Statistiques de dépendance entre guillemets (théorie de l'information, corrélation et autres méthodes de sélection de caractéristiques) - page 68

Nouveau commentaire
 
alexeymosc:
Les données sont dans la pièce jointe. J'ai travaillé avec la série quantifiée (tout à droite).

Voici le résultat.

Un graphique très étrange. Coupé. Il semble que les calculs aient été faits avec une précision limitée.

Statistiques

Très drôle.

ACF

Date : 10/14/12 Heure : 11:58

Échantillon : 1 272

Observations incluses : 3271

Autocorrélation Corrélation partielle AC PAC Q-Stat Prob

| | | | 1 -0,059 -0,059 11,332 0,001

| | | 2 -0,053 -0,057 20,704 0,000

| | 3 0,025 0,019 22,820 0,000

| | 4 0,005 0,005 22,908 0,000

| | 5 -0,062 -0,059 35,486 0,000

| | | 6 0,007 -0,000 35,639 0,000

| | | 7 -0,038 -0,045 40,475 0,000

| | 8 0,032 0,030 43,845 0,000

| | 9 -0,007 -0,008 44,004 0,000

| | 10 0,025 0,026 46,003 0,000

| | | 11 -0,033 -0,032 49,674 0,000

| | 12 0,048 0,043 57,372 0,000

| | 13 0,002 0,006 57,382 0,000

| | 14 -0,032 -0,028 60,736 0,000

| | 15 -0,033 -0,033 64,288 0,000

| | 16 0,047 0,034 71,425 0,000

| | 17 -0,004 0,007 71,469 0,000

| | 18 -0,039 -0,037 76,462 0,000

| | 19 -0,004 -0,008 76,520 0,000

| | 20 0,017 0,004 77,426 0,000

| | | 21 -0,046 -0,040 84,377 0,000

| | 22 0.020 0.013 85.636 0.000

| | 23 0,006 0,006 85,767 0,000

| | 24 -0,010 -0,010 86,089 0,000

| | | 25 -0,001 -0,004 86,090 0,000

| | | 26 -0,022 -0,028 87,663 0,000

| | 27 0,025 0,031 89,677 0,000

| | | 28 -0,022 -0,028 91,250 0,000

| | 29 0,028 0,029 93,841 0,000

| | 30 0,009 0,011 94,135 0,000

| | 31 0,007 0,015 94,290 0,000

| | 32 0,004 0,001 94,350 0,000

| | | 33 -0,007 -0,009 94,501 0,000

*| | *| | 34 -0,092 -0,085 122,33 0,000

| | | 35 0,010 -0,006 122,66 0,000

| | | 36 0.008 0.003 122.89 0.000

La dernière colonne est la probabilité de corrélation. Zéro.

Ces données sont sans intérêt - perte de précision. L'analyse n'est rien, juste un chiffre.

 
Avals:

Qu'est-ce que ZZ selon Pastukhov ? Pastukhov a étudié le kagi/renko dans la construction classique. Cette règle (2H) ne s'applique pas exactement à ZZ. Il existe une dépendance de la valeur du genou en points.
Oui, nous parlons de la H-volatilité.
 
VNG: Vous pouvez maximiser les résultats en étudiant la structure du moteur, en le décomposant en gammes, en obtenant des statistiques sur les transitions vers les gammes supérieures (ou inférieures).

hmm, j'ai fait ça - visuellement ça ressemble à ça :

http://imglink.ru/pictures/14-10-12/6038b20b9bfbd1e06c08e649623cca4b.jpg

http://imglink.ru/pictures/14-10-12/47b7615b511f6b8a6f3b638a2fcda38b.jpg

Chaque triangle coloré est le TF de droite à gauche de M1,M5 à MN par rapport à la ligne verticale qui simule la vue de l'observateur de l'histoire, l'histoire sous la forme de plages d'extrêmes haut et bas/max/min historiques.

Je l'ai téléchargé sur Statistica sous forme d'alphabet, oui il y a des zones/mots répétés, même pour 2-3 TF, mais la répétition n'est pas périodique, les périodes de répétition sont de 2 mois à plusieurs années.

 
VNG:


Je suis aussi "vous" pour moi, s'il n'y a pas d'objections.

Pourquoi pas ? Y a-t-il une justification ?


le SB abstrait aura la même chose
 
HideYourRichess:
Oui, il s'agit de la H-volatilité.

c'est différent là (sur le tableau de getch)
 
alexeymosc:
Les données sont dans la pièce jointe. J'ai travaillé avec la série quantifiée (tout à droite).

Je vais prendre les incréments habituels pour l'ouverture.

