FOREXチャートとPRNGの見分け方は？ - ページ 28

新しいコメント
 
Mathemat:

不思議なことに、そう言われるんです。ランキングは本当に絶対的な価値を一切考慮していないのでしょうか？

ノンパラメトリック法の主な要件は、「ノイズ」と「分布（特にファットテール）」に対する頑健性である。これは、つかみどころがなく誤解を招きがちな精度をほんの少し犠牲にすることで実現できるものです。

この計算は、選択された統計的順位尺度（いくつかの関数）に依存するので、小さなサンプルでは、Spearman、Kendall、Hefdingの係数は不等な値を示すことになります。では、何を使えばいいのか？トレンドキャリア関数の種類や順序など、価値生成システムの異なるメディアに対しては、どちらかの尺度が良いだろう。確かにノンパラメトリックな手法でQCを近似的に推定することはできますが、この相関の種類が不明な場合、必要でしょうか？ノンパラメトリックQCは、それを測定するために選ばれた尺度が、観測値の単調変換にのみ不感応であるという意味でノンパラメトリックであり、市場でも常にそうであるとは限りません。解体を伴うSBでは、しばしば突然の非単調なランク変換が行われます。

これに対して、リニアQCでは、理解できる範囲で適用できる値が得られます。

アレクセイ、ロングテールとファットテールは互いに逆なので、定義して区別しましょう。私の調査では、市場にはロングテールを持つ分布は存在しない。

 
-Aleksey-: アレクセイ、ロングテールとファットテールは互いに逆なので、定義して区別しましょう。私の調べでは、ロングテールを持つ分布は市場に存在しない。
ググってみて ください。

ロングテールを持つ度数分布は、統計学者によって少なくとも1946年から研究されている[8]。 この用語は、金融[9] や保険業[4] でも長年使われている（ファットテール、ヘビーテール、ライトテールとも呼ばれる[ 10]）。

見分けがつかないどこが間違っているのか、鼻を突っ込んでみてください。

確かにノンパラメトリックな手法でQCを近似することはできますが、この相関の種類が不明な場合、必要なのでしょうか？

誰もノンパラメトリック手法がすべての問題を解決するとは言っていない。しかし、その推定値は、パラメトリックな推定値よりも適切であることが多い - ちょうど相関のタイプが未知の場合である。

私の研究によると、市場にはロングテールを持つ分布は存在しない。
リターンの分布を見てみよう。これは指数関数的な法則、つまりファットテールを持つ法則で極めて正確に近似されます。
 

尾が長ければ細い。ただし、三角形の分布と類似の分布（台形）は例外である。その逆も然り。また、細く長い尾を太いと呼ぶと、太いものは短くなりやすいので、紛らわしいですね。これはググった結果ではなく、イミフです。

ここで問題なのは、分布がどうなっているかということです。古典理論ではこの概念を明確に定義できない（というか、構築できない）ので、私は使っていません。私のアプローチは、誤差の尺度を定義するある空間における準定常分布の進化である。

 
-Aleksey-: ここで問題なのは、その分布がどうなっているかということです。古典派理論ではこの概念を明確に定義することができないので（というより、それを構築することさえできない）、私はこの概念を使わないことにしている。私のアプローチは、誤差の尺度を定義するある空間における準定常分布の進化である。
私は微妙なところが苦手なんです。ノンパラメトリックの方法と、それがパラメトリックの方法よりも適切であることがしばしば判明すること、特に分布が未知である場合についてです。より正確に、ではなく、より適切に。
 
