여기에서 데이터를 다시 확인했습니다. 일반적으로 약간 엉망이었습니다. 첫째, 미결제약정이 아니라 금 헤지 거래자의 미결제약정에 대해 계산된 계수가 있으며, 둘째, 데이터 끝에 OI에 대해 3개의 0 값이 있습니다. 이는 또한 강력한 영향을 미칠 수 있습니다. 일반적으로 업데이트된 계수는 다음과 같습니다.
이 스레드에서 게시물의 약 절반이 이 문제에 대해 논의하는 데 사용됩니다( 여기에서 시작).
내 의견: 유추에 의한 피어슨의 상관 계수를 통한 상관 추정과 산술 평균을 통한 기대 추정 및 표준 편차를 통한 분산은 선형 공간의 집합 요소에 대해서만 허용됩니다. 그렇지 않으면 원본 데이터에서 변환을 수행하거나(예: 가격 시계열의 경우 절대 상대 척도에서 간격 척도로 측정을 전송) 추정치를 계산하기 위한 공식을 수정해야 합니다.
이 스레드에서 게시물의 약 절반이 이 문제에 대해 논의하는 데 사용됩니다( 여기에서 시작).
내 의견: 유추에 의한 피어슨의 상관 계수를 통한 상관 추정과 산술 평균을 통한 기대 추정 및 표준 편차를 통한 분산은 선형 공간의 집합 요소에 대해서만 허용됩니다. 그렇지 않으면 원본 데이터에서 변환을 수행하거나(예: 가격 시계열의 경우 측정값을 절대 척도에서 간격 척도로 전송) 추정치를 계산하기 위한 공식을 수정해야 합니다.
I(0) 형식의 첫 번째 차이가 계산에 필요하다는 것이 분명합니다. I(1)의 경우, 우리가 다루고 있는 시리즈가 항상 양수(가격은 항상 0보다 큼)이기 때문에 매복을 당하게 되지만 이에 대해서는 나중에 자세히 설명합니다.
허, 뻔하지. Pearson의 QC의 경우 어떤 계열이 양수인지 음수인지는 중요하지 않으며 공분산이 있는지 여부가 중요합니다. 역학 유사성. 상관되지 않은 첫 번째 차이는 원래 시리즈가 상관되지 않는다는 것을 의미하지 않습니다. 더욱이, 이 동일한 차이를 취하면 Pearson이 보여주는 상관관계의 선형 요소가 파괴됩니다. 따라서 얻은 결과에 이상한 점은 없으며 결론은
1. 보시다시피 시리즈 I(1)은 전혀 사용할 수 없습니다. 관계가 명확하지 않고 엄격하게 기능하지 않는 계열의 경우 상관 계수는 절대적으로 쓸모가 없습니다.
, 그리고 QC가 과대평가되었다는 사실은 절대적으로 잘못된 것입니다. 계산할 때 프로세스가 중심에 있기 때문에(샘플의 평균을 뺍니다) QC는 양수 또는 음수로 판명될 수 있습니다. 저것들. 귀하의 경우 15%는 그래프를 시각적으로 볼 때 제가 줄 수 있는 정도의 절대적으로 실제적인 계수입니다.
저것들. 귀하의 경우 15%는 그래프를 시각적으로 볼 때 제가 줄 수 있는 정도의 절대적으로 실제적인 계수입니다.
나는 이것에 정말로 동의합니다.
알슈 :
허, 뻔하지. Pearson의 QC의 경우 어떤 계열이 양수인지 음수인지는 중요하지 않으며 공분산이 있는지 여부가 중요합니다. 역학 유사성. 상관되지 않은 첫 번째 차이는 원래 시리즈가 상관되지 않는다는 것을 의미하지 않습니다. 더욱이, 이 동일한 차이를 취하면 Pearson이 보여주는 상관관계의 선형 요소가 파괴됩니다. 따라서 얻은 결과에 이상한 것은 없습니다 ...
음, 그렇다면 약간의 양의 편향(즉, 대부분의 BP가 영역 > 0에 있음)으로 100개의 독립적인 BP(1)를 생성하고 상관 행렬을 만든 다음 이러한 동일한 상관 관계의 분포에 대한 히스토그램을 얻는 이유는 무엇입니까? , 그러면 이 히스토그램의 정규 분포와 공통점이 없지만 우리는 다음을 볼 수 있습니다.
