그리고 개념적으로 추가 연구 과정을 생각했습니다(공식의 언어로 맹세하는 사람들이 아니라 관심 있는 사람들을 위해 글을 씁니다). 변동성에 대한 종속성이 있는 경우(가장 가까운 시차에 대한 종속성과 주기적 - H1의 경우 24시간), 모듈로 취한 수익에 대해 동일한 상호 정보를 계산한 다음(순수 변동성이 됨) 받은 금액을 빼십시오. 유사한 정보에서 얻은 정보(반환이 +- 기호와 함께 표시되는 경우). 모든 것이 올바르게 계산되면 격차에서 표지판에 의존하게됩니다. 이 경우는 이미 노이즈 시계열 과 비교할 수 있습니다.
alexeymosc : 그리고 개념적으로 추가 연구 과정을 생각했습니다(공식의 언어로 맹세하는 사람들이 아니라 관심 있는 사람들을 위해 글을 씁니다). 변동성에 대한 종속성이 있는 경우(가장 가까운 시차에 대한 종속성과 주기적 - H1의 경우 24시간), 모듈로 취한 수익에 대해 동일한 상호 정보를 계산한 다음(순수 변동성이 됨) 받은 금액을 빼십시오. 유사한 정보에서 얻은 정보(반환이 +- 기호와 함께 표시되는 경우). 모든 것이 올바르게 계산되면 격차에서 표지판에 의존하게됩니다. 이 경우는 이미 노이즈 시계열과 비교할 수 있습니다.
사소하지 않은 것이 발견되더라도 공식의 올바른 적용에 대한 질문은 항상 남아 있으며 가장 중요한 것은 실제로 적용하는 방법입니다. 저것들. 순수한 학문적 관심
값의 독립성에 대한 카이제곱 검정을 시도한 적이 있습니까? 몇 달 전만 해도 이걸 어떻게 해야 할지 몰랐는데, 받아서 해봤습니다. 그것을 시도하고 복잡한 것은 없습니다. 일부 지방 기관의 matstat에서 매뉴얼을 찾아 읽으십시오. 방법이 더 간단하고 시각적으로 칠해질수록 더 빨리 얻을 수 있습니다.
실제로 몇 가지 카이제곱 기준이 있습니다. 그러나 나는 수량의 독립성을 평가하는 것에 대해 이야기하고 있습니다. 이 기준은 사전에 주어진 분포를 기반으로 평가하지 않습니다. 두 개의 양이 주어진 유의 수준(보통 0.95 또는 0.99)에서 독립적이라는 가설만 테스트합니다. 유의 수준이 1에 가까울수록 결론이 더 신뢰할 수 있습니다.
기준의 이데올로기적 기초는 두 수량의 결합 확률에 대한 일반적인 공식입니다. 손가락: 허용 가능한 x1,y1에 대해 P(X=x1 && Y=y1) = P(X=x1)*P(Y=y1)이면 X와 Y는 독립적입니다. 그 반대. 그리고 카이제곱은 대략적으로 말하자면 가능한 모든 경우에 이 평등에서 벗어난 편차의 가중치 합을 고려하여 특정 경계 값과 비교합니다. 결과 양이 이 한계보다 크면 양의 독립성(영) 가설이 받아들여지지 않습니다. 적으면 Zero가 거부되지 않습니다.
값의 독립성에 대한 카이제곱 검정을 시도한 적이 있습니까? 몇 달 전만 해도 이걸 어떻게 해야할지 몰랐는데, 받아서 해봤습니다. 그것을 시도하고 복잡한 것은 없습니다. 일부 지방 기관의 matstat에서 매뉴얼을 찾아 읽으십시오. 방법이 더 간단하고 시각적으로 칠해질수록 더 빨리 얻을 수 있습니다.
실제로 몇 가지 카이제곱 기준이 있습니다. 그러나 나는 수량의 독립성을 평가하는 것에 대해 이야기하고 있습니다. 이 기준은 사전에 주어진 분포를 기반으로 평가하지 않습니다. 두 개의 양이 주어진 유의 수준(보통 0.95 또는 0.99)에서 독립적이라는 가설만 테스트합니다. 유의 수준이 1에 가까울수록 결론이 더 신뢰할 수 있습니다.
