样本相关性为零并不一定意味着没有线性关系 - 页 7

[Андрей]

hrenfx:

我不明白。

因此，我们这里有美元兑日元。范围是83.15至85.9。
，而euras范围是1.31至1.37。
我们如何将美元兑日元转换成欧元区间？
USDJPY ' = EURUSD.min + (Var - USDJPY.min) / (USDJPY.max - USDJPY.min) * (EURUSD.max - EURUSD.min)

.

通过线性回归 和RMS，归一化似乎是正确的。(?)

[hrenfx]

jartmailru:

因此，我们这里有美元兑日元。范围是83.15至85.9。
，而euras范围是1.31至1.37。
我们如何将美元兑日元转换成欧元区间？
USDJPY ' = EURUSD.min + (Var - USDJPY.min) / (USDJPY.max - USDJPY.min) * (EURUSD.max - EURUSD.min)

理论上，这是有可能的。在实践中，这几乎是自杀：在每个窗口上搜索最小和最大，并沿着整个样本的长度进行每次转换。如果只是简单地进行一次性的拉霸，不是更容易吗？

通过线性回归和RMS，我想我写的归一化是正确的。(?)

你为什么认为线性回归 是由最大和最小定义的？那么这其中的实际意义是什么呢？

[Андрей]

hrenfx:

理论上是可以这样做的。实际上，在每个窗口上寻找最小值和最大值，并沿着整个样本的长度每次进行转换，这几乎是一种自杀行为。仅仅是一个时间段，不是更容易吗？

机器会计数。他的头是铁的:-)。

hrenfx:

你为什么认为线性回归是由最大和最小定义的？那么这样做的实际效果是什么呢？

这是第二种方式。线性回归是 y=kx+b，你找到系数k和b。
问题是--为什么它比对数差？

.

P.S.：我们说有三种正常化的方式。如何量化哪个更好;-)?

[hrenfx]

jartmailru:
汽车将被计算在内。他的头是铁的:-)。
这是第二种方式。线性回归是y=kx+b，你找到系数k，b。
这里的问题是：怎么会比对数差呢？

回归是由MNC搜索的，不是你写的那样。

[Андрей]

hrenfx:

退步是由ISC寻找的，而不是像你写的那样。

我没有写如何寻找退步。
我列出了两种方法。
第一个是用最小和最大。
第二个是线性注册。我没有在任何地方写过如何计算的问题。

[hrenfx]

jartmailru:
我没有写如何寻找退步。
我列出了两种方法。
第一个是用最小和最大。
第二个是线性注册。我没有在任何地方写过如何计算的问题。

我以为你写的是同一事物的等价物。

回归选项是错误的。转换选项更好，但也不好。

[Prival]

jartmailru:

这有什么意义？告诉我开发方法--我会告诉你你得到什么。
如果Mq4-indicator与Mathcad匹配，那么争论的重点会是什么？
事实上，指标显示了同样的情况，这是一个明确的诊断。"健康"。

.

如果可以，请写出你对hrenfx 所说的计算的看法。
当采取两个偏移窗口，并在其中分别计算线和RMS--以及corr。
这个方法很天真，但不知为何它唤起了人们的同情。)

至于hrenfx所说的（如果我理解正确的话），用交易员的话说可能是在历史上搜索模式。将历史上的一组准备好的窗口（模式）与当前的窗口进行比较。 如果吻合，那么我们就有点知道该怎么做了，如果我们假设历史会重演......

[hrenfx]

Prival:

至于hrenfx所说的（当然，如果我理解正确的话），可以用交易员的说法。叫在历史上寻找模式。

它是关于计算BP的样本特征。

[Андрей]

hrenfx:
这是关于计算BP的样本特征。

这是显而易见的:-)- 得到一个图表--并在上面 "插上"。
构建自 相关的期望值。

.
关于模式的想法是在一个不同的平面上。
所以这两个观点并不互相矛盾。

[hrenfx]

jartmailru:

构建自相关的期望值。

实施相关和自相关 的提前量...