10,000개의 BP(100 * 100) 조합 중에서 상관관계가 0.5와 -0.5인 조합과 동일한 수의 조합이 상관관계가 0임을 알 수 있습니다. 저것들. 두 개의 독립적이고 긍정적인 랜덤 워크가 0.0의 CC로 서로 상관될 확률은 해당 CC가 -1.0과 +1.0 사이의 다른 숫자와 동일한 경우와 같습니다. 따라서 I(1)을 사용할 수 없습니다. 이 같은.
상관 계수 = 0.766654
모두 엑셀로 계산했습니다. 유일한 것은 내가 MT에서 금 따옴표 를 가져 갔다는 것입니다 (당신의 게으름에는 수동으로 다시 실행하기 위해 점으로 방전의 쉼표가있었습니다)
여기에서 데이터를 다시 확인했습니다. 일반적으로 약간 엉망이었습니다. 첫째, 미결제약정이 아니라 금 헤지 거래자의 미결제약정에 대해 계산된 계수가 있으며, 둘째, 데이터 끝에 OI에 대해 3개의 0 값이 있습니다. 이는 또한 강력한 영향을 미칠 수 있습니다. 일반적으로 업데이트된 계수는 다음과 같습니다.
피어슨: 0.1968
창병: 0.2135
켄달: 0.1430
보시다시피 좋아졌습니다.
상관 계수 = 0.766654
모두 엑셀로 계산했습니다. 유일한 것은 내가 MT에서 금 따옴표를 가져 갔다는 것입니다 (당신의 게으름에는 수동으로 다시 실행하기 위해 점으로 방전의 쉼표가있었습니다)
이 스레드에서 게시물의 약 절반이 이 문제에 대해 논의하는 데 사용됩니다( 여기에서 시작).
내 의견: 유추에 의한 피어슨의 상관 계수를 통한 상관 추정과 산술 평균을 통한 기대 추정 및 표준 편차를 통한 분산은 선형 공간의 집합 요소에 대해서만 허용됩니다. 그렇지 않으면 원본 데이터에서 변환을 수행하거나(예: 가격 시계열의 경우 절대 상대 척도에서 간격 척도로 측정을 전송) 추정치를 계산하기 위한 공식을 수정해야 합니다.
이 스레드에서 게시물의 약 절반이 이 문제에 대해 논의하는 데 사용됩니다( 여기에서 시작).
내 의견: 유추에 의한 피어슨의 상관 계수를 통한 상관 추정과 산술 평균을 통한 기대 추정 및 표준 편차를 통한 분산은 선형 공간의 집합 요소에 대해서만 허용됩니다. 그렇지 않으면 원본 데이터에서 변환을 수행하거나(예: 가격 시계열의 경우 측정값을 절대 척도에서 간격 척도로 전송) 추정치를 계산하기 위한 공식을 수정해야 합니다.
사실 여기 .
많은 bukoff가 있습니다. 상관 관계는 계열 사이와 첫 번째 차이 사이에서 모두 고려될 수 있습니다. 저자는 두 개의 그래프를 게시하고 0.00 차원의 상관 계수를 보여주었습니다. .. 충격을 받고 다시 계산했습니다. 하지만 작가는 좋아졌다.
추신 더 쉽게, 더 쉽게...
C-4 :
I(0) 형식의 첫 번째 차이가 계산에 필요하다는 것이 분명합니다. I(1)의 경우, 우리가 다루고 있는 시리즈가 항상 양수(가격은 항상 0보다 큼)이기 때문에 매복을 당하게 되지만 이에 대해서는 나중에 자세히 설명합니다.
허, 뻔하지. Pearson의 QC의 경우 어떤 계열이 양수인지 음수인지는 중요하지 않으며 공분산이 있는지 여부가 중요합니다. 역학 유사성. 상관되지 않은 첫 번째 차이는 원래 시리즈가 상관되지 않는다는 것을 의미하지 않습니다. 더욱이, 이 동일한 차이를 취하면 Pearson이 보여주는 상관관계의 선형 요소가 파괴됩니다. 따라서 얻은 결과에 이상한 점은 없으며 결론은
1. 보시다시피 시리즈 I(1)은 전혀 사용할 수 없습니다. 관계가 명확하지 않고 엄격하게 기능하지 않는 계열의 경우 상관 계수는 절대적으로 쓸모가 없습니다.
