C-4 : 로그는 무엇을 줄까요? 로그는 시리즈의 시작점과 끝점이 변동성과 수준에서 너무 다른 경우에만 관련이 있습니다. 저것들. 1900년부터 2013년까지의 DowJons 차트를 분석한다면 그것 없이는 할 수 없지만 다른 경우에는 사용할 수 없습니다.
다시 말하지만, 이 스레드는 이미 이야기되었습니다.
상관관계의 정의에 대해 생각해 보십시오. 간단히 말해서 두 집합의 관계입니다. 선형 공간의 집합의 경우 이 관계는 벡터의 스칼라 곱(Pearson의 CC와 동일)을 통해 추정할 수 있으며, 예를 들어 직교 벡터의 경우 이러한 관계가 0인 것이 논리적입니다. 선형 공간에 속하지 않는 집합의 경우 이 관계는 그에 따라 다른 방식으로 평가되어야 합니다. 어떻게? 그것은 이미 공간의 특성에 달려 있습니다. 다른 상관 계수를 예로 들 수 있습니다.
수치가 상대적 척도이고 인용의 경우(한 통화가 다른 통화보다 몇 배나 "더 가치가 있는지" 보여줌), 선형 방법(스칼라 곱)을 초기에 "오버헤드"로 적용하는 것은 올바르지 않습니다. 데이터. Logarithm은 Pearson의 QC를 사용하여 동일한 상관 관계를 이미 추정할 수 있는 상대 척도에서 간격 척도로 판독값을 변환합니다.
상관관계의 정의에 대해 생각해 보십시오. 간단히 말해서 두 집합의 관계입니다. 선형 공간의 집합의 경우 이 관계는 벡터의 스칼라 곱(Pearson의 CC와 동일)을 통해 추정할 수 있으며, 예를 들어 직교 벡터의 경우 이러한 관계가 0인 것이 논리적입니다. 선형 공간에 속하지 않는 집합의 경우 이 관계는 그에 따라 다른 방식으로 평가되어야 합니다. 어떻게? 그것은 이미 공간의 특성에 달려 있습니다. 다른 상관 계수를 예로 들 수 있습니다.
수치가 상대적 척도이고 인용의 경우(한 통화가 다른 통화보다 몇 배나 "더 가치가 있는지" 보여줌), 선형 방법(스칼라 곱)을 초기에 "오버헤드"로 적용하는 것은 올바르지 않습니다. 데이터. Logarithm은 Pearson의 QC를 사용하여 동일한 상관 관계를 이미 추정할 수 있는 상대 척도에서 간격 척도로 판독값을 변환합니다.
로그를 취하면 QC 판독값이 중요한 방식으로 변경되는 구체적인 예를 제공할 수 있습니까? 원본 시리즈가 QC를 0에 가까울 때의 예를 보여주세요. 반면 로그는 기적적으로 QC를 상당한 추정치로 올려줍니다.
지금은 예를 들어 보십시오.
대수 없이 첫 번째 차이에서 계산된 금 가격과 미결제약정 간의 피어슨 상관 관계: 0.1968
ln(P i /P i-1 ) 에 대해 계산된 금 가격과 미결제약정 간의 피어슨 상관관계 : 0.2067
이제 1%의 차이로 인해 기뻐하며 비명을 지르며 대수 없이는 어디에도 없다고 구석구석 말할 수 있습니다.
예... "상관관계"라는 마법의 단어는 많은 사람들을 오도합니다.
상관 관계 == 확률 의존성. 저것들. 자기기만. 선형 관계를 찾으십시오.
다시 말하지만, 이 스레드는 이미 이야기되었습니다.
상관관계의 정의에 대해 생각해 보십시오. 간단히 말해서 두 집합의 관계입니다. 선형 공간의 집합의 경우 이 관계는 벡터의 스칼라 곱(Pearson의 CC와 동일)을 통해 추정할 수 있으며, 예를 들어 직교 벡터의 경우 이러한 관계가 0인 것이 논리적입니다. 선형 공간에 속하지 않는 집합의 경우 이 관계는 그에 따라 다른 방식으로 평가되어야 합니다. 어떻게? 그것은 이미 공간의 특성에 달려 있습니다. 다른 상관 계수를 예로 들 수 있습니다.
수치가 상대적 척도이고 인용의 경우(한 통화가 다른 통화보다 몇 배나 "더 가치가 있는지" 보여줌), 선형 방법(스칼라 곱)을 초기에 "오버헤드"로 적용하는 것은 올바르지 않습니다. 데이터. Logarithm은 Pearson의 QC를 사용하여 동일한 상관 관계를 이미 추정할 수 있는 상대 척도에서 간격 척도로 판독값을 변환합니다.
