文章 "在MQL5中相关性分析的要素：皮尔逊卡方独立性检验和相关比率"
传统的（两种或多种金融工具）相关性评估方法通常使用不同时间框架的蜡烛图作为参考元素。
然而，烛台尽管结构简单（使用方便），却有一个明显的缺点，即：任何烛台的收盘水平都不是分形水平，不是固定的：
任何蜡烛图的收盘水平都不是分形水平，不是市场固定的水平，而只是先前开始的目标运动的中间水平！对于上升烛台而言，这是从高点到收盘的价格运动。对于下降烛台 - 从低点到收盘。
也就是说，如果有阴影，反向运动（在蜡烛时间结束时）根本不会结束，而是可以悄悄地继续！在相关性计算中考虑到这样的水平，不可避免地会带来不准确性（甚至错误）。
因此，脉冲均衡理论采用了不同的相关性估算结构，即严格固定的分形水平。
Aleksandr Masterskikh #:
那么在这些分形水平上会得到怎样的相关性值呢？
评估（两种或多种金融工具）相关性的传统方法通常使用不同时间段的蜡烛图作为参考。
然而，蜡烛图尽管结构简单（使用方便），却有一个明显的缺点，即：
任何蜡烛图的收盘水平都不是分形水平，不是市场固定的水平，而只是先前开始的目标运动的中间水平！对于上升烛台，它是价格从高点到收盘点的运动。对于下降烛台 - 从低点到收盘。
也就是说，如果有阴影，反向运动（在蜡烛时间结束时）根本不会结束，而是可以安静地继续！在相关性计算中考虑到这样的水平不可避免地会带来不准确性（甚至错误）。
因此，脉冲均衡理论采用了不同的相关性估算结构，即严格固定的分形水平。
新文章 在MQL5中相关性分析的要素：皮尔逊卡方独立性检验和相关比率已发布：
该文章探讨了相关性分析中的经典工具。文章重点介绍了皮尔逊卡方独立性检验和相关比率的理论背景概述，以及它们的实际应用。
在本文中，我想探讨数学统计学中一个重要的部分——相关分析，包括随机变量之间依赖性的检测和评估。在相关分析的工具库中，最受欢迎的工具当然是相关系数。然而，如果我们想评估数据中的依赖性，尤其是像股票价格增量这样的数据，仅仅计算相关系数是完全不够的。首先，相关系数仅评估线性依赖性。其次，如果计算相关系数所用的数据样本分布与正态分布不同，那么即使相关系数为零，也不意味着不存在依赖性。为了回答数据是否相关的问题，我们应该定义独立性的标准。我们将讨论最著名的标准——皮尔逊卡方独立性检验。我们还将讨论一种数值特征，即相关系数，它有助于确定所研究的相关性是否为非线性。
作者：Evgeniy Chernish