이것은 맞습니다. 당신은 그들의 바닥에 도착해야합니다. 바로 속일 수는 없습니다. 예를 들어 같은 피어슨이 지원하지 못했다는 사실.
저는 피어슨을 어디에도 사용하지 않습니다. MQL4에 올바른 형식으로 존재하지 않았을 뿐입니다. 지금이야.
피어슨이 거짓말을 하고 있다는 뜻은 아닙니다. 그녀는 거짓말을 할 수 없습니다, 그것은 단지 공식입니다 ... 아마도 당신은 그것을 다른 목적으로 사용하려고 할 것입니다. 또는 그들은 그것에 대한 높은 기대를 가지고있었습니다. Pearson은 그가 좋은 것과 아무 관련이 없습니다. 공식을 썼다. 많은 사용 ... 감사합니다
상관 관계를 고려할 때 이것은 한 가지입니다. 그러나 그들이 선형 관계에 대해 이야기하기 시작하면 이것은 완전히 다릅니다. 샘플 상관 관계가 0이라고 가정하는 것은 선형 관계가 없다는 것을 사람들이 쓰는 곳이 많이 있습니다. 뿐만 아니라 그렇지 않습니다. 그래서 사람들은 여전히 선형 관계의 본질을 이해하지 못합니다. 예에 있는 가지는 입으로 믿지 말라고 경고합니다.
Z.Y. 마트카드에 대해 거기에서 확실히 찾으십시오(AKF). 불행히도 이 Windows 7-ku에서는 어떤 식으로든 matcad를 넣을 수 없습니다. 곧 철거하겠습니다. 포스팅하겠습니다. 파일을 보내드릴 수 있습니다. 내가 모든 검사를 한 곳.
Sergey, 제 발언에 관심을 가져주셔서 감사합니다 :-), 나는 분명히합니다 : " " autocorrelation "이라는 단어를 어떻게 해석합니까 :-)를 썼습니다. 순진한 접근 방식이 의미하는 바를 즉시 이해했을 때 그리고 당신은 당신이 정말로 무엇을 의미하는지 상관하지 않습니다.
추가 변수 N을 입력하면 동일한 데이터 세트에 대한 것으로 나타납니다. 1 2 3 4 5 6 7 8 9개의 다른 ACF가 선택된 N에 따라 발생할 수 있다고 가정해 봅시다. 그리고 이것은 잘못된 것입니다. 하나의 데이터 세트는 하나의 ACF이고 다른 데이터 세트는 다른 ACF입니다.
근본적인 실수. 알려진 분산과 수학적 기대치를 갖는 확률 변수의 이 ACF는 이론적인 정의입니다.
실제로는 항상 샘플링에 관한 것입니다. 표본 자기상관은 표본 크기(창)에 의해 결정됩니다. 단일 시그마는 없지만 시그마(t)와 시그마(t + Shift)가 있습니다. 그리고 표본 자기공분산은 곱으로 나눌 수 있습니다.
다음을 이해하는 것이 매우 중요합니다.
알슈 :
소규모 교육 프로그램입니다.
또 다른 일반적인 오해는 "상관 계수"(즉, r.v. 간의 확률론적 종속성의 특성)와 " 샘플 상관 계수"( 추정 - 많은 가능한 것 중 하나 - 실제 CC)의 개념을 혼동하는 것입니다. 사실 이것들은 완전히 다른 것이고, 하나를 다른 것으로 바꾸는 것은 근본적으로 잘못된 것입니다.
근본적인 실수. 알려진 분산과 수학적 기대치를 갖는 확률 변수의 이 ACF는 이론적인 정의입니다.
실제로는 항상 샘플링에 관한 것입니다. 표본 자기상관은 표본 크기(창)에 의해 결정됩니다. 단일 시그마는 없지만 시그마(t)와 시그마(t + Shift)가 있습니다. 그리고 표본 자기공분산은 곱으로 나눌 수 있습니다.
즉, 동일한 데이터 세트에 대해 이를 증명하려고 합니다. 다른 ACF를 가질 수 있습니다. 이것은 사실이 아닙니다. 그런데 ACF는 푸리에 변환을 통해서도 계산할 수 있습니다. 가까운 시일 내에 matkad를 설치할 것입니다. ACF 계산을 위한 모든 방법을 준비하겠습니다(매트캐드에 내장, 푸리에 변환, 지표에 주어진 공식을 통해). 비교할 수 있습니다.