다시 말하지만, 이 스레드는 이미 이야기되었습니다.
상관관계의 정의에 대해 생각해 보십시오. 간단히 말해서 두 집합의 관계입니다. 선형 공간의 집합의 경우 이 관계는 벡터의 스칼라 곱(Pearson의 CC와 동일)을 통해 추정할 수 있으며, 예를 들어 직교 벡터의 경우 이러한 관계가 0인 것이 논리적입니다. 선형 공간에 속하지 않는 집합의 경우 이 관계는 그에 따라 다른 방식으로 평가되어야 합니다. 어떻게? 그것은 이미 공간의 특성에 달려 있습니다. 다른 상관 계수를 예로 들 수 있습니다.
수치가 상대적 척도이고 인용의 경우(한 통화가 다른 통화보다 몇 배나 "더 가치가 있는지" 보여줌), 선형 방법(스칼라 곱)을 초기에 "오버헤드"로 적용하는 것은 올바르지 않습니다. 데이터. Logarithm은 Pearson의 QC를 사용하여 동일한 상관 관계를 이미 추정할 수 있는 상대 척도에서 간격 척도로 판독값을 변환합니다.
로그를 취하면 QC 판독값이 중요한 방식으로 변경되는 구체적인 예를 제공할 수 있습니까? 원본 시리즈가 QC를 0에 가까울 때의 예를 보여주세요. 반면 로그는 기적적으로 QC를 상당한 추정치로 올려줍니다.
지금은 예를 들어 보십시오.
대수 없이 첫 번째 차이에서 계산된 금 가격과 미결제약정 간의 피어슨 상관 관계: 0.1968
ln(P i /P i-1 ) 에 대해 계산된 금 가격과 미결제약정 간의 피어슨 상관관계 : 0.2067
이제 1%의 차이로 인해 기뻐하며 비명을 지르며 대수 없이는 어디에도 없다고 구석구석 말할 수 있습니다.
상관 행렬의 분포 유형은 두 계열의 속성과 두 계열 간의 관계에 따라 다릅니다. 가능한 모든 시리즈에 대해 동일해서는 안됩니다 ... SB의 경우 하나이고 일부 태양 플레어의 경우 다른 것이 있습니다 ...
나는 벙글하려고 할 것이다
이제 1%의 차이로 인해 기뻐하며 비명을 지르며 대수 없이는 어디에도 없다고 구석구석 말할 수 있습니다.
귀하의 예에 따르면:
내 의견으로는, 그것은 시각적 관찰 과 매우 잘 일치합니다. 5% 이상 차이
멍때리도록 노력하겠습니다
나는 첫 번째 차이를 계산하지 않습니다 ... 열 번째도 마찬가지입니다)...
먼저 정가 시리즈에 QC를 사용하는 것이 일반적으로 옳은 것인지 알아보겠습니다. 지금까지 I(1)에 대한 QC를 고려할 수 없다는 데이터를 제공했습니다.
그러나 QC를 계산하기 위한 정규성 요구 사항을 한 번 이상 어디에서 본 적이 있습니까? 다시 한 번, 이것은 상관 분석을 사용하기 위한 요구 사항입니다.
무슨 말도 안되는 소리인가 - 정규분포 값에 대해서만 QC ............. 예를 들어 금 시세와 은 시세 사이에 QC를 계산하는 것은 불가능하다는 것이 밝혀졌습니다 .......
그러나 QC를 계산하기 위한 정규성 요구 사항을 한 번 이상 어디에서 본 적이 있습니까? 다시 한 번, 이것은 상관 분석을 사용하기 위한 요구 사항입니다.
무슨 말도 안되는 소리 - QC는 정규 분포 수량에만 해당됩니다.............
KK는 수익성에 대해서만 계산할 수 있지만 가격 자체에는 계산할 수 없다는 것이 중요합니다.
다시 묻습니다 - 왜?
이유: 1. 위의 그림을 참조하십시오 .
2. Avals가 쓴 글 읽기:
이것은 오류 표시입니다. 분포가 C-4와 같으면 오차가 크고 실제 값에서 더 큰 편차를 얻을 확률이 거의 감소하지 않습니다. 실제 독립성으로 -0.6에서 +0.6까지의 상관 관계를 확률로 얻을 수 있다면 그러한 지표의 요점은 무엇입니까?