Statistiche di dipendenza nelle citazioni (teoria dell'informazione, correlazione e altri metodi di selezione delle caratteristiche) - pagina 70
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Passando a Klous
Grafico
Il grafico è diverso in relazione all'opener
Statistiche descrittive
E le statistiche sono diverse. È incredibile. Ho sempre pensato che open e clowes fossero gli stessi valori.
ACF
Data: 14/10/12 Ora: 13:53
Campione: 1 100
Osservazioni incluse: 99
Autocorrelazione Correlazione parziale AC PAC Q-Stat Prob
.|* |00 .|* 1 0,077 0,077 0,6031 0,437
.|. | .|. |. 2 -0,038 -0,044 0,7502 0,687
.|. | .|. | 3 -0,038 -0,032 0,9001 0,825
*|. | *|. | 4 -0,181 -0,178 4,3327 0,363
.|. | .|. | 5 -0,013 0,012 4,3511 0,500
.|. | .|. | 6 -0,017 -0,034 4,3810 0,625
*|. | *|. | 7 -0,127 -0,139 6,1421 0,523
.|. | .|. | 8 0,048 0,035 6,3987 0,603
.|* | .|. 9 0,086 0,069 7,2140 0,615
.|. | .|. | 10 0,011 -0,015 7,2283 0,704
*|. | *|. | 11 -0,089 -0,136 8,1289 0,702
.|* |00 .|* 12 0,095 0,143 9,1596 0,689
.|. | .|. |. 13 -0.014 -0.019 9.1816 0.759
.|. | .|. | 14 -0,016 -0,039 9,2132 0,817
.|. | .|. | 15 0,026 0,013 9,2908 0,862
*|. | .|. | 16 -0.092 -0.035 10.308 0.850
*|. | *|. | 17 -0,107 -0,129 11,703 0,818
.|. | *|. | 18 -0.062 -0.101 12.175 0.838
*|. | .|. | 19 -0.100 -0.053 13.422 0.816
.|. | *|. | 20 -0.049 -0.091 13.727 0.844
.|. | .|. | 21 0,062 -0,009 14,223 0,860
.|. | .|. | 22 0.011 -0.042 14.239 0.893
.|. | .|. | 23 0,040 0,016 14,445 0,913
.|. | .|. | 24 0.049 -0.029 14.770 0.927
*|. | *|. | 25 -0,074 -0,081 15,512 0,929
.|. | .|. | 26 -0,047 -0,037 15,813 0,941
.|. | .|. | 27 0,050 0,045 16,158 0,950
.|. | .|. | 28 0,022 0,023 16,223 0,962
.|. | .|. | 29 0,035 0,006 16,401 0,971
.|. | .|. | 30 -0,010 -0,027 16,415 0,979
.|* |00 .|* 31 0,099 0,140 17,863 0,971
.|. | .|. |. 32 0,021 -0,006 17,928 0,979
.|. | .|. | 33 0,049 0,028 18,285 0,982
*|. | *|. | 34 -0.094 -0.089 19.632 0.977
*|. | *|. | 35 -0,136 -0,105 22,506 0,949
.|* | .|. | 36 0,080 0,039 23,528 0,946
E l'ACF è diverso.
Oh, bene, aspetto le vostre conclusioni.
Ho preparato una serie appositamente per voi. Conto la differenza come x(t)/x(t-1) - 1.
prendiamo una lunghezza arbitraria dell'alfabeto, nello screenshot è 24 bit e codifichiamo
Rosso significa che il prezzo ha aggiornato il minimo = 1, blu significa che il prezzo ha aggiornato il massimo = 0,
E così per ogni TF. Ho controllato l'affermazione che il trend sul TF più alto è "più importante", è parzialmente vero, ma finora non ho visto nessuna regola chiara
Calcolato. Vedi sopra.
Lo farò io, sei un po' difficile da capire.
Statistiche per le serie close(t) / close(t-1) - 1:
Statistiche della serie close(t) / close(t-1) - 1 arrotondate a 2 cifre decimali:
ACF sono molto simili. Ma le relazioni lineari sono minime.
Ora confronta come chiaramente le correlazioni tra la barra zero e 250 ritardi sono rivelati con l'informazione reciproca. Il grafico fornisce un confronto tra la serie quantizzata e la serie casuale con la stessa distribuzione.
Ora confronta come chiaramente le correlazioni tra la barra zero e 250 ritardi sono rivelati con l'informazione reciproca. Il grafico fornisce un confronto tra la serie quantizzata e la serie casuale con la stessa distribuzione.