Mathemat:
私はそんなに細かいことは得意ではありません。ノンパラメトリックな手法というのは、そういうことではないんです。
そして、これらの係数は、非単調転置に対する感度が異なるため、それぞれ異なることを示します。たくさん出てくるかもしれませんね。しかし、相関の種類が不明な場合、どちらを選択すればよいかは不明である。
 
faa1947:
AlexEroは matlabについて正しいのでは？聖なるもの、空に輝くもの、お金を払うもの、マッドな生地......。

Matcadのせいではありません、減少の原因は上に書きました。

もう一度言いますが、AlexEroさん、lcorrを数えるのに、cos(w*i)（数軸の両側に無限に続く関数）ではなく、cos(w*i)*[h(i) - h(100-i)] 、ここでh（t）はヘビサイド関数（単位ステップ）です、という事実から、減衰は起こります。簡単な確認方法：設定した正弦波のサンプル数が多いほど、減少量は少なくなります。複雑な確認方法：指定された式を明示的にlcorrの式に代入し、三角形を得る。

 
-Aleksey-:

尾が長ければ細い。


テレビではその逆で、動物学のように尻尾が長ければ太いというわけではありません)。グラフの下の面積を1で正規化すること、つまり「テール」が中心部から確率の一部を汲み上げることです。一般に、「太い」（あるいは「長い」と言ってもよい）は文脈によって意味が異なり、ガウス分布より遅く減少する分布や、無限分散を持つ分布などを指すことがある。

 
alsu:

Matcadのせいではありません、なぜ減少してしまうかは上に書いた通りです。

もう一度言いますが、AlexEroさん、lcorrを数えるのに、cos(w*i)（数軸の両側に無限に続く関数）ではなく、cos(w*i)*[h(i) - h(100-i)] 、ここでh（t）はヘヴィサイド関数（単位ステップ）です、という事実から、減衰は起こります。簡単な確認方法：正弦波のサンプル数を多く設定するほど、減少幅は小さくなります。難しい確認方法：指定された式を明示的にlcorrの式に代入し、三角形を得る。

(プレオブラジェンスキー教授の疲れた声で)

"失礼ですが、誰が誰の上に立っていたのですか？"


すみません、私が「Heaviside関数の窓を数える」というのはどこのことですか？見せてください、鼻でつついてください。

くっそー、ここでアロチカになっちまったよ。これはある種の陰謀で、陽動作戦だ。

Matlabのカウントの仕方なんてどうでもいいんです。

物理学者がFortranでどうプログラミングしようが、知ったことではありません。

Matlabの外注プログラマーの頭の中なんてどうでもいいんだよ。

Matlabの石頭のヒンドゥータスクマスターの心の中はどうでもよくて，自己相関を プログラムすることが「正しい」と思っていること，石頭の「正しさ」のために，サンプル区間の最後の サンプルの不足は，すべての自己相関を枯渇させてしまう区間全体のHaviside窓で「補償」しなければならないと考えていること，が気になる．

そんなことはどうでもいいんです。私はmatlabを使っていませんし、使ったこともありませんし、使うつもりもありません。私が引用したmatlabの図面はPrivalovaのもので、そこにもリンクを貼っておきました。

ただ、どうしてそのように議論をねじ曲げることができるのか理解できません。議論ではなく、ソビエトのデマゴギーです。自己相関の定義、この概念の意味、理論的基礎とあらゆる自己相関アルゴリズムの正しさをチェックする簡単なルールを示し、MatlabとPrivalov dampingでは自己相関は最初のカウントから始まることを示し、私が「Heaviside windowをカウント」 するから、自分を責めているという説明を見せます。 ！自分も訴えられています。


俺が言ってることがわかる奴がここに一人でもいるのか？痛っ！

 
AlexEro:

俺が言ってることがわかる奴がここにいるか？痛っ！

ありますね。ほらね、約束したでしょ！？

追伸：「INDICATORってなんだ」スレッドに行きませんか？1年後には、何かまともなことを書いているかもしれない......。

 

アレックスがINDICATORとは何かを考えている間に、みんなに質問です。SILVERとGOLDの2つのサンプルがありますね。日次データ、420回観測。

スピアマンのACは0.52であり、順位相関係数は統計的に-有意であり、2つのテストの得点の順位相関関係は有意であった。

ピアソンのKCは0.64である。

それで？直接的な相関関係実用的な結論？

1...21222324252627282930
新しいコメント