ランダムフロー理論とFOREX - ページ 6

新しいコメント
 

dreder さん、アドバイスありがとうございます。でも、私は受けられそうにありません。私は依存症で、一回実際に服用すれば十分でした。そして、あなたも中毒者なんでしょう？

実際、数学に詳しい人もいる（私ではない）ジャンキーたちの小さな輪に加わってみてはどうだろう。

2 Candid: まとめて送ります。Marple、Sato、Wald、Farina、DSPの講義、MathcadでACFを計算するなどがあります。アーカイブが一気に進むといいのですが（全部で13.5Mbyteくらいあるので、転送すると20弱になります）。別のメールボックスから送りました。結果をLINEで教えてください - メールでもOKです。

 
Prival:

ACFを例にとって説明してみますと、．

まあ、ACFの定義は原則的に知っていましたが、ただ、公式の数だけ人がいることが多いので :) 。もちろん、そのまま計算しないなら。
また、klot のライブラリにあるfastcorellation の何がいけないのでしょうか?
 
Mathemat:

実際、小さな輪でちょっとおしゃべりしてみませんか...。

私は数学が苦手で、せいぜいC判定なのを除けば、大賛成です。航空無線技師の豊富な経験を生かし、2杯ほど飲んでください :-)

lna01fastcorellationの 件、知りませんでした、またご迷惑をおかけしたらすみません :-)、いかにもな感じですね。

 
Prival:

lna01fastcorellationについて 私は それがあることを知りませんでした、私が再び悪い質問を始めるなら申し訳ありません :-)、それがどのようにすべてのカウント。

詳しくはこちら -http://alglib.sources.ru/fft/fastcorrelation.php
フォーマットは以下の通りです。
void fastcorellation(double& signal[], int signallen, double pattern[], int patternlen)
/*************************************************************************
FFTによる相関

入力時。
Signal は信号の配列であり、この信号と相関をとる。
0からSignalLen-1までの要素番号付け。
SignalLen - 信号の長さです。

パターン - パターンの配列で、探している信号の相関関係
0からPatternLen-1までの要素の番号付け
PatternLen - パターンの長さです．

出力します。
信号-0から点での相関値
SignalLen-1です。
*************************************************************************/
 
ええ、すべて納得です。説明から判断すると、配列は実際には周期的であり、そのようなデータではACFは定義上、引数の差に依存する、つまりプロセスは自動的に定常化する。 合わない、くそ...。
 
Mathemat:
ああ、わかったよ。説明から判断すると、実は配列は周期的で、そのようなデータのACFは定義上、引数の差に依存する、つまり自動的にプロセスが定常化する。 合わない、ちくしょう......。

FFTを使えばACFは左右対称になる、つまり途中までのデータが必要です。どこに適用したいのかわからないけれども。

ACFが引数の差に依存するならば、非定常である。

 
Mathemat:
ええ、すべて納得です。記述から判断すると、配列は実際には周期的であり、そのようなデータではACFは定義上、引数の差に依存し、すなわちプロセスは自動的に定常となる。 合わない、くそ...。
もちろん周期的ですが、最初の2^nの大きさの周期で、まさにそのような長さにゼロが追加されます - それはソースから得られるものです。だから、実は非周期的なんです :)
 
方程式y(x)=a*x+bの係数a,bを計算するプロシージャが必要です。そうすれば、またMQLで曲線ACFのアルゴリズムを構築できるかもしれません。
 
Prival:
方程式y(x)=a*x+bの係数a,bを計算するプロシージャが必要です。そうすれば、またMQLで何か曲線ACFアルゴリズムを作ることができるかもしれません。
おそらく、このような機能を自分で作っていない人はなかなかいないと思います。 私もそうです(笑)。ファンクション」。
 
Prival:

例えば、2つのデータセットがあるとします。1つ目は0 1 2 3 4 5、2つ目は10 11 12 13 14 15で、これらの配列の相関係数（CC）を計算すると=1、つまり1つのセットを知っていれば2つ目を正確に計算できます。2つ目のセットが15 14 13 12 11 10であればCCは=-1、つまり一方のセットが増加すると同じ割合でもう一方が減少します。

ACF（自己相関関数、時間的にシフトした配列とそれ自身との比較である。シフト=0では、元データと完全に一致するため、ACF=1となる。シフトを大きくすると、ACFは変化し始め、-1から1の間をぶらぶらし、0は相関がないことを意味します。

引用ストリームのACFが常時=1だったら、えーなんてグレイルなんだろう :-)

写真が撮れたので、上に載せました。しかし、それは1つのサンプルに過ぎません。ACFは時間とともに変化するはずですが（確かに、聖杯はずっと前に発見されていたでしょう）、もしそれを近似する関数が見つかり、この関数のパラメータが見つかったら、それは大きな前進となるでしょう。

ACF分析から得られるもの

1. 時系列の多かれ少なかれ適切なモデルを構築すること。

2. プロセスに相関がある時間、すなわちカーブの挙動を予測できる時間を決定するため

3.ACFはトレードの判断まで様々な使い方ができる。 主なポイントは、ACFを理解し、様々な時間間隔での挙動を把握すること。


時系列のコレログラム（自己相関関数）を別ウィンドウで表示するスクリプトをMQLで書いてみたのですが、どうでしょうか？このコードは、一連の最初の差分を構築し、Nbars 値のサンプル平均、現在の差分Open[i]-Open[i+1] の自分自身（インデックス番号 0 の列）との相関係数、前の差分Open[i+1]-Open[i+2] （インデックス番号 1 の列）、・・・、k番目の 差分Open[i+k]-Open[i+k+1] （インデックス番号k の列）など・・・を見つけます。kは 0から nまでの 値を実行する。

//+------------------------------------------------------------------+
//| FAK. mq4
//| 著作権 © 2007, Neutron｜株式会社日立製作所
//+------------------------------------------------------------------+
#property indicator_separate_window
#property indicator_buffers 1
#property indicator_color1 レッド
#property indicator_width1 4

extern int Nbars=10000, n=100;
int i,step,start;
double s1,s2,fak[1000],Dif[10000];

int start()
{
Start=Nbars+n。
for (i=Start;i>=0;i--){Dif[i]=Open[i]-Open[i+1];}

for (step=0;step<=n;step++){s1=0;s2=0;
for (i=Nbars;i>=0;i--){s1=s1+Dif[i]*Dif[i+step];s2=s2+Dif[i]*Dif[i];}
fak[step]=s1/s2;}とする。
}

int init()
{
SetIndexStyle(0,DRAW_HISTOGRAM)を設定します。
SetIndexBuffer(0,fak)を設定。
return(0)です。
}

分足でEUR/GBPペアは、隣接する測定値（インデックス1と値-0.25のバー）の間に強い負の相関を示していることに注意してください。情報が不完全な0列（常に1と等しい）を表示しないために、線を引くことが必要である。

for (step=0;step<=n;step++){s1=0;s2=0;

に置き換えます。

for (step=1;step<=n;step++){s1=0;s2=0;

自己相関係数r 1と選択されたTFの商品ボラティリティの積が、マルコフプロセスに基づくTSの平均収益性を与えます。残念ながら、この値はDC手数料を超えるものではありません。

12345678910111213...85
新しいコメント