引用における依存性統計（情報理論、相関などの特徴選択法） - ページ 16

新しいコメント
 
そして、さらなる研究の構想を練りました（興味のある人のために書く、定型文の悪口ではありません）。ボラティリティに依存性があるのであれば（H1では直近のラグと循環的な-24時間への依存性）、モジュロ（純粋なボラティリティとなる）をとったリターンについて同じ相互情報を計算し、得られた情報量を類似（リターンが+-のサインを持つもの）から差し引けばよいのでは？すべてが正しく計算されていれば、バックログにサイン依存が発生することになります。この場合、すでにノイズの時系列と 比較することができる。
 
alexeymosc:
そして、さらなる研究の構想を練りました（興味のある人のために書く、定型文の悪口ではありません）。もし、ボラティリティ依存性（直近のラグと周期的な依存性-H1では24時間）があるならば、モジュロ（純粋なボラティリティとなる）をとったリターンに対して同じ相互情報を計算し、得られた情報量を類似（リターンが＋-符号の場合）から減算してはどうでしょう。すべてが正しく計算されていれば、バックログにサイン依存が発生することになります。この場合は、ノイズの時系列と比較することができます。

自明でないものが見つかっても、公式の正しい適用や、何より実際にどのように適用するかという問題が常につきまとう。興味本位）
 
avatara:

しかし、アレクセイ、リターンの分布についてどのような仮説がカイ二乗推定に対応するのか、（表を使って）もっと明確に定式化できないでしょうか？

プリマチュア「ブラウン」、それとももっとクールなもの？

なし。カイ二乗の関係を推定する場合、分布に関する仮説は発せられない。ノンパラメトリックな基準であることが判明した。

 
Mathemat:

なし。カイ二乗の関係を推定する際に、分布に関する仮説は発せられない。つまり、ノンパラメトリックな基準なのです。

ないとはどういうことですか？

推定される依存度を書き込めるか？

数式を見た後なら分かるかもしれない。それとも一様な 分布を期待しているのか...。

;)

 
Avals:

仮に自明でないものが見つかったとしても、その公式を正しく適用できるか、そして最も重要なのは、それを実際にどう適用するかという問題が常に残ります。すなわち、興味は純粋に学問的なものである)))
予測実験の結果が主な判断基準になると思います。TI統計が役立つことが明らかであれば、万事OKです。そして、数式を正しく適用するために、もちろん今、記事を読んでいます。
 
avatara: ないって、どういうこと？

推定関係を書いてもいいですか？

フォーミュラの後なら感覚がつかめるかも。それとも一様な分布を期待しているのか...。

いや、そんなことはない、本当のことを言うとね。Hypotheses non fingo.

値の独立性の基準であるカイ二乗を適用してみたことがありますか？数ヶ月前までは自分でもやり方がわからなかったのですが、ついやってしまいました。やってみてください、何も難しいことはないですよ。どこかの県外の教育機関のmatstatのマニュアルを探して読んでみてください。よりシンプルに、より明確に方法を説明することで、より早く理解することができます。

実は、カイ二乗の基準はいくつかあるんです。しかし、私が言っているのは、値の独立性を評価するものです。この基準は、先験的に与えられた分布に基づいて評価するものではありません。それは、与えられた有意水準（通常0.95または0.99）で、2つの変数の独立性の仮説を検定するだけである。有意水準が1に近いほど、結論の信頼性が高いことを意味します。

この基準の思想的根拠は、2つの量の結合確率を表す通常の公式である。指について：任意の許容範囲x1,y1についてP(X=x1 && Y=y1)=P(X=x1)*P(Y=y1)ならば、XとYは独立である。その逆も然り。そして、カイ二乗は、大雑把に言えば、すべての可能なケースについて、この等式からの偏差の加重和を計算し、それをある境界値と比較するのです。得られた和がこの境界値より大きい場合、変数の独立性の仮説(Null)は受け入れられません。もし、それが小さければ、帰無仮説は棄却されない。

 
Mathemat:

全くありません、本当のことを言いますと。Hypotheses non fingo.

値の独立性の基準であるカイ二乗を適用してみたことがありますか？数ヶ月前までは自分でもやり方がわからなかったのですが、ついやってしまいました。やってみてください、何も難しいことはないですよ。どこかの県外の教育機関のmatstatのマニュアルを探して読んでみてください。よりシンプルに、より明確に方法を説明することで、より早く理解することができます。

実は、カイ二乗の基準はいくつかあるのです。しかし、私が言っているのは、値の独立性を評価するものです。先験的な分布に基づく独立性の評価は行わない。これは、与えられた有意水準（通常0.95または0.99）で2つの値が独立であるという仮説を検定するだけである。有意水準が1に近いほど、結論の信頼性が高いことを意味します。

この基準の思想的根拠は、2つの量の結合確率を表す通常の公式である。指について：任意の許容範囲x1,y1についてP(X=x1 && Y=y1)=P(X=x1)*P(Y=y1)ならば、XとYは独立である。その逆も然り。そして、カイ二乗は、大雑把に言えば、すべての可能なケースについて、この等式からの偏差の加重和を計算し、それをある境界値と比較するのです。得られた和がこの境界値より大きい場合、値の依存性の仮説が受け入れられる。少ない場合は、独立性の仮説は棄却されない。

バカにするなよ...。

分布の仮説について質問されましたが、この方法は昨日習ったばかりですよね。

私はしつこく知りたいのですが、帰無仮説とは何でしょうか？独立した存在であること？

 

ゼロ - 「リターンは独立している」。笑えませんよ、本当に!

私がテストした分布に関する仮説はありません!これもカイ二乗ですね。しかも、依存性のテストしかしていない!

配信を確認したい方は、ご自由にどうぞ。まともな精度でラプラシアンです。

 
Mathemat:

ゼロ - 「リターンは独立している」。何も面白くない、本当に!

私がテストした分布に関する仮説はありません!これもカイ二乗ですね。しかも、依存性のテストしかしていない!

配信を試したい方はご自由にどうぞ。まともな精度でラプラシアンです。

なるほど。

見てみよう。

---

独立性の仮説は、一様 分布や正規分布の仮説と同じなのでしょうか？

それを見極めたい。

それなら「ラプラス的」と言えば、すべて納得がいきますね。

 
alexeymosc:
そして、さらなる研究の道筋を構想しています（興味のある方への執筆、定型文での悪口ではありません）。ボラティリティに依存性があるのであれば（直近のラグへの依存性とともに、H1ではサイクリック-24時間）、モジュロをとったリターン（純粋なボラティリティとなる）についても同様の相互情報を計算し、得られた情報量を類似（リターンが＋-符号の場合）から減算してはどうでしょう。すべてが正しく計算されていれば、バックログにサイン依存が発生することになります。この場合、すでにノイズの時系列と比較することができる。

自分なりの表現でいいですか？

つまり、選択された手法は依存関係があることを示しているのです。最も明白で、合理的で、肉眼で見えるのは、ボラティリティの日次の周期性である。

したがって、私の研究の次の論理的なステップは、この明白で非常に強い依存性をデータから除外して、私たち（あなた）の方法が他の依存性の存在を示すかどうかを確認することです。

消去法として、私は単純に増分を日次のボラティリティプロファイルと関連付けることを提案します。

1...91011121314151617181920212223...74
新しいコメント