Eine Stichprobenkorrelation von Null bedeutet nicht zwangsläufig, dass es keine lineare Beziehung gibt. - Seite 9
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Eine sehr interessante Diskussion! Informativ und unterhaltsam.
Aber ich habe eine Frage - auf fast jeder Seite dieses Threads (und in den meisten anderen Threads) kommt die für eine Forex-Kursreihe berechnete Erwartung im Beitrag vor.
Und wie berechnet man die MO für eine nicht-stationäre und nicht-transzendierende Zeitreihe? Schließlich wird das Konzept der MO nur für perfekt konvergente BPs eingeführt.
Aber ich habe eine Frage - auf fast jeder Seite dieses Threads (und in den meisten anderen Threads) kommt die für eine Forex-Kursreihe berechnete Erwartung im Beitrag vor.
Und wie berechnet man die MO für eine nicht-stationäre und nicht-transzendierende Zeitreihe? Schließlich wird das Konzept der MO nur für perfekt konvergente BPs eingeführt.
Diese Frage ist eigentlich gar nicht so einfach. Wenn wir sagen, dass eine Reihe nicht stationär ist, meinen einige von uns eigentlich, dass diese Nicht-Stationarität spezifisch ist. Sie passt nicht ganz in den traditionellen Rahmen, sie ist stückweise, und das ist nicht ihr einziges Merkmal. Aber das ist ein ganz anderes Thema, und zwar ein sehr großes Thema.
Allerdings ist die Art und Weise, wie der Autor es gemacht hat - siehe Bild im Topikstart - sicherlich nicht ganz richtig. Deshalb gibt es MO, Varianz und andere statistische Merkmale im statistischen Sinne nicht. Aber als Ergebnis einiger mathematischer Aktionen, - ja, wir können Affen und Punkte Stück für Stück zusammenzählen. :) Was das Ergebnis sein wird, ist wahrscheinlich eine Fabel.
Was ist, wenn es keine lineare Beziehung zwischen den beiden Zufallsprozessen gibt?
Angenommen, es gibt ein Maß für die lineare Beziehung zwischen den beiden Zeilen, was wollen Sie dann
was machen Sie damit? Eine Regression aufbauen? Okay, bauen wir einen, um eine gute Annäherung zu erhalten
von einer Serie zur anderen und was dann? Haben wir eine Vorhersage erhalten? Ganz und gar nicht.
Und mit Pirson und Korrelationen ist das nicht zu machen!
Schließlich brauchen wir Dynamik! Und was zur Hölle ist die Dynamik in einer skalaren Größe,
wie Korrelation? Und Pearson ist überhaupt nicht gut, weil es symmetrisch ist.
sehen wir einen symmetrischen Graphen, und wir brauchen ein asymmetrisches Maß, weil ein
eine Serie muss die andere überholen.
:)
Was die Nicht-Stationarität und die Erkennung der Beziehung zwischen einer Reihe und einer anderen betrifft, so ist die
Die Hauptsache ist, dass man versteht, was Stationarität ist und wozu sie dient...
Stationarität ist die Unveränderlichkeit von Zeitpunkten über die Zeitachse der Zählungen,
selbst wenn Sie eine Serie relativ zu einer anderen verschieben, werden Sie den Zusammenhang nicht finden, denn mit Ihrer
haben Sie diese dynamische Beziehung zerstört, indem Sie die Serie zeitlich homogen gemacht haben.
Die Hauptsache ist also, dass man es nicht übertreibt :)
Eine sehr interessante Diskussion! Informativ und unterhaltsam.
Aber ich habe eine Frage - auf fast jeder Seite dieses Threads (und in den meisten anderen Threads) kommt die für eine Forex-Kursreihe berechnete Erwartung im Beitrag vor.
Und wie berechnet man die MO für eine nicht-stationäre und nicht-transzendierende Zeitreihe? Schließlich wird das Konzept der MO nur für perfekt konvergente BPs eingeführt.
Im nächsten Thema habe ich vorgeschlagen, die Parameter des BP anhand von Quantilen zu schätzen. Bei der Anwendung auf die erwartete Auszahlung handelt es sich um eine Schätzung durch den Median (und nicht den Mittelwert) der letzten Werte. Übrigens sind die Ergebnisse in Bezug auf ROS viel besser.
Meine Meinung über die Stationarität von Reihen ist an gleicher Stelle begründet: Ich arbeite derzeit an einem Modell, bei dem die resultierende Reihe die Summe von zwei stationären (oder eher quasistationären - mit langsam fließenden Merkmalen) Zufallsprozessen ist - Gaußsche "Ruhe" und Poissonsche "Unstetigkeiten". Bei diesem Ansatz ist die Nicht-Stationarität des resultierenden Prozesses offensichtlich. Die bisherigen Entwicklungen erlauben mir zu sagen, dass ich auf dem Weg zu einer Annäherung an die Realität des Preismodells in die richtige Richtung gehe.
Ich würde gerne meine fünf Cent dazugeben.
Die Korrelation ist einfach eine Zahl, die man immer als Ergebnis einer Formelberechnung erhält, für alles von -1 bis +1. Wendet man die Formel auf BP an, so erhält man immer einen Korrelationswert: zwischen beliebigen Währungspaaren, zwischen einem Währungspaar und der Bewegung des Jupiters, zwischen einem Währungspaar und allem anderen.
In jedem Statistiklehrbuch wird vor Korrelationen und Pseudokorrelationen gewarnt. Um das eine vom anderen zu trennen, muss man andere statistische Methoden anwenden, um nicht in den Wahn des falschen Wissens zu verfallen. Der effektivste Weg, Korrelationen von Pseudokorrelationen zu unterscheiden, besteht jedoch darin, einige sinnvolle Annahmen über die Möglichkeit zu treffen, dass zwei Zufallsvariablen miteinander verbunden sind. Mit a priori Annahmen über die Beziehung können wir Korrelationen zwischen dem Euro-Dollar und dem britischen Pfund berechnen, aber wir werden niemals den chinesischen Yuan einbeziehen. Mit dem Mataparat testen wir diese Annahmen, und selbst wenn wir sie haben, ist es sehr einfach, Pseudokorrelationen zu erhalten, nur weil statistische Merkmale von BPs, wie z. B. die Normalitätsanforderung, entweder ausgelassen oder falsch berücksichtigt wurden.
Privalov schrieb ein Skript, die Ergebnisse stimmen mit den matkadischen überein. Ich habe das Skript geschrieben, ohne mir die anderen anzuschauen, und die Ergebnisse verglichen - sie sind die gleichen wie die von Beer und Matkad. Hundertfünfzig Leute haben diesen QC bereits hundertfünfzig Mal geschrieben - und alle Ergebnisse sind gleich. Warum sollten also plötzlich alle ihre Programme überstürzt umschreiben, wenn sie plötzlich herausfinden, dass jemand seine eigene Interpretation von Pearsons QC hat?
Wie berechnet man die IR für eine nicht stationäre und nicht kollabierende Zeitreihe? Schließlich wird das Konzept der MO nur für perfekt konvergente VR eingeführt.
Und das geht nicht mit Piersons und Korrelationen!
Denn wir brauchen Dynamik! Und was zur Hölle ist die Dynamik in einer skalaren Größe,
wie eine Korrelation?
Es gibt eine Definition von Pearson's QC für eine Probe. Ich kann nicht verstehen, was man sich darunter vorstellt, wenn man es Pearsons QC nennt. Bitte benennen Sie die Funktion in Mathcad. Damit ich die Beschreibung im Detail in der Hilfe sehen kann.
Faulheit ist eine große Macht.
http://books.google.ru/books?id=or8sS60Q0ooC&pg=PA159&lpg=PA159&dq=mathcad+corr&source=bl&ots=X2IwE5hGCI&sig=wXlaqOs7LlEQnozhuXyKb2_Fx14&hl=ru&ei=Z4apTPnRRHMyhOvH_1Y8M&sa=X&oi=book_result&ct=result&resnum=2&ved=0CBoQ6AEwAQ#v=onepage&q=mathcad%20corr&f=false
corr(A,B) - Berechnung des Pearsonschen Stichprobenkorrelationskoeffizienten.