즉, 동일한 데이터 세트에 대해 이를 증명하려고 합니다. 다른 ACF를 가질 수 있습니다. 이것은 사실이 아닙니다. 그런데 ACF는 푸리에 변환을 통해 계산할 수도 있습니다. 가까운 시일 내에 matkad를 설치할 것입니다. ACF 계산을 위한 모든 방법을 준비하겠습니다(매트캐드에 내장, 푸리에 변환, 지표에 주어진 공식을 통해). 비교할 수 있습니다.
샘플에 대한 평가 개념에 대한 근본적인 오해가 있습니다.
진정한 차이와 매트는 아무도 모릅니다. EURUSD 기대. 그리고 당신은 이 양을 알고 있는 것처럼 계산을 합니다. 예, 계산은 선형 회귀 모델 을 통해 수행됩니다.
분명히 자기 상관은 상관과 마찬가지로 지표 형태로 구현을 기다리고 있습니다. 이것은 심각한 최적화가 필요한 리소스 집약적 작업입니다. 20줄의 코드가 아닙니다.
그리고 상관 관계(자동 또는 합계)를 계산할 때 또 다른 큰 근본적인 실수는 지느러미에서 가격의 절대 값을 사용하는 것입니다. 상대적인 것 대신에 도구. 가격 계열의 상관 관계를 계산하기 전에 로그를 수행해야 합니다.
진정한 차이와 매트는 아무도 모릅니다. EURUSD 기대. 그리고 당신은 이 양을 알고 있는 것처럼 계산을 합니다. 예, 계산은 선형 회귀 모델을 통해 수행됩니다.
분명히 자기 상관은 상관과 마찬가지로 지표 형태로 구현을 기다리고 있습니다. 이것은 심각한 최적화가 필요한 리소스 집약적 작업입니다. 20줄의 코드가 아닙니다.
그리고 상관 관계 (자동 또는 합계)를 계산할 때 또 다른 큰 근본적인 오류는 금융 가격의 절대 값을 사용하는 것입니다. 상대적인 것 대신에 도구. 가격 계열의 상관 관계를 계산하기 전에 로그를 수행해야 합니다.
나는 당신이 완전히 이해하지 못한다는 것을 두려워합니다. 내장 기능이 있습니다. 매트 패키지. 입력에 데이터를 푸시합니다. 그것은 중요하지 않습니다. 당신은 그것들을 로그할 수 있습니다. ACF 콘센트에서 약속한 대로 하고, 3가지 계산법 모두 알려드립니다. 나는 그들이 모두 일치한다는 것을 보여줄 것입니다. 모든 것을 확인할 수 있습니다. 그러면 대화가 있을 것입니다. 오른쪽. 옳지 않다. 이제 말뿐입니다. 내 경우 코드는 bys 코드에 있습니다. 나는 그것을 다시 확인했다. 그러나 그는 나에게 매우 중요합니다. 제가 다 확인하고 포스팅 하겠습니다. 당신에게 아무것도 증명하지 않습니다. matkad에서 모든 것을 올바르게 전송하는 것이 중요합니다. 오류를 찾으면. 난 행복 할 것이다. 정말 진심으로 행복합니다. 내 모든 적응형 알고리즘은 ACF를 기반으로 하기 때문에 입력이 없고 모든 것이 ACF에서 가져옵니다. 그래서 이것은 나에게 매우 중요합니다 ...
이것은 맞습니다. 당신은 그들의 바닥에 도착해야합니다. 바로 속일 수는 없습니다. 예를 들어 같은 피어슨이 지원하지 못했다는 사실.
저는 피어슨을 어디에도 사용하지 않습니다. MQL4에 올바른 형식으로 존재하지 않았을 뿐입니다. 지금이야.
피어슨이 거짓말을 하고 있다는 뜻은 아닙니다. 그녀는 거짓말을 할 수 없습니다, 그것은 단지 공식입니다 ... 아마도 당신은 그것을 다른 목적으로 사용하려고 할 것입니다. 또는 그들은 그것에 대한 높은 기대를 가지고있었습니다. Pearson은 그가 좋은 것과 아무 관련이 없습니다. 공식을 썼다. 많은 사용 ... 감사합니다
상관 관계를 고려할 때 이것은 한 가지입니다. 그러나 그들이 선형 관계에 대해 이야기하기 시작하면 이것은 완전히 다릅니다. 샘플 상관 관계가 0이라고 가정하는 것은 선형 관계가 없다는 것을 사람들이 쓰는 곳이 많이 있습니다. 뿐만 아니라 그렇지 않습니다. 그래서 사람들은 여전히 선형 관계의 본질을 이해하지 못합니다. 예에 있는 가지는 입으로 믿지 말라고 경고합니다.
