Eine Stichprobenkorrelation von Null bedeutet nicht zwangsläufig, dass es keine lineare Beziehung gibt. - Seite 54

 
Demi:

Gibt es nicht mehr als einen ACF, um einen QC irgendwo anders unterzubringen? Und eine Qualitätskontrolle zwischen den Instrumenten? Nein? Können Sie nicht daran denken?

Nehmen wir die Kurse der Indizes S&P500 und NASDAQ (^GSPC bzw. ^IXIC auf Yahoo.Finance). Die auf der Grundlage der Preise berechnete Korrelation wird wieder positiv sein. Können Sie eine rentable Strategie entwickeln?))

Und Spread Trading? Auch durchgestrichen?

Denn sie verwenden nicht die Korrelation, sondern die Kointegration.

Warum diese sinnlosen Beiträge?

Ich gebe Ihnen Ideen, wie Sie mit diesem Ansatz Griffe machen können. Haben Sie keine Zweifel daran, dass Sie Recht haben, wenn es einen Zusammenhang gibt, aber Sie mit dem Boot kein Geld verdienen können? :D

 
anonymous:

Nehmen wir die Kurse des S&P500 und des NASDAQ-Index (^GSPC bzw. ^IXIC auf Yahoo.Finance). Die auf der Grundlage der Preise berechnete Korrelation wird wieder positiv sein. Können Sie eine rentable Strategie entwickeln?))

Streichen Sie das, denn es geht nicht um Korrelation, sondern um Kointegration.

Ich gebe Ihnen Ideen, wie Sie mit diesem Ansatz Griffe machen können. Haben Sie keine Zweifel daran, dass Sie Recht haben, wenn es einen Zusammenhang gibt, aber Sie mit dem Boot kein Geld verdienen können? :D

Nun, das dachte ich auch... Jetzt ergibt alles einen Sinn...

Also:

1. Marktinstrumente sind nicht kointegriert - merken Sie sich das für Ihr Leben.

2. ich kann alles tun - vergiss auch das nicht.

3. für alle oben genannten Punkte wird die Korrelation verwendet - siehe Punkt 1.

4. Verbringen Sie keine Zeit im Forum und lesen, lesen, lesen. Googeln, googeln, googeln.

P.S. Hör auf, den Clown zu spielen

 
Demi:

1. Marktinstrumente sind nicht kointegriert - merken Sie sich das für Ihr Leben.

Sehen Sie sich die Aktienkurse von BRK-A und BRK-B an. Ein Gegenbeispiel, noch einmal.

2. Ich kann alles tun - erinnere dich auch daran.

Gut für Sie.

3. es ist die Korrelation, die für alles, was ich aufgezählt habe, verwendet wird - siehe Punkt 1.

Es wurde sowohl in diesem Forum als auch im MQL5-Forum diskutiert.

Ich habe es satt, Sie auch hier zu langweilen.)

 
Demi: In größerem Maßstab kann und sollte QC auf der Grundlage der Ausgangsdaten (Preise) des Devisenmarktes berechnet werden.
Na ja, rechnen Sie mal nach. Sie werden viele solcher Korrelationen finden, auf die hier niemand gekommen ist, weil sie Unsinn sind (falsche Korrelationen).

QC für stationäre und ergodische Reihen ist überhaupt nicht erforderlich - für sie ist alles klar und verständlich.

Das ist grundsätzlich falsch. Irgendwo habe ich ein sehr anschauliches Beispiel für die Berechnung der Diffusionsrate von Farbe in einer Flüssigkeit gesehen, bei dem nur ACF verwendet wurde. Der Prozess war stationär und sehr wahrscheinlich ergodisch.

Ich werde sie veröffentlichen, sobald ich sie gefunden habe.

 
Mathemat:
Rechnen Sie nach. Sie werden viele solcher Korrelationen finden, auf die hier niemand käme, weil sie unsinnig wären (falsche Korrelationen).

Die Finanzinstrumente im Devisenhandel sind korreliert. Auch hier geht es nur um die Analyse zwischen den Märkten, den Handel mit Paaren usw., den Spread-Handel mit Ausnahme des saisonalen Handels.

Eine falsche Korrelation könnte zwischen der Geschwindigkeit des Haarwachstums auf dem Kopf und der Dynamik der Kontinentalplattenbewegung bestehen.

 
Integer:

Die Reihe ist also stationär... Sie können es also nicht auf diese Weise verwenden, sondern nur die ersten Unterschiede. Stellen wir uns eine weitere Reihe vor, genau die gleiche, und eine weitere, nur dass die Linie nach unten zeigt.

Die Korrelation ist also perfekt berechnet, wenn beide Reihen in die gleiche Richtung gehen, erhält man 1, wenn sie in unterschiedliche Richtungen gehen, -1. Das heißt, das Ergebnis ist sinnvoll, die Korrelation ist berechnet, und der Wert entspricht der Realität.
Da es sich jedoch um nicht-stationäre Reihen handelt, kann dies nicht auf diese Weise geschehen:) Wir sollten die Korrelation anhand der ersten Differenz berechnen. Wir haben also die Reihen 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 und -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1 - mit solchen Daten kann die Korrelation nicht berechnet werden.

Das war's! Meine Herren

* * *

Ich habe im Internet ein wenig über Granger recherchiert, und dort bin ich auf Aussagen gestoßen, dass die Granger-Methode nur auf die ersten Differenzen angewendet werden sollte... In kompetenteren Lehrbüchern steht jedoch nichts dergleichen, sondern im Gegenteil, dass bei stationären Daten eine andere Methode angewendet wird. Aber mit welcher Souveränität alle ihre Richtigkeit beweisen... Ich weiß nicht, es ist für mich offensichtlich, dass ich keinen ersten Unterschied brauche.

* * *

Bei den Herren Ökonometrikern und dergleichen ist alles klar... Deshalb verabschiede ich mich und beteilige mich nicht an Gesprächen zum Thema Korrelation und dergleichen.

Neben dem Umgang mit Formeln und Begriffen muss man auch das Wesen und die Bedeutung verstehen.


Sie betonen den Punkt, aber inzwischen haben Sie ihn verloren. Ein einfaches Beispiel: zwei stationäre, zufällige Spaziergänge mit null MO:

Es ist offensichtlich, dass beide in die gleiche Richtung gehen, es ist auch offensichtlich, dass es keine Korrelation zwischen diesen Prozessen gibt. Nimmt man den QC für diese beiden Reihen, so ergibt sich ein Koeffizient von 0,86, d. h. wir haben eine starke Korrelation festgestellt. Aber wenn sie zuverlässig nicht vorhanden ist, was haben wir dann? Nun nehmen wir die ersten Differenzen dieser beiden Prozesse und berechnen den Korrelationskoeffizienten für sie und nun ist er gleich 0,02, d.h. er hat gezeigt, was er zeigen soll - es gibt keinen Zusammenhang. Ihre Bewegung in eine Richtung ist ein einfacher Zufall.

Durch die Berechnung von QC auf I(1) passen Sie statistische Methoden an das an, was Ihnen erscheint. Und optisch scheinen sich die beiden Serien zu ähneln, obwohl sie es in Wirklichkeit nicht tun.

 
C-4: Es ist offensichtlich, dass beide in dieselbe Richtung weisen, es ist aber auch offensichtlich, dass es keinen Zusammenhang zwischen diesen Prozessen gibt. Nimmt man den QC für die beiden Reihen, so ergibt sich ein Koeffizient von 0,86, d. h. wir haben eine starke Beziehung festgestellt. Aber wenn sie zuverlässig nicht vorhanden ist, was haben wir dann? Nun nehmen wir die ersten Differenzen dieser beiden Prozesse und berechnen den Korrelationskoeffizienten für sie und nun ist er gleich 0,02, d.h. er hat gezeigt, was er zeigen sollte - es gibt keinen Zusammenhang. Ihre Bewegung in eine Richtung ist reiner Zufall.

Ein sehr gutes Beispiel, danke. Ein Kieselstein in Richtung der Liebhaber falscher Zusammenhänge, die glauben, dass sie sie nie bekommen werden.

 
Integer:

Meine Herren, können Sie mir sagen, ob diese Datenreihe stationär oder nichtstationär ist?

Es handelt sich um einen stationären Prozess der Form I(1), und sei es nur, weil sich sein mathematischer Erwartungswert nicht mit der Zeit ändert. Aber er hat keine Variation (Streuung) und daher macht es keinen Sinn, mindestens Pearson QC zu haben, weil es die Summe der Produkte der Variation von zwei Vektoren geteilt durch ihre Streuung verwendet, die wir in diesem Prozess nicht haben.
 
C-4:


Sie betonen den Punkt, aber in der Zwischenzeit haben Sie ihn selbst verloren. Ein einfaches Beispiel: zwei stationäre, zufällige Spaziergänge mit null MO:

Es ist offensichtlich, dass beide in dieselbe Richtung weisen, es ist aber auch offensichtlich, dass es keinen Zusammenhang zwischen diesen Prozessen gibt. Nimmt man den QC für die beiden Reihen, so ergibt sich ein Koeffizient von 0,86, d. h. wir haben eine starke Beziehung festgestellt. Aber wenn sie zuverlässig nicht vorhanden ist, was haben wir dann? Nun nehmen wir die ersten Differenzen dieser beiden Prozesse und berechnen den Korrelationskoeffizienten für sie und nun ist er gleich 0,02, d.h. er hat gezeigt, was er zeigen sollte - es gibt keinen Zusammenhang. Ihre Bewegung in eine Richtung ist ein einfacher Zufall.

Durch die Berechnung von QC auf I(1) passen Sie statistische Methoden an das an, was Ihnen erscheint. Und auch optisch scheinen sich die beiden Serien zu ähneln, obwohl sie es nicht tun.

1. MO=0? Die MO der Reihe = 0? Oder die Abstufungen der Zeilen?

2. beide Reihen stationär sind? Sind Sie sich da sicher?

3. QC hat noch nie das Vorhandensein oder Nichtvorhandensein von funktionalen Beziehungen festgestellt. Es handelt sich lediglich um ein numerisches Merkmal. Das Vorhandensein oder Nichtvorhandensein von Beziehungen ist eine Frage der Interpretation von QC durch andere Methoden.

 
C-4: Dies ist ein stationärer Prozess der Form I(1)

Nein, so etwas kann es nicht geben. Nur die Reihe I(0) kann stationär sein.

Demi: 2 . Beide Serien sind stationär? Sind Sie sich da sicher?

Nein, sie sind nicht stationär. Sie sind nur ausgewählte Teile eines Wiener Prozesses (d.h. eines Brownschen Prozesses), soweit ich das verstanden habe. Das heißt, der Prozess I(1), wenn er tatsächlich ein Wiener Prozess ist.