記事"トレーダーの統計的クックブック:仮説"についてのディスカッション 新しいコメント MetaQuotes 2015.12.24 15:49 新しい記事 トレーダーの統計的クックブック:仮説 はパブリッシュされました:本稿では仮説について考察します。それは数理統計学の基本的考え方のひとつです。ここでは多様な仮説が検討され、数学的手法を用いて例を挙げて検証されます。実データはノンパラメトリックな方法を用いて一般化されます。データ処理には Statistica パッケージと移植された ALGLIB MQL5 数値解析ライブラリが使用されています。積極的に独自のトレーディングシステムを作成しようとするトレーダーはだれも遅かれ早かれ分析家になっていきます。そういう人達は永遠にマーケット トレンドを探し、トレーディングのアイデアを検証しようとしています。アイデアを検証することは異なるアプローチで行えます。-ストラテジーテスタの最適 化モードで行う最良のパラメータ値の通常検索から科学的(疑似科学的なこともありますが)なマーケットリサーチまで。 本稿では統計的仮説について考察することを提案します。-検索と推論検索の統計的解析手段です。Statistica パッケージによってさまざまな仮説と移植された数値解析ライブラリ ALGLIB MQL5 を例を用いて検証します。2. 仮説の検定理論 検定される仮説は null 仮説(Н0)と呼ばれます。比較する仮説(Н1)はその対立です。それは Н0 のコインの反対側にあります。すなわちそれは理論的に仮説を否定するものです。 なんらかのトレーディングシステムのストップロスデータの母集団があるとイメージします。検定の基盤を作成して2とおりの仮説を述べようとしています。 Н0 – 30 ポイントの平均的ストップロス値 Н1 – 30ポイントではない平均的ストップロス値 仮定受け入れと拒絶のバリアンス: Н0 は真で受け入れН0 は誤りで Н1 を指示して拒絶Н0 は真であるが Н1 を指示して拒絶Н0 は誤りであるが受け入れ 最後の2つのバリアントはエラーにつながります。 ここで優位レベル値が指定されます。真の仮説が null 仮説である(3番目のバリアント)一方で、それは対立仮説が受け入れられる確率です。この確率は最小限に抑えることが好ましいです。 われわれの場合、平均のストップロスが30ポイントではないと仮定する場合、実際には30ポイントであったとしても、そのエラーは発生します。 通常有意性レベル(α)は0.05 です。それは null 仮説の検定統計値は100 の内 5 件より大きくない臨界領域を追加する可能性があることを意味しています。 われわれの場合、検定統計値は古いタイプのチャートで評価されます(図1)。 図1 正規確率法則による検定統計値分布作者: Dennis Kirichenko 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
新しい記事 トレーダーの統計的クックブック:仮説 はパブリッシュされました:
本稿では仮説について考察します。それは数理統計学の基本的考え方のひとつです。ここでは多様な仮説が検討され、数学的手法を用いて例を挙げて検証されます。実データはノンパラメトリックな方法を用いて一般化されます。データ処理には Statistica パッケージと移植された ALGLIB MQL5 数値解析ライブラリが使用されています。
積極的に独自のトレーディングシステムを作成しようとするトレーダーはだれも遅かれ早かれ分析家になっていきます。そういう人達は永遠にマーケット トレンドを探し、トレーディングのアイデアを検証しようとしています。アイデアを検証することは異なるアプローチで行えます。-ストラテジーテスタの最適 化モードで行う最良のパラメータ値の通常検索から科学的(疑似科学的なこともありますが)なマーケットリサーチまで。
本稿では統計的仮説について考察することを提案します。-検索と推論検索の統計的解析手段です。Statistica パッケージによってさまざまな仮説と移植された数値解析ライブラリ ALGLIB MQL5 を例を用いて検証します。
2. 仮説の検定理論
検定される仮説は null 仮説(Н0)と呼ばれます。比較する仮説(Н1)はその対立です。それは Н0 のコインの反対側にあります。すなわちそれは理論的に仮説を否定するものです。
なんらかのトレーディングシステムのストップロスデータの母集団があるとイメージします。検定の基盤を作成して2とおりの仮説を述べようとしています。
Н0 – 30 ポイントの平均的ストップロス値
Н1 – 30ポイントではない平均的ストップロス値
仮定受け入れと拒絶のバリアンス:
最後の2つのバリアントはエラーにつながります。
ここで優位レベル値が指定されます。真の仮説が null 仮説である(3番目のバリアント)一方で、それは対立仮説が受け入れられる確率です。この確率は最小限に抑えることが好ましいです。
われわれの場合、平均のストップロスが30ポイントではないと仮定する場合、実際には30ポイントであったとしても、そのエラーは発生します。
通常有意性レベル(α)は0.05 です。それは null 仮説の検定統計値は100 の内 5 件より大きくない臨界領域を追加する可能性があることを意味しています。
われわれの場合、検定統計値は古いタイプのチャートで評価されます(図1)。
図1 正規確率法則による検定統計値分布
作者: Dennis Kirichenko