Beaucoup plus intéressant. Statistiques

ACF

Date : 10/14/12 Heure : 12:05

Echantillon : 1 3272

Observations incluses : 3271

Autocorrélation Corrélation partielle AC PAC Q-Stat Prob

| | | | 1 -0,063 -0,063 13,075 0,000

| | | 2 -0,033 -0,037 16,554 0,000

| | 3 0,017 0,013 17,558 0,001

| | 4 -0,000 0,001 17,558 0,002

| | | 5 -0,043 -0,043 23,757 0,000

| | | 6 -0,003 -0,009 23,788 0,001

| | 7 -0,024 -0,028 25,722 0,001

| | 8 0,022 0,019 27,264 0,001

| | 9 -0,005 -0,004 27,338 0,001

| | 10 0,032 0,032 30,668 0,001

| | 11 -0,027 -0,025 33,069 0,001

| | 12 0,051 0,048 41,461 0,000

| | 13 0,011 0,016 41,861 0,000

| | 14 -0,020 -0,014 43,111 0,000

| | | 15 -0,040 -0,040 48,488 0,000

| | 16 0,047 0,039 55,873 0,000

| | 17 -0,003 0,006 55,900 0,000

| | 18 -0,054 -0,051 65,566 0,000

| | 19 0,006 0,000 65,688 0,000

| | 20 0,013 0,004 66,214 0,000

| | 21 -0,053 -0,047 75,446 0,000

| | 22 0,025 0,015 77,560 0,000

| | 23 0,014 0,014 78,179 0,000

| | | 24 -0,009 -0,008 78,465 0,000

| | 25 -0,003 -0,005 78,490 0,000

| | 26 -0,024 -0,030 80,367 0,000

| | 27 0,018 0,022 81,400 0,000

| | | 28 -0,006 -0,007 81,522 0,000

| | 29 0,017 0,016 82,452 0,000

| | 30 0,008 0,013 82,657 0,000

| | | 31 -0,002 0,005 82,675 0,000

| | 32 0,010 0,004 83,006 0,000

| | | 33 -0,024 -0,025 84,980 0,000

*| | *| | 34 -0,083 -0,079 107,74 0,000

| | | 35 0,005 -0,011 107,82 0,000

| | | 36 0,022 0,014 109,37 0,000

Probabilité d'absence de corrélation. Au départ, il existe une certaine corrélation, mais elle n'est pas significative.


 
alexeymosc:
Les données sont dans la pièce jointe. J'ai travaillé avec la série quantifiée (tout à droite).

Je vais prendre les incréments habituels pour l'ouverture.

Beaucoup plus intéressant. Statistiques

ACF

Date : 10/14/12 Heure : 12:05

Echantillon : 1 3272

Observations incluses : 3271

Autocorrélation Corrélation partielle AC PAC Q-Stat Prob

| | | | 1 -0,063 -0,063 13,075 0,000

| | | 2 -0,033 -0,037 16,554 0,000

| | 3 0,017 0,013 17,558 0,001

| | 4 -0,000 0,001 17,558 0,002

| | | 5 -0,043 -0,043 23,757 0,000

| | | 6 -0,003 -0,009 23,788 0,001

| | 7 -0,024 -0,028 25,722 0,001

| | 8 0,022 0,019 27,264 0,001

| | 9 -0,005 -0,004 27,338 0,001

| | 10 0,032 0,032 30,668 0,001

| | 11 -0,027 -0,025 33,069 0,001

| | 12 0,051 0,048 41,461 0,000

| | 13 0,011 0,016 41,861 0,000

| | 14 -0,020 -0,014 43,111 0,000

| | | 15 -0,040 -0,040 48,488 0,000

| | 16 0,047 0,039 55,873 0,000

| | 17 -0,003 0,006 55,900 0,000

| | 18 -0,054 -0,051 65,566 0,000

| | 19 0,006 0,000 65,688 0,000

| | 20 0,013 0,004 66,214 0,000

| | 21 -0,053 -0,047 75,446 0,000

| | 22 0,025 0,015 77,560 0,000

| | 23 0,014 0,014 78,179 0,000

| | | 24 -0,009 -0,008 78,465 0,000

| | 25 -0,003 -0,005 78,490 0,000

| | 26 -0,024 -0,030 80,367 0,000

| | 27 0,018 0,022 81,400 0,000

| | | 28 -0,006 -0,007 81,522 0,000

| | 29 0,017 0,016 82,452 0,000

| | 30 0,008 0,013 82,657 0,000

| | | 31 -0,002 0,005 82,675 0,000

| | 32 0,010 0,004 83,006 0,000

| | | 33 -0,024 -0,025 84,980 0,000

*| | *| | 34 -0,083 -0,079 107,74 0,000

| | | 35 0,005 -0,011 107,82 0,000

| | | 36 0,022 0,014 109,37 0,000

Probabilité d'absence de corrélation. Au départ, il existe une certaine corrélation, mais elle n'est pas significative.


 
VNG:


Pouvez-vous m'en dire plus ?