기준의 이데올로기적 기초는 두 수량의 결합 확률에 대한 일반적인 공식입니다. 손가락: 허용 가능한 x1,y1에 대해 P(X=x1 && Y=y1) = P(X=x1)*P(Y=y1)이면 X와 Y는 독립적입니다. 그 반대. 그리고 카이제곱은 대략적으로 말하자면 가능한 모든 경우에 이 평등에서 벗어난 편차의 가중치 합을 고려하여 특정 경계 값과 비교합니다. 결과 양이 이 경계보다 크면 양의 종속성에 대한 가설이 받아들여집니다. 적으면 독립성 가설이 기각되지 않습니다.
alexeymosc : 그리고 개념적으로 추가 연구 과정을 생각했습니다(공식의 언어로 맹세하는 사람들이 아니라 관심 있는 사람들을 위해 글을 씁니다). 변동성에 대한 종속성이 있는 경우(가장 가까운 시차에 대한 종속성과 주기적 - H1의 경우 24시간), 모듈로 취한 수익에 대해 동일한 상호 정보를 계산한 다음(순수 변동성이 됨) 받은 금액을 빼십시오. 유사한 정보에서 얻은 정보(반환이 +- 기호와 함께 표시되는 경우). 모든 것이 올바르게 계산되면 격차에서 표지판에 의존하게됩니다. 이 경우는 이미 노이즈 시계열과 비교할 수 있습니다.
현재 순간을 나만의 방식으로 공식화할 수 있습니까?
따라서 선택한 접근 방식은 종속성이 있음을 보여줍니다. 육안 의존성이 가장 분명하고 합리적이며 가시적인 것은 변동성의 일일 주기성입니다.
따라서 이 연구의 논리적인 다음 단계는 데이터에서 이 명백하고 매우 강한 의존성을 배제하고 우리의 (귀하의) 방법이 다른 의존성의 존재를 보여줄지 확인하는 것인 것 같습니다.
그리고 개념적으로 추가 연구 과정을 생각했습니다(공식의 언어로 맹세하는 사람들이 아니라 관심 있는 사람들을 위해 글을 씁니다). 변동성에 대한 종속성이 있는 경우(가장 가까운 시차에 대한 종속성과 주기적 - H1의 경우 24시간), 모듈로 취한 수익에 대해 동일한 상호 정보를 계산한 다음(순수 변동성이 됨) 받은 금액을 빼십시오. 유사한 정보에서 얻은 정보(반환이 +- 기호와 함께 표시되는 경우). 모든 것이 올바르게 계산되면 격차에서 표지판에 의존하게됩니다. 이 경우는 이미 노이즈 시계열과 비교할 수 있습니다.
사소하지 않은 것이 발견되더라도 공식의 올바른 적용에 대한 질문은 항상 남아 있으며 가장 중요한 것은 실제로 적용하는 방법입니다. 저것들. 순수한 학문적 관심
그러나 Alexey, 수익률 분포에 대한 어떤 가설이 카이-제곱 추정에 해당하는지 더 명확하게 공식화할 수 있습니까?
유명한 "갈색"이나 더 멋진 것?
하지만 아무도. 카이제곱으로 종속성을 평가할 때 분포에 대한 가설이 만들어지지 않습니다. 이것은 비모수적 기준임이 밝혀졌습니다.
하지만 아무도. 카이제곱으로 종속성을 평가할 때 분포에 대한 가설이 만들어지지 않습니다. 이것은 비모수적 기준임이 밝혀졌습니다.
없음을 의미합니까?
평가된 종속성을 작성할 수 있습니까?
아마도 공식 후에 나는 담배를 피울 것입니다. 아니면 균등 분배를 바라는 건지...
;)
사소하지 않은 것이 발견되더라도 공식의 올바른 적용에 대한 질문은 항상 남아 있으며 가장 중요한 것은 실제로 적용하는 방법입니다. 저것들. 순수한 학문적 관심
평가된 종속성을 작성할 수 있습니까?
아마도 공식 후에 나는 담배를 피울 것입니다. 아니면 균등분배를 바라는 건지...
아니, 사실대로 말하고 있어. 논 핑고 가설.
값의 독립성에 대한 카이제곱 검정을 시도한 적이 있습니까? 몇 달 전만 해도 이걸 어떻게 해야 할지 몰랐는데, 받아서 해봤습니다. 그것을 시도하고 복잡한 것은 없습니다. 일부 지방 기관의 matstat에서 매뉴얼을 찾아 읽으십시오. 방법이 더 간단하고 시각적으로 칠해질수록 더 빨리 얻을 수 있습니다.
실제로 몇 가지 카이제곱 기준이 있습니다. 그러나 나는 수량의 독립성을 평가하는 것에 대해 이야기하고 있습니다. 이 기준은 사전에 주어진 분포를 기반으로 평가하지 않습니다. 두 개의 양이 주어진 유의 수준(보통 0.95 또는 0.99)에서 독립적이라는 가설만 테스트합니다. 유의 수준이 1에 가까울수록 결론이 더 신뢰할 수 있습니다.