Z.Y. 마트카드에 대해 거기에서 확실히 찾으십시오(AKF). 불행히도 이 Windows 7-ku에서는 어떤 식으로든 matcad를 넣을 수 없습니다. 곧 철거하겠습니다. 포스팅하겠습니다. 파일을 보내드릴 수 있습니다. 내가 모든 검사를 한 곳.
Sergey, 제 발언에 관심을 가져주셔서 감사합니다 :-),
나는 분명히합니다 : " " autocorrelation "이라는 단어를 어떻게 해석합니까 :-)를 썼습니다.
순진한 접근 방식이 의미하는 바를 즉시 이해했을 때
그리고 당신은 당신이 정말로 무엇을 의미하는지 상관하지 않습니다.
:-)
공식 https://ru.wikipedia.org/wiki/Autocorrelation_function ACF는 tau에만 의존하고 오프셋에는 창이 없습니다.
추가 변수 N을 입력하면 동일한 데이터 세트에 대한 것으로 나타납니다. 1 2 3 4 5 6 7 8 9개의 다른 ACF가 선택된 N에 따라 발생할 수 있다고 가정해 봅시다. 그리고 이것은 잘못된 것입니다. 하나의 데이터 세트는 하나의 ACF이고 다른 데이터 세트는 다른 ACF입니다.
근본적인 실수. 알려진 분산과 수학적 기대치를 갖는 확률 변수의 이 ACF는 이론적인 정의입니다.
실제로는 항상 샘플링에 관한 것입니다. 표본 자기상관은 표본 크기(창)에 의해 결정됩니다. 단일 시그마는 없지만 시그마(t)와 시그마(t + Shift)가 있습니다. 그리고 표본 자기공분산은 곱으로 나눌 수 있습니다.
다음을 이해하는 것이 매우 중요합니다.
소규모 교육 프로그램입니다.
또 다른 일반적인 오해는 "상관 계수"(즉, r.v. 간의 확률론적 종속성의 특성)와 " 샘플 상관 계수"( 추정 - 많은 가능한 것 중 하나 - 실제 CC)의 개념을 혼동하는 것입니다. 사실 이것들은 완전히 다른 것이고, 하나를 다른 것으로 바꾸는 것은 근본적으로 잘못된 것입니다.
근본적인 실수. 알려진 분산과 수학적 기대치를 갖는 확률 변수의 이 ACF는 이론적인 정의입니다.
실제로는 항상 샘플링에 관한 것입니다. 표본 자기상관은 표본 크기(창)에 의해 결정됩니다. 단일 시그마는 없지만 시그마(t)와 시그마(t + Shift)가 있습니다. 그리고 표본 자기공분산은 곱으로 나눌 수 있습니다.
즉, 동일한 데이터 세트에 대해 이를 증명하려고 합니다. 다른 ACF를 가질 수 있습니다. 이것은 사실이 아닙니다. 그런데 ACF는 푸리에 변환을 통해서도 계산할 수 있습니다. 가까운 시일 내에 matkad를 설치할 것입니다. ACF 계산을 위한 모든 방법을 준비하겠습니다(매트캐드에 내장, 푸리에 변환, 지표에 주어진 공식을 통해). 비교할 수 있습니다.
즉, 동일한 데이터 세트에 대해 이를 증명하려고 합니다. 다른 ACF를 가질 수 있습니다. 이것은 사실이 아닙니다. 그런데 ACF는 푸리에 변환을 통해 계산할 수도 있습니다. 가까운 시일 내에 matkad를 설치할 것입니다. ACF 계산을 위한 모든 방법을 준비하겠습니다(매트캐드에 내장, 푸리에 변환, 지표에 주어진 공식을 통해). 비교할 수 있습니다.
샘플에 대한 평가 개념에 대한 근본적인 오해가 있습니다.
진정한 차이와 매트는 아무도 모릅니다. EURUSD 기대. 그리고 당신은 이 양을 알고 있는 것처럼 계산을 합니다. 예, 계산은 선형 회귀 모델 을 통해 수행됩니다.
분명히 자기 상관은 상관과 마찬가지로 지표 형태로 구현을 기다리고 있습니다. 이것은 심각한 최적화가 필요한 리소스 집약적 작업입니다. 20줄의 코드가 아닙니다.
그리고 상관 관계(자동 또는 합계)를 계산할 때 또 다른 큰 근본적인 실수는 지느러미에서 가격의 절대 값을 사용하는 것입니다. 상대적인 것 대신에 도구. 가격 계열의 상관 관계를 계산하기 전에 로그를 수행해야 합니다.
