잘했다! 우리 Alexei는 시장의 비효율을 위해 존재합니다. 그리고 우리는 이미 이것을 보여주는 실질적인 결과를 얻었지만 고전적인 통계-경제학적 접근 방식의 프리즘 을 통해 볼 수는 없습니다.
당신의 결과와 관련하여 당신은 내 게시물을 무시했습니다.
하자. 하지만.
고전적인 ACF는 나뿐만 아니라 수백만 명을 고수해야 할 위치를 알고 있습니다. 추세 제거 후 ACF는 10보다 큰 종속성을 거의 제공하지 않으며, 그렇다면 아마도 질적 경향이 아닐 것입니다. 그러나 종속성이 남아 있고 시차 수가 40개 이상인 경우(그림 135에서) 이는 부분 적분(FARIMA)이 있는 모델을 수반합니다. 그리고 당신의 비고전적 접근에서 어떤 결과가 나오나요? 정보 의존성을 감지할 때 어떤 모델을 따르나요?
물론이죠. 이것이 내 기사의 주요 메시지였습니다. 결국 나는 Kolmogorov-Smirnov 및 Mann-Whitney U-test - 분포 유형을 나타내지 않은 샘플에 대해 테스트를 위해 특별히 수행했습니다. 두 검정 모두 귀무가설이 확인되지 않은 것으로 나타났습니다. 그리고 그것을 해석하는 방법은 이미 훨씬 더 광범위한 주제입니다.
alexeymosc : 물론이죠. 이것이 내 기사의 주요 메시지였습니다. 결국 나는 Kolmogorov-Smirnov 및 Mann-Whitney U-test - 분포 유형을 나타내지 않은 샘플에 대해 테스트를 위해 특별히 수행했습니다. 두 검정 모두 귀무가설이 확인되지 않은 것으로 나타났습니다. 그리고 그것을 해석하는 방법은 이미 훨씬 더 광범위한 주제입니다.
잘했다! 우리 Alexei는 시장의 비효율을 위해 존재합니다. 그리고 우리는 이미 이것을 보여주는 실질적인 결과를 얻었지만 고전적인 통계-경제학적 접근 방식의 프리즘 을 통해 볼 수는 없습니다.
당신의 결과와 관련하여 당신은 내 게시물을 무시했습니다.
하자. 하지만.
고전적인 ACF는 나뿐만 아니라 수백만 명을 고수해야 할 위치를 알고 있습니다. 추세 제거 후 ACF는 10보다 큰 종속성을 거의 제공하지 않으며, 그렇다면 아마도 질적 경향이 아닐 것입니다. 그러나 종속성이 남아 있고 시차 수가 40개 이상인 경우(그림 135에서) 이는 부분 적분(FARIMA)이 있는 모델을 수반합니다. 그리고 당신의 비고전적 접근에서 어떤 결과가 나오나요? 정보 의존성을 감지할 때 어떤 모델을 따르나요?
아마도.
모든 신뢰 구간은 다음과 같이 들립니다. 5% 수준에서(예: 귀무 가설이 확인됨(확인되지 않음).
귀무 가설은 어떻게 들립니까? 신뢰 구간은 어디에 있습니까? 등. ACF가 나에게 분명한 것이라면 당신의 일정은 분명하지 않습니다. 최대값이 2.098비트인 경우 0.05/2.098은 논의되지 않습니다. 또한 행 시작 부분에 있는 질문은 제거되지 않습니다.
그건 그렇고, AKF는 무엇을 고려 했습니까?
그가 AKF라고 생각한 것에 대해 그는 썼습니다. 첨부파일의 데이터는 저만 전체 데이터 시리즈를 취하며, 귀하와 같은 100점을 취하지 않습니다. 그건 그렇고, 나는 왜 100 데이터 포인트를 취하는지 이해하지 못합니다. 충분하지 않습니다, IMHO.
신뢰 구간 정보 . 내 결과는 다음과 같습니다. 0.01 수준에서 영점 막대와 시차 사이의 상호 정보 통계가 무작위 및 초기 계열에서 다르지 않다는 귀무 가설은 확인되지 않습니다.
바로 답변을 드리지 못해 죄송합니다. 잊고 조금 바빴습니다.
그가 AKF라고 생각한 것에 대해 그는 썼습니다. 첨부된 파일의 데이터는 저만 전체 데이터 시리즈를 가져오고 당신과 같은 100 포인트를 가져 가지 않습니다. 그건 그렇고, 나는 왜 100 데이터 포인트를 취하는지 이해하지 못합니다. 충분하지 않습니다, IMHO.
신뢰 구간에 대해. 내 결과는 다음과 같습니다. 0.01 수준에서 영점 막대와 시차 사이의 상호 정보 통계가 무작위 및 초기 계열에서 다르지 않다는 귀무 가설은 확인되지 않습니다.
감사합니다.
물론이죠. 이것이 내 기사의 주요 메시지였습니다. 결국 나는 Kolmogorov-Smirnov 및 Mann-Whitney U-test - 분포 유형을 나타내지 않은 샘플에 대해 테스트를 위해 특별히 수행했습니다. 두 검정 모두 귀무가설이 확인되지 않은 것으로 나타났습니다. 그리고 그것을 해석하는 방법은 이미 훨씬 더 광범위한 주제입니다.
그렇다면 테스트와 ACF는 어디에서 왔습니까?
아, 이제 질문을 이해했습니다. 통계.
다음 두 번째 단계는 EViews이고 마지막 단계는 R입니다.
이미 EViwes에 대해 많이 들었습니다. 시도해 보겠습니다. R - 또한 듣고 보았습니다. 저도 시간되면 해봐야겠습니다. 불행히도 때때로 테스트에 대한 계산 결과가 프로그램마다 다르다는 의학 포럼을 읽었습니다.
그리고 Excel은 일반적으로 Statistica와 달리 PRNG의 품질에도 불구하고 죄를 범합니다. 나는 정규 분포의 종의 부드러움이 어떻게 다른지 관찰했습니다.
시간이 되면 이 스레드에서 하고 싶은 것이 있습니다. 부분 자기상관(중간 시차의 영향이 차단된 경우)과 유추하여 상호 정보를 계산할 때 중간 시차의 영향을 차단합니다.
예를 들어 드리겠습니다. 이것은 최대 480 시차의 깊이에서 변동성(모듈로) EURUSD H1의 자기 상관입니다.
그리고 이것은 부분 자기 상관의 그래프가 어떻게 보이는지입니다. 즉, 중간 지연(거짓 상관)의 영향이 제거됩니다.
많은 상관관계가 즉시 단절되었음을 알 수 있다.
여기서는 기호가 있는 일련의 반환에 대해서만 비슷한 작업을 수행하려고 합니다. 적어도 어느 막대에 실제로 메모리가 있는지 알 수 있습니다.