기준의 이데올로기적 기초는 두 수량의 결합 확률에 대한 일반적인 공식입니다. 손가락: 허용 가능한 x1,y1에 대해 P(X=x1 && Y=y1) = P(X=x1)*P(Y=y1)이면 X와 Y는 독립적입니다. 그 반대. 그리고 카이제곱은 대략적으로 말하자면 가능한 모든 경우에 이 평등에서 벗어난 편차의 가중치 합을 고려하여 특정 경계 값과 비교합니다. 결과 양이 이 한계보다 크면 양의 독립성(영) 가설이 받아들여지지 않습니다. 적으면 Zero가 거부되지 않습니다.
아니, 사실대로 말하고 있어. 논 핑고 가설.
값의 독립성에 대한 카이제곱 검정을 시도한 적이 있습니까? 몇 달 전만 해도 이걸 어떻게 해야할지 몰랐는데, 받아서 해봤습니다. 그것을 시도하고 복잡한 것은 없습니다. 일부 지방 기관의 matstat에서 매뉴얼을 찾아 읽으십시오. 방법이 더 간단하고 시각적으로 칠해질수록 더 빨리 얻을 수 있습니다.
실제로 몇 가지 카이제곱 기준이 있습니다. 그러나 나는 수량의 독립성을 평가하는 것에 대해 이야기하고 있습니다. 이 기준은 사전에 주어진 분포를 기반으로 평가하지 않습니다. 두 개의 양이 주어진 유의 수준(보통 0.95 또는 0.99)에서 독립적이라는 가설만 테스트합니다. 유의 수준이 1에 가까울수록 결론이 더 신뢰할 수 있습니다.
기준의 이데올로기적 기초는 두 수량의 결합 확률에 대한 일반적인 공식입니다. 손가락: 허용 가능한 x1,y1에 대해 P(X=x1 && Y=y1) = P(X=x1)*P(Y=y1)이면 X와 Y는 독립적입니다. 그 반대. 그리고 카이제곱은 대략적으로 말하자면 가능한 모든 경우에 이 평등에서 벗어난 편차의 가중치 합을 고려하여 특정 경계 값과 비교합니다. 결과 양이 이 경계보다 크면 양의 종속성에 대한 가설이 받아들여집니다. 적으면 독립성 가설이 기각되지 않습니다.
웃기지 마...
분포 가설에 대해 질문을 받았고 이 방법에 대해 어제에서야 배웠다고 말했습니다.
나는 끈질기게 알고 싶습니다 - 귀무 가설이 무엇입니까? 그들은 무엇을 독립적입니까?
0 - "수익은 독립적입니다". 재미없어, 체스로보!
분포에 대한 어떤 가설도 테스트하지 않았습니다! 이것은 또 다른 카이제곱입니다. 그리고 나는 의존성 만 확인했습니다!
분포를 확인하고 싶으시다면 - 부탁드립니다. 적절한 정확도로 Laplacian입니다.
0 - "수익은 독립적입니다". 재미없어, 체스로보!
분포에 대한 어떤 가설도 테스트하지 않았습니다! 이것은 또 다른 카이제곱입니다. 그리고 나는 의존성 만 확인했습니다!
분포를 확인하고 싶으시다면 - 부탁드립니다. 적절한 정확도로 Laplacian입니다.
확인!
붐 시계.
---
독립 가설은 균일 또는 정규 분포 가설과 동일합니까?
나는 알고 싶다.
그런 다음 "라플라스"로 모든 것이 명확합니다.
그리고 개념적으로 추가 연구 과정을 생각했습니다(공식의 언어로 맹세하는 사람들이 아니라 관심 있는 사람들을 위해 글을 씁니다). 변동성에 대한 종속성이 있는 경우(가장 가까운 시차에 대한 종속성과 주기적 - H1의 경우 24시간), 모듈로 취한 수익에 대해 동일한 상호 정보를 계산한 다음(순수 변동성이 됨) 받은 금액을 빼십시오. 유사한 정보에서 얻은 정보(반환이 +- 기호와 함께 표시되는 경우). 모든 것이 올바르게 계산되면 격차에서 표지판에 의존하게됩니다. 이 경우는 이미 노이즈 시계열과 비교할 수 있습니다.
현재 순간을 나만의 방식으로 공식화할 수 있습니까?
따라서 선택한 접근 방식은 종속성이 있음을 보여줍니다. 육안 의존성이 가장 분명하고 합리적이며 가시적인 것은 변동성의 일일 주기성입니다.
따라서 이 연구의 논리적인 다음 단계는 데이터에서 이 명백하고 매우 강한 의존성을 배제하고 우리의 (귀하의) 방법이 다른 의존성의 존재를 보여줄지 확인하는 것인 것 같습니다.
제거 방법으로 일일 변동성 프로파일에 대한 증가분을 단순히 정규화하는 것이 좋습니다.