Una correlación muestral nula no significa necesariamente que no exista una relación lineal - página 3
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Aquí hay otro enlace en la parte inferior que dice
https://ru.wikipedia.org/wiki/Корреляция#.D0.9A.D0.BE.D1.8D.D1.84.D1.84.D0.B8.D1.86.D0.B8.D0.B5.D0.BD.D1.82_.D0.BA.D0.BE.D1.80.D1.80.D0.B5.D0.BB.D1.8F.D1.86.D0.B8.D0.B8_.D0.9F.D0.B8.D1.80.D1.81.D0.BE.D0.BD.D0.B0
Si X,Y son variables aleatorias independientes, entonces R(x,y)=0. Lo contrario es generalmente incorrecto.
Esto es sólo para confirmar el tema del hilo. Sí, tienes razón.
Un juego de números.
Dirigido a Voznesensky, pero aplicable a nosotros.
Resulta que fui un tonto al comprobar mi código 10 veces antes de publicarlo. Busqué en los libros de texto. Comprobé con muestras de matrices con paquetes de matrices conocidas. En particular, hay una función incorporada en matcadet. He comprobado que todo coincide. Pero resulta que se equivoca...
Tal vez usted puede iluminarme en la forma correcta? Antes de que yo estoy muy equivocado.
por si acaso https://ru.wikipedia.org/wiki/Автокорреляционная_функция
Tu enlace a la wikipedia da la definición correcta de autocorrelación, que no tiene nada que ver con lo que tienes en tu indicador.
¿Cuál es la función en Mathcad?
También existe una variante del indicador de "autocorrelación". Muy parecido al tuyo y también equivocado. Algo que ambos cuentan de manera diferente y no entienden su significado.
Tu enlace a la wikipedia da la definición correcta de autocorrelación, que no tiene nada que ver con lo que tienes en tu indicador.
¿Cuál es la función en Mathcad?
También existe una variante del indicador de "autocorrelación". Muy parecido al tuyo y también equivocado. Algo que ambos cuentan de forma diferente y no entienden su significado.
¿y cuáles son las diferencias? dame un cálculo correcto. entonces hablaremos. hasta ahora es sólo una afirmación general.
1. pierson se equivoca.
2. spearman se equivoca
3. El ACF no se entiende en absoluto
4. hay que entender correctamente lo que significa correlación =0
P.D. escríbelo, es interesante... terriblemente interesante ...
Tu enlace a la wikipedia da la definición correcta de autocorrelación, que no tiene nada que ver con lo que tienes en tu indicador.
¿Cuál es la función en Mathcad?
También existe una variante del indicador de "autocorrelación". Muy parecido al tuyo y también equivocado. Algo que ambos cuentan de manera diferente y no entienden su significado.
Lee ese código que tiene Sergei... https://www.mql5.com/ru/code/8295. Se ha visto afectado por algunos hechos:
1. El SKO se calcula para toda la muestra, es decir, si fijamos la historia = 2000 barras, entonces el ACF alrededor de la barra 1500 se normaliza para el futuro.
2) Regresión lineal - también calculada sobre todo el historial
3. El comentario "Cálculo ACF" - se toma un valor de referencia m = [0 ... Historia],
y a partir de ella se calcula la ACF( f( i ), f( i + m ) en el pasado. Es decir, el gráfico final
es un gráfico de ACF "por sí mismo con un desplazamiento" = [0 ... Historia].
.
Es decir, cuando miramos el gráfico de este indicador, en la barra 500 no es el valor de la ventana ACF para la barra 500,
sino el ACF normalizado al futuro con desplazamiento = 500. Sólo calculado no por el tamaño de la muestra = Historia,
pero por el tamaño de la muestra = Historia - 500. Y en la barra 1000, por ejemplo, hay un vistazo en términos de regresión y RMS en el futuro ya en 1000 bares,
y la muestra se "adelgaza" en 1000 elementos. En la barra de cero está claro - una justa porque está en sí mismo.
.
En general, el indicador tiene una protección de alto nivel contra la compilación, aunque está en el código fuente ;-). La protección
es que muestra algo, pero incluso si se sabe lo que es, hay un número de
decisiones "arquitectónicas" que inclinan a reescribirlo todo.
.
Hrenfx, gracias por señalarlo. Leí el código del indicador como una fascinante historia de detectives. Escriba más :-).
.
P.D.: corrígeme si me equivoco.
.
P.D. 2: No sé cómo... Pero probablemente sería genial ver un gráfico de la ACF correcta,
trazado contra X=barra, Y=valor de ACF, y Z- sesgo entre muestras ;-)
.
P.D. 3: El ACF está normalizado a ACF[0], en el que terminé con número = 1440.
En teoría... si se normaliza ACF a muestra = 1440, está bien, pero la cuestión es,
que más adelante en la historia el número de barras disminuye => la normalización presiona el gráfico a cero.
P.D. 2: No sé cómo... pero probablemente sería genial ver un gráfico de la ACF correcta,
trazado contra X=barra, Y=valor de ACF, y Z- sesgo entre muestras ;-)
¿Qué lo impide?
Entonces, hay que interpretar este gráfico después... Tengo que hacer una hipótesis...
Para hacer un bloque de decisión, un probador automático, luego un probador con OOS...
Por cierto, P.S. 4:
- Hice una broma en mi post sobre la "protección". Los errores, por supuesto, le ocurren a todo el mundo.
Por lo tanto, es exactamente una broma.
Bueno... No sé cómo :-). Utilizo Mql y C++. Y no sé cómo hacer unos gráficos tan bonitos ;-).
Entonces, hay que interpretar este gráfico después... Tengo que hacer una hipótesis...
Para hacer un bloque de decisión, un probador automático, luego un probador con OOS...
En csv y excel para graficarlo. Sólo para tener una visión de ello.
En csv y en excel para hacer un diagrama. Sólo para ver un poco
:-)