, 그리고 QC가 과대평가되었다는 사실은 절대적으로 잘못된 것입니다. 계산할 때 프로세스가 중심에 있기 때문에(샘플의 평균을 뺍니다) QC는 양수 또는 음수로 판명될 수 있습니다. 저것들. 귀하의 경우 15%는 그래프를 시각적으로 볼 때 제가 줄 수 있는 정도의 절대적으로 실제적인 계수입니다.
저것들. 귀하의 경우 15%는 그래프를 시각적으로 볼 때 제가 줄 수 있는 정도의 절대적으로 실제적인 계수입니다.
나는 이것에 정말로 동의합니다.
허, 뻔하지. Pearson의 QC의 경우 어떤 계열이 양수인지 음수인지는 중요하지 않으며 공분산이 있는지 여부가 중요합니다. 역학 유사성. 상관되지 않은 첫 번째 차이는 원래 시리즈가 상관되지 않는다는 것을 의미하지 않습니다. 더욱이, 이 동일한 차이를 취하면 Pearson이 보여주는 상관관계의 선형 요소가 파괴됩니다. 따라서 얻은 결과에 이상한 것은 없습니다 ...
음, 그렇다면 약간의 양의 편향(즉, 대부분의 BP가 영역 > 0에 있음)으로 100개의 독립적인 BP(1)를 생성하고 상관 행렬을 만든 다음 이러한 동일한 상관 관계의 분포에 대한 히스토그램을 얻는 이유는 무엇입니까? , 그러면 이 히스토그램의 정규 분포와 공통점이 없지만 우리는 다음을 볼 수 있습니다.
10,000개의 BP(100 * 100) 조합 중에서 상관관계가 0.5와 -0.5인 조합과 동일한 수의 조합이 상관관계가 0임을 알 수 있습니다. 저것들. 두 개의 독립적이고 긍정적인 랜덤 워크가 0.0의 CC로 서로 상관될 확률은 해당 CC가 -1.0과 +1.0 사이의 다른 숫자와 동일한 경우와 같습니다. 따라서 I(1)을 사용할 수 없습니다. 이 같은.
상관 관계의 문제는 완전히 다른 평면에 있습니다.
KK를 고려할 때 우리는 항상 수치를 얻습니다. 알고리즘은 KK = NA, 즉 "가치 없음". 0이 아니라 "값 없음"입니다. 이것이 코티르와 토성의 고리와 동시에 코에 문제가 있는 상관 관계를 얻을 수 있는 이유입니다.
CC는 잠재적으로 연결될 수 있다고 콘텐츠에서 알려진 커플에 대해서만 계산되어야 합니다. 최소. 일반적으로 그러한 연결의 존재에 대한 실질적인 정당화가 필요합니다. 이 경우 결과 수치는 이 내용의 정량적 척도로 해석됩니다.
나는 계산의 나머지 복잡성에 대해 침묵합니다.
상관 관계의 문제는 완전히 다른 평면에 있습니다.
KK를 고려할 때 우리는 항상 수치를 얻습니다. 알고리즘은 KK = NA, 즉 "값 없음". 0이 아니라 "값 없음"입니다. 이것이 코티르와 토성의 고리와 동시에 코에 문제가 있는 상관 관계를 얻을 수 있는 이유입니다.
CC는 잠재적으로 연결될 수 있다고 콘텐츠에서 알려진 커플에 대해서만 계산되어야 합니다. 최소. 일반적으로 그러한 연결의 존재에 대한 실질적인 정당화가 필요합니다. 이 경우 결과 수치는 이 내용의 정량적 척도로 해석됩니다.
나는 계산의 나머지 복잡성에 대해 침묵합니다.
예, 이 모든 것은 넌센스입니다. 이 세상의 모든 것이 "잠재적으로 연결되어" 있습니다. 그리고 멕시코 연안의 바다 온도는 프랑스의 밀 수확량에 기능적으로 영향을 미칩니다.
상관 계수는 인과 관계로 연결되지 않은 현상 사이에서도 계산할 수 있습니다. 문제는 이 계수의 해석에 있습니다.