L'algorithme est énoncé dans cette phrase

Le Conseiller Expert compte le nombre de genoux en Zig-Zag (pas moins de pips) et l'enregistre dans le fichier

Je suis désolé, je n'ai pas regardé le code, mais il résulte de cette phrase que le nombre de passages pour calculer le nombre de genoux doit être égal au nombre de pips sur un timeframe d'une minute de la fourchette de prix maximale sur l'historique.

Plus de détails ? des graphiques et ainsi de suite ? - C'était il y a longtemps, et seule une conclusion spéculative a survécu. Cela m'a satisfait car cela correspond, contrairement à la botanique numérologique, aux idées générales sur les processus du marché - ils sont différents à différents niveaux. D'une manière générale, sur les petits niveaux, il existe une tendance aux "rendements" (que le HFT exploite, et participe lui-même à la création de cet effet), sur les grands niveaux, il existe une tendance aux "tendances" (investissements à long terme). Quelque part au milieu se trouve ce que Pastukhov décrit comme 2H - dans ma compréhension quelque chose de similaire à la martingale ou au "marché efficient". Le deuxième point est que les limites des niveaux ne sont pas constantes, c'est-à-dire qu'il est impossible de tracer un graphique et de dire qu'il sera toujours comme ça. La composition et la nature des soumissionnaires évoluent constamment, et tout le reste change en conséquence. Et ainsi de suite.
 
alexeymosc:
Les données sont dans la pièce jointe. J'ai travaillé avec la série quantifiée (tout à droite).

Réduire la fenêtre. Grande fenêtre - le théorème de la limite commence à fonctionner. Mais nous entrons sur le marché pour une période de temps limitée.

Fenêtre=100. Graphique :

ACF

Date : 10/14/12 Heure : 12:11

Echantillon : 1 100

Observations incluses : 99

Autocorrélation Corrélation partielle AC PAC Q-Stat Prob

.|. | .|. |. 1 0.001 0.001 3.E-05 0.996

.|. | .|. | 2 0.036 0.036 0.1371 0.934

*|. | *|. | 3 -0,148 -0,148 2,4225 0,489

.|. | .|. | 4 -0.047 -0.048 2.6516 0.618

*|. | *|. | 5 -0.132 -0.124 4.5037 0.479

.|* | |00 .|* |01 6 0,135 0,121 6,4763 0,372

*|. | *|. | 7 -0,096 -0,109 7,4812 0,381

.|. | .|. | 8 0,023 -0,021 7,5395 0,480

*|. | .|. | 9 -0.073 -0.050 8.1324 0.521

.|* | |00 .|* 10 0.105 0.083 9.3778 0.497

.|. | .|. |. 11 -0,018 0,002 9,4136 0,584

.|. | .|. | 12 0,034 -0,028 9,5449 0,656

.|. | .|* | 13 0.060 0.109 9.9605 0.697

.|. | .|. |. 14 0.062 0.049 10.418 0.731

.|. | .|. | 15 -0.053 -0.021 10.750 0.770

*|. | *|. | 16 -0.103 -0.132 12.038 0.741

.|. | .|. | 17 -0,036 0,018 12,196 0,788

*|. | *|. | 18 -0,111 -0,103 13,712 0,748

.|. | .|. | 19 -0,028 -0,062 13,812 0,795

.|. | .|. | 20 0,030 -0,004 13,923 0,834

.|. | *|. | 21 -0.045 -0.087 14.187 0.861

.|. | .|. | 22 -0,008 -0,002 14,196 0,894

.|* | |00 .|* 23 0.124 0.076 16.219 0.846

.|. | .|. |. 24 0.021 0.014 16.280 0.878

.|. | .|. | 25 -0,025 -0,059 16,364 0,904

.|. | .|. | 26 0.041 0.069 16.591 0.921

.|. | .|. | 27 0.046 0.073 16.879 0.934

*|. | .|. | 28 -0.074 -0.062 17.640 0.935

.|. | .|. | 29 0.038 0.056 17.848 0.947

.|. | .|. | 30 -0,039 -0,010 18,071 0,957

.|. | .|. | 31 0.023 0.069 18.151 0.968

.|. | .|. | 32 -0.014 -0.015 18.179 0.976

.|. | .|. | 33 0,021 -0,030 18,245 0,982

.|. | .|. | 34 -0.041 -0.031 18.505 0.986

.|. | .|. | 35 -0,019 -0,038 18,559 0,990

.|. | .|. | 36 -0.029 -0.043 18.697 0.992

La situation a radicalement changé. La probabilité d'une absence de corrélation est très élevée.

Il reste à le comparer avec TI. Et comprendre de quoi nous parlons.

 
Avals:

c'est différent (sur le tableau de getch)
Je vois. Eh bien, que puis-je dire - d'une certaine manière, je fais plus confiance au H-Volatility qu'au getch. ;) Au moins, avec Pastukhov, on sait d'où viennent les jambes et quelles sont les idées.
1...6162636465666768697071727374
Nouveau commentaire