文章 "两样本Kolmogorov-Smirnov检验作为时间序列非平稳性的指标" - 页 3

新评论
 
Aleksey Vyazmikin #:

这怎么可能？我的理解是否正确，即前一天和 100 天前的评价指标相似，就好像前一天和 100 天前的评价指标不相似一样？也就是说，差异变化范围很小？

那么，看看分布变化频率的直方图也同样有趣。

如果按您建议的方式成对依次计算，斯米尔诺夫距离本身肯定会有所不同，但这些距离的分布应该不会改变。
在我看来，将一千只鹦鹉按身高成对进行比较，或者将最后一只鹦鹉与之前所有鹦鹉进行比较，都会得出相同的结果 =)
 
Aleksey Nikolayev #:
肯定是 N/2。

你是如何得出这个结论的？

我可能误解了方法....。

 
Aleksey Vyazmikin #:

你是如何得出这一结论的？

这是一种基于理论/数学统计的非常肤浅的直觉。在这个论坛上，用你的存款换钱来研究这些科学是很常见的，但也有免费的方法--你可以在 SB 上尝试这种方法，并与实际价格进行比较。

Matstat 和实践表明，你不应该试图从样本中提取太多信息。因此，我对很多使用 MO 计算价格的方法感到震惊。
 
Aleksey Nikolayev #:

我通常使用 R 中 trend 软件包的实现。说明 中提到了相关来源。

我想知道可以应用什么样的测试来确认从 TS 中获利 不是偶然的。

 
mytarmailS #:

我想知道用什么标准来检验 TC 的利润 不是偶然获得的。

您可以进行一些趋势测试并检查公平性。例如，在同一个软件包中有sens.slope()，用于计算趋势的斜率及其置信区间。这个测试在狭义的圈子里也广为人知。
 
Евгений Черныш #:
斯米尔诺夫标准（以及类似的标准）是一个指标，如果我可以这么说的话，是零级、基本级的指标。它不会告诉你应该买入还是卖出，而是告诉你需要多少数据来分析 FDI 等一级指标，这些指标已经给出了交易信号。至少我是这么认为的。

不，分形维度是市场 "确定性 "的另一个指标，并不提供买卖信号。这就是为什么我建议它应类似于 Smirnov（根据参数调整）。

 
Stanislav Korotky #:

不，分形维度是市场 "确定性 "的另一个指标，并不提供买卖信号。这就是为什么我建议它应类似于 Smirnov（对参数进行修正）。

作者正确地告诉你，Smirnov 更简单，因为它是由增量的一维分布定义的。而分形至少是由两个连续增量的二维联合分布来定义的。

 
Stanislav Korotky #:

不，分形维度是市场 "确定性 "的另一个指标，并不提供买卖信号。这就是为什么我建议它应类似于 Smirnov（对参数进行修正）。

我没注意，抱歉。我从手机上匆匆看了一眼，以为它是标准技术指标的变体之一。

FDI 指标试图回答与 Hirst 指标相同的问题："给定的时间序列是否是随机漫步？

斯米尔诺夫指标回答的问题是："该时间序列是否是同质（静态）的？

如果两个随机游走具有不同的统计特性，斯米尔诺夫指标可以将它们区分开来，但它并不能确定实际价格是否是随机游走。 更准确地说，斯米尔诺夫指标对数据中是否存在依赖关系做出反应，这一点可以从自回归和逻辑映射的斯米尔诺夫距离分布中看出，但它主要（这也是它的主要任务）是捕捉数据中的异质性。我在论文中写到过这一点，我再重复一遍，我不知道如何将纯粹的非平稳影响与序列中存在的依赖性区分开来，因此斯米尔诺夫指标只能间接帮助解决 SB 问题。

另一方面，FDI 需要定义采样窗口。如果我们设置一个固定的滑动窗口（假设为 30），并绘制该指标值的分布图，就会得到这样的结果：

PDF FDI(30) 欧元兑美元日报


可以看出，该指标的分布是均值约为 1.5 的白高斯噪声。
这对该指标意味着什么呢？另一个问题是，它是如何计算分形维度的，这种算法的正确性如何？在这里我不能说什么，因为我不知道它是如何正确计算的。
 
Aleksey Nikolayev #:

作者正确地指出，斯米尔诺夫理论比较简单，因为它是由增量的一维分布来定义的。分形至少是由两个连续增量的二维联合分布来定义的。

在这个外国直接投资指标中，根本没有使用经验分布函数。它既不是单变量的，也不是多变量的，而是在一个滑动窗口中提取价格增量，每个增量按样本量进行归一化处理，然后实际求出这些绝对归一化值的总和（长度），然后应用公式求出外国直接投资。

val[i]=1+(MathLog(length)+MathLog(2))/MathLog(2*inpFdiPeriod);
 
Евгений Черныш #:

该外国直接投资指标完全不使用经验分布函数。它既不是单变量，也不是多变量，而是在一个滑动窗口中提取价格增量，每个增量都按样本量进行归一化处理，然后实际求出这些绝对归一化值的总和（长度），然后应用计算外国直接投资的公式。

我指的是分形本身，而不是分形的具体指标。它通常与序列的持久性/反持久性有关，这与相邻增量的依赖性有关，而相邻增量的依赖性又是由它们的共同分布决定的。

如果我们谈论分形的具体指标，那么 FDI 并不是很好，因为它需要大量的数据来计算，而且不能给出维度置信区间的值。

123456
新评论