样本相关性为零并不一定意味着没有线性关系 - 页 51

新评论
 
GaryKa:
Alsu， 匿名 帮助我理解。它是什么意思？事实证明， 任何符号的 买入价和 卖出价 之间明显的正相关关系 是一种虚构。而正向和反向报价之间的负相关也是可以抛出的，因为它既没有静止性也没有遍历性？
。
你提到的这些量是相通的，也就是说，它们是通过算术关系联系的。在构建统计模型的过程中，对碰撞性的研究是必须的。勾稽关系值不能用于统计计算。
 

1.如果你不知道例子中的数列是如何得到的，你如何认识到（最好有一个例子）这些不是100%相关的量，而是勾稽关系的量？类似的约束条件（调查勾稽关系）是否适用于自相关？

2.买入价和卖出价之间的算术关系是什么？

P.S. "越往树林里走，游击队越厚实"，看来，我们是在寻找相互关系，而在那里，这种相互关系被最尖锐地揭示出来，......令人困惑。而你只是想评估这两行在过去某个时候的相关性。

 
GaryKa:
事实证明， 任何符号的买入价和 卖出价之间明显的正相关关系 是一种虚构。而前向报价和后向报价之间的负相关也是可以抛出的，因为没有静止性
。

你可以把它扔掉。使用静止的行。

GaryKa:
(3)如何量化数据
取蜡烛的第一个差值，它不是HP BP。如果一个蜡烛有X个交易，另一个有100X个交易，而且都是不同的交易量，为什么它应该是正态分布。挖到了蜱虫史，二级历史？越是深入，经纪人之间的差异就越大。

如果你有机会的话，你可以通过音量进行量化。

你可以完全不进行量化。那么相关的公式将是不同的。

在任何情况下，仅靠价格量化是无法实现正常的。

GaryKa:

出价和要价只是更好的报价和...等等。如果没有实际交易，他们能改变吗？当然。如果有交易，它们能保持不变吗？是的，绝对的（部分执行）。中价!当价差增加几倍的时候，中间价或最佳区间的情况又如何呢？


如果你按交易价格计算--由于买入/卖出的反弹，结果会有噪音。

对于中间价格，你可以使用它，如果工具有足够的流动性。

最好的解决方案是使用一定预设量的两个市场订单（买和卖）的预期价格之间的算术平均值。但我们需要2级数据来实现这一点。

EconModel:
串联值不能参与统计计算。

并非如此 :P 只是使用的方法不同而已。例如，你可以使用主成分回归来代替线性 回归。

EconModel。

相关性是一个常数。如果计算相关性的两个SV的每个样本在统计学上与这些SV的一般人群中的其他样本相同，那么我们可以说这两个SV是相互依赖的。更确切地说，它们的行为是相似的。这对正态分布的SV来说是成立的。

如果SV不是正态分布，那么就适用协整，此时两个SV的相互依赖的特征不是一个数字，而是一个具有一定性质的系列。

相关性和协整的适用条件写得不对。相关性（特别是等级方法）是适用的，无论分布形式如何，随机变量的静止性和遍历性就足够了。对协整的测试也不取决于分布形式，只要求随机过程的积分顺序相同（顺序必须大于零）。

 
伙计们，至少将上述部分内容应用于你们的交易，然后对结果进行统计评估：)
 
anonymous:

你可以把它扔掉。使用静止的行。

如果你有机会，你可以通过数量来进行量化。

你根本不可能量化。那么相关的公式将是不同的。

总之，单单是价格的量化并不能确保规范性。


如果你对交易价格进行计算--由于存在买入/卖出的反弹，结果会有噪音。

如果该工具有足够的流动性，你可以使用中间价格。

最好的方法是使用一些预设数量的两个市场订单（买和卖）的预期价格之间的算术平均值。但我们需要2级数据来实现这一点。

并非如此 :P 只是使用的方法不同而已。例如，可以用主成分回归来代替线性回归。

相关性和协整性的适用条件写得不对。相关性（特别是等级方法）是适用的，无论分布形式如何，随机变量的静止性和遍历性就足够了。对协整的测试也不取决于分布的形状，只要求随机过程的整合顺序相同（顺序必须大于零）。

当然，你的言论比我的更准确。

但是。

我，我认为我的定义更正确，因为从中可以更清楚地看到应用，对我来说，这比定义的纯粹性要重要得多。总的来说，我试图忘掉研究所教给我的那些定义，以程序代码的形式来理解这个词的含义。以一个具体的代码为例，例如R，执行该代码来计算协整就是这个词的定义。在我看来，这是脱离俄罗斯科学中蓬勃发展的伪科学多样性的唯一途径。这反映了我对利润的渴望，而不是论文。

因此，如果你能给出任何软件包的具体内容来支持你所说的，最好是R，这对我来说将是超级有价值的。

 
tara:
伙计们，至少将上述部分内容应用于你们的交易，然后对结果进行统计评估：)
我不明白你的帖子。到目前为止，这里没有关于汽车的讨论，只有来自未知汽车的螺栓和螺母。申请什么？统计数据是用来做什么的？
 

先生们，你们能告诉我这个数据序列是静止的还是非静止的？

 
Integer:

先生们，你们能告诉我这个数据序列是静止的还是非静止的？


又有多少观察结果被描绘出来？只有两个，还是有一打？

 
anonymous:


描绘了多少个观测点？只有两个，还是有一打？

很多。很多。
 
Integer:
很多。很多。


那么I(1)，不稳定。

1...444546474849505152535455565758...60
新评论
原因: