是把数据中的趋势(线性回归)去掉,就可以了。 Matcad中内置的功能会显示出完全相同的图形。

必须理解这一点,这是肯定的。ACF在时间序列 分析中非常经常使用。我好几次都被这样的问题所困扰,如果它总是=1,如何用它进行交易。而我试图解释这个指标不是用来交易的,而是用来分析的,这引起了人们的疑惑,或者说是不理解......。

 
jartmailru:

P.S.:事实是:对我来说,一个可理解的ACF值=一个由N个窗口偏移S在B条上计算的从-1到+1的值。禾 :-).


再看一下公式https://ru.wikipedia.org/wiki/Автокорреляционная_функция ACF只取决于tau,对偏移量,没有窗口。

如果你引入一个额外的变量N,那么对于同一个数据集,例如1 2 3 4 5 6 7 8 9可以有不同的ACF,这取决于所选的N。这是不对的。一个数据集有一个ACF,另一个数据集有一个不同的ACF,等等。

原因: