如何最大限度地减少指数的相关性 - 页 6

 

> 所以你必须寻找一个相关度最小的点
>(最好是零,但不会是零),因此对每个
> 重新计算这个点...

你似乎在做 "SSA "方法的梦。

它寻找正交成分,其中一些是趋势性的,一些是震荡性的。
只有...即使是1巴的移动也会导致组件的显著变化。
没有明显的原因,参考框架出现了变化......
这是对整个窗口的大量重绘。
+会有人们喜欢的 "边缘效应"。

 
jartmailru:

> 所以你必须寻找一个相关性最小的点
>(在初始阶段它是零,但它不会是零),因此在每次
> 新的计数中重新计算这个点

你似乎梦想着 "SSA "方法。

它寻找正交成分,其中一些是趋势性的,一些是震荡性的。
只有...在移位时,即使是1bar的组件也可能无缘无故地大幅改变
,而且会出现参考系统的改变--
,它将改变整个 "窗口"。
+会有人们最喜欢的 "边缘效应"。


你显然比我更了解它们,也更了解过滤器,也许你会想出一些新东西,但我怀疑。

从我的原始观点来看,我认为边际效应不能通过夹杂一行和混合同一行来消除,这种效应是在移位(或不移位? 我很困惑)时发生的。

在我看来,有一个办法可以解决这个问题。 也许我错了,我正在努力检查,但以我 "完美的数学和excel知识"))很难,外推法对分解时的系列光谱的绝对值 不起作用。

一旦我想出一些合理的文字,我就会在论坛上发表。

 
我理解的边缘效应是指当中间的一行或多或少的稳定------。
但只要稍微一动,边缘就会像翅膀一样扇动。
我已经写下了其中的原因--基数的变化是突飞猛进的。

顺便说一句,我也不太明白;-)。

> 在我看来,有一种方法可以解决这个问题

嗯...有点...一个斜的基础?
 
jartmailru:

但只要稍微一动,边缘就会像翅膀一样扇动。
我已经写下了其中的原因--基础的变化是突飞猛进的。

顺便说一句,我也不太明白;-)。

> 在我看来,有一种方法可以解决这个问题

嗯...有点...倾斜的底座?


什么样的基础?)))),我很难用数学语言说出来。在普通的访问中没有这样的方法,所以没有这个方法的术语,标准方法中的术语也不是很合适,人们也很奇怪,怎么就不能用语言说出来呢,如果通过常规方法这么容易描述,就不会有问题了。

就我而言,这真是个无奈之举:我不能轻易用文字描述任何更复杂的数学分析的旧方法,我必须记住它们。但这里有一些新的东西,而且也在我的脑子里,它不那么容易理解,是通过形象思维从头开始呈现的。))))

我不知道那里有什么,也不知道它是如何计算的。 我看发展中的过程,就像我脑子里的一个乘法器,我不知道如何滚动公式,我不知道,我需要看到的不仅仅是一个公式,而是当你替换不同的系数时,它会产生什么值,以看到物理学,过程的动态。

虽然我可能搞错了,发明了同一辆自行车,但用的是不同的画)))),不知道,请进一步挖掘。

在你的理解中,什么是基线?相对于什么?什么是倾斜的基线?

 
Freud:

这就是你所说的基线吗? 与什么有关?什么是斜基线?

基础?

它是一个正交函数的系统。没有什么可说的。

一个斜的基础是当基础首先是正交的。
然后它就不是真正的正交,也不是真正的基础。
我们使用它有点像这样...但是,我们知道什么时候该停止。
我真的没有试过这种方式。
而且,说一排基函数的长度有意义吗?
的长度等于窗口的宽度...即在使用该基础之前有

你必须以某种方式延长它。

但把一个窗口的基础,应用到另一个窗口......
这是一个稍微有趣的选择。我希望有人能告诉我这个手术的意义。

 

我想提醒的是,相关分析的创始人K.Pearson在测量两个相对量(指数)Z1=x1/x3和Z2=x2/x3之间的关系密切程度 时引入了假相关 的概念,其中x1、x2和x3是不相关 的。

阅读所附文件也是有用的(IMHO)...

;)

附加的文件:
tm1727.zip  937 kb
 
jartmailru:
基础?

它是一个正交函数的系统。没有什么可说的。

一个斜的基础是当基础首先是正交的。
然后它就不是真正的正交,也不是真正的基础。
我们使用它有点像这样...但是,我们知道什么时候该停止。
我真的没有试过这种方式。
而且,说一排基函数的长度有意义吗?
是长度等于窗口的宽度...即在使用该基础之前有

应以某种方式延长。

但是,从一个窗口中获取基础并将其应用于另一个窗口
是一个稍微有趣的选择。我希望有人能告诉我这个手术的意义。


我可以问一下,作为一个更有经验的人。

1- 我是否正确理解,在某些合理范围内解决了边缘效应问题,我们就很高兴?

2- 从本质上讲,边缘效应表现为当滑动窗口移动一个采样单位时,在样本的两端出现不可预测的跳跃。

3- 如果我们不能完全预测这种跳跃,是否足以

a) 知道跳跃的方向

b) 跳跃的幅度(或类似跳跃规模的东西)

c) 我们需要同时知道a)和b)。

 
avatara:

我想提醒的是,相关分析的创始人K.Pearson在测量两个相对量(指数)Z1=x1/x3和Z2=x2/x3之间的关系密切程度 时引入了假相关 的概念,其中x1、x2和x3是不相关 的。

阅读所附文件也是有用的(IMHO)...

;)


但不管怎样,还是要感谢你,在计算时最好一次就能考虑到这样的要点。

顺便说一下,有一个关于相关性的分支--与时间转移的相关性。这与我想谈的事情差不多。

 
Freud:


请允许我作为一个更有经验的人问一下。

1- 我是否正确理解,在某些合理范围内解决了边缘效应问题,我们就很高兴?

2- 从本质上讲,边缘效应表现为当滑动窗口移动一个采样单位时,在样本的两端出现不可预测的跳跃。

3- 如果我们不能完全预测这种跳跃,是否足以

a) 知道跳跃的方向

b) 跳跃的幅度(或类似跳跃规模的东西)

c) 我们需要同时知道a)和b)。

1 - 我不介意。
2 - 是的。
3 - 我不知道。
 
Freud:


但还是要感谢一下,在计算时最好考虑到这种时刻。

顺便说一下,有一个关于相关性的分支--时移相关性。它与我想谈的事情差不多

我天生弱智(有点像MA的滞后性;)--但 就是不可能 理解 你在说什么。

有时,人们会怀疑是高级别的扯皮行为--在没有任何他妈的线索的情况下浑水摸鱼,无论是在主题领域(就交易而言),还是在数据分析方法方面......

至少光谱已经被整理出来了--我们和谐的光谱?

;)