행이 해부되면 ACF의 심연을 그릴 수 있습니다.
누군가가 Parzen 창이나 다른 것으로 앤티 앨리어싱에 빠져 있습니다 ...
또 다른 선형 회귀는 뺍니다.
아니면 다른 뜻이었나요?
Фундаментальная ошибка. Эта АКФ случайной величины, у которой известна дисперисия и мат.ожидание - теоретическое определение.
실제로는 항상 샘플링에 관한 것입니다. 표본 자기상관은 표본 크기(창)에 의해 결정됩니다. 단일 시그마는 없지만 시그마(t)와 시그마(t + Shift)가 있습니다. 그리고 표본 자기공분산은 곱으로 나눌 수 있습니다.
다음을 이해하는 것이 매우 중요합니다.
당신은 창 아래에 있습니다, 당신은 무엇을 이해합니까? 샘플 사이즈?... :o)
그래서 분에 대한 시계열 - 힙.
;)
당신은 창 아래에 있습니다, 당신은 무엇을 이해합니까? 샘플 사이즈?... :o)
샘플에 대한 평가 개념에 대한 근본적인 오해가 있습니다.
진정한 차이와 매트는 아무도 모릅니다. EURUSD 기대. 그리고 당신은 이 양을 알고 있는 것처럼 계산을 합니다. 예, 계산은 선형 회귀 모델을 통해 수행됩니다.
분명히 자기 상관은 상관과 마찬가지로 지표 형태로 구현을 기다리고 있습니다. 이것은 심각한 최적화가 필요한 리소스 집약적 작업입니다. 20줄의 코드가 아닙니다.
그리고 상관 관계 (자동 또는 합계)를 계산할 때 또 다른 큰 근본적인 오류는 금융 가격의 절대 값을 사용하는 것입니다. 상대적인 것 대신에 도구. 가격 계열의 상관 관계를 계산하기 전에 로그를 수행해야 합니다.
나는 당신이 완전히 이해하지 못한다는 것을 두려워합니다. 내장 기능이 있습니다. 매트 패키지. 입력에 데이터를 푸시합니다. 그것은 중요하지 않습니다. 당신은 그것들을 로그할 수 있습니다. ACF 콘센트에서 약속한 대로 하고, 3가지 계산법 모두 알려드립니다. 나는 그들이 모두 일치한다는 것을 보여줄 것입니다. 모든 것을 확인할 수 있습니다. 그러면 대화가 있을 것입니다. 오른쪽. 옳지 않다. 이제 말뿐입니다. 내 경우 코드는 bys 코드에 있습니다. 나는 그것을 다시 확인했다. 그러나 그는 나에게 매우 중요합니다. 제가 다 확인하고 포스팅 하겠습니다. 당신에게 아무것도 증명하지 않습니다. matkad에서 모든 것을 올바르게 전송하는 것이 중요합니다. 오류를 찾으면. 난 행복 할 것이다. 정말 진심으로 행복합니다. 내 모든 적응형 알고리즘은 ACF를 기반으로 하기 때문에 입력이 없고 모든 것이 ACF에서 가져옵니다. 그래서 이것은 나에게 매우 중요합니다 ...
샘플에 대한 평가 개념에 대한 근본적인 오해가 있습니다.
그리고 상관 관계(자동 또는 합계)를 계산할 때 또 다른 큰 근본적인 실수 는 지느러미에서 가격의 절대 값을 사용하는 것입니다. 도구 대신 상대 . 가격 계열의 상관 관계를 계산하기 전에 로그를 수행해야 합니다.
근본적인 실수가 많다...
핸디캡이 "금융 상품의 가치"에 0 또는 무한대를 포함할 수 없다는 것을 잊으셨습니까? DDD
여기에서 가격은 거의 항상 상대적입니다.
그것은 원자재 또는 재고 크리불키의 가격이 아닙니다.
;)
핸디캡은 "금융 상품의 가치"에서 0 또는 무한대를 가질 수 없다는 것을 잊으셨습니까? DDD
여기에서 가격은 거의 항상 상대적입니다.
그것은 원자재 또는 재고 크리불키의 가격이 아닙니다.
상관 추정을 위한 가격 VR의 올바른 준비에 대해 들었습니다. Finn이 속한 시장은 중요하지 않습니다. 도구. 이것은 정말 기본입니다.
로그를 취하지 않고 EURUSD와 USDJPY의 상관관계를 계산하는 것은 세계적인 실수라는 것을 이해해야 합니다.