De la teoría a la práctica - página 462

 
Andrei:
en realidad no, permite separar los componentes periódicos...

laautocorrelación, así como la correlación, no son aplicables a los tiempos no estacionarios

 
Maxim Dmitrievsky:

la autocorrelación y la correlación no son aplicables a los tiempos no estacionarios

¿Quién impide que se aplique?
 
Andrei:
¿Quién te impide usarlo?

Sobreestimación, Spearman no es mejor.

 
Maxim Dmitrievsky:

La sobrevaloración sale a la luz, Spearman tampoco es mejor

y no hay necesidad de precisión, todo es más o menos un pie...
 
Andrei:
¿y quién impide que se aplique?

No quién, sino qué - entendiendo el simple hecho de que estamos tratando con un valor de muestra que sólo tiene sentido (converge a algo a medida que el tamaño de la muestra aumenta) cuando es estacionario.

 
Aleksey Nikolayev:

No quién, sino qué - una comprensión del simple hecho de que estamos tratando con un valor de la muestra que sólo tiene sentido (converge a algo a medida que el tamaño de la muestra aumenta) cuando es estacionario.

La ACF tiene sentido para cualquier señal, incluso la no estacionaria.
 
Andrei:
El ACF tiene sentido para cualquier señal, incluso la no estacionaria.

No. Para los no estacionarios, tiene sentido hablar de un QF que dependerá de dos variables, no de una, como el ACF. Es posible de alguna manera (en un gran número de formas diferentes) convertir este QF en algo que depende de una variable. Pero no lo llames ACF, no te confundas ni confundas a los demás.

 
Aleksey Nikolayev:

No. Para los no estacionarios, tiene sentido hablar de un QF que dependerá de dos variables, no de una, como el ACF. Es posible de alguna manera (en un gran número de formas diferentes) convertir este QF en algo que depende de una variable. Pero no deberías llamarlo ACF, no es necesario confundirte a ti mismo y a los demás.

La verdad es que no. La ACF en este caso es simplemente la convolución clásica de cualquier señal en algún segmento limitado con su copia.

No hay nada inusual en ello, ni hay ninguna razón para el pánico.

La cantidad de variables de las que depende el ACF no juega ningún papel aquí.

 
Aleksey Nikolayev:

(converge a algo con el aumento del tamaño de la muestra) sólo en la estacionalidad.

todo converge a algo, cuentes lo que cuentes, existe la teoría de los números, incluso tiene regularidades, que aparecen con una gran muestra de valores, aunque ella (la teoría de los números) no estudia ningún proceso físico o de otro tipo

En el hilo se mencionó una necesidad de la función de autocorrelación para más de un parámetro, es una investigación desde el campo de los campos, dudo que una función discreta en la escala de tiempo (serie de precios) pueda ser considerada por un campo

Y en general, el análisis de correlación de una función no periódica, ¿qué debería mostrar? El análisis de correlación en una función periódica mostrará la distribución del espectro de frecuencias, y ¿qué debería mostrar el análisis de correlación del gráfico de precios?

He encontrado una buena lectura sobre el tema, muy similar al libro de texto que estudié hace 20 años http://scask.ru/book_brts.php?id=16

3.3. Автокорреляционная функция дискретного сигнала
  • scask.ru
Изучая АКФ пачки прямоугольных видеоимпульсов, читатель, безусловно, обратил внимание на то, что соответствующий график имел специфический лепестковый вид. С практической точки зрения, имея в виду использование АКФ для решения задачи обнаружения такого сигнала или измерения его параметров, совершенно несущественно, что отдельные лепестки имеют...
 
Igor Makanu:

todo converge a algo, cuentes lo que cuentes, existe la teoría de números, incluso tiene regularidades que aparecen en una gran muestra de valores, aunque ella (la teoría de números) no estudia ningún proceso físico o de otro tipo

En el hilo se mencionó una necesidad de la función de autocorrelación para más de un parámetro, es una investigación desde el campo de los campos, dudo que una función discreta en la escala de tiempo (serie de precios) pueda ser considerada por un campo

Y en general, el análisis de correlación de una función no periódica, ¿qué debería mostrar? El análisis de correlación en una función periódica mostrará la distribución del espectro de frecuencias, y ¿qué debería mostrar el análisis de correlación del gráfico de precios?

Necesitamos una medida de "memoria": un valor numérico específico de la dependencia de los incrementos de precios entre sí en la ventana deslizante de tiempo.

Esto permite afirmar si la suma de los incrementos en esa ventana forma un número perteneciente a la distribución gaussiana o no.

De hecho, el ACF es el Grial, amigos. Muestra si estamos en una tendencia o en una zona plana...

Sólo hay que aprender a calcularlo correctamente, que es lo que estoy haciendo ahora...