faa1947 : TA에서는 통계가 알려지지 않은 패턴을 찾습니다. 커피 찌꺼기의 운세에 매우 가깝습니다. 통계를 찾고 있습니다. 시리즈의 특징과 이를 바탕으로 미래의 행동을 예측합니다. 예를 들어, 우리 양들에게. 이 접근 방식의 일환으로 신성한 암소는 "살아갈 수 없다"고 죽었습니다. 어쨌든 우리는 0에 도달할 것이고 0으로 가는 길에 손실은 무한정 증가하는 경향이 없기 때문에 당신은 앉아 있을 수 있습니다.
물론 디포가 100만이고 로트가 0.01이라고 해서 무한정 성장하는 경향이 있는 것은 아닙니다)) 파운데이션에 따라 패턴도 검색됩니다, 친구 :) 그리고 시장을 숫자로 표현하려고 하는군요. 공적분, 이 모든 것을 모자라 - 그냥 뒤집어)
두 테스트를 구성하는 원리에서 따르는 가장 간단한 것은 테스트에 포함된 회귀 방정식의 잔차가 정상적이어야 하고 계열 자체와 상관 관계가 없어야 한다는 것입니다. 그렇지 않으면 방법이 의미를 잃습니다. 그랜저의 경우 - 위의 모든 것이지만 방정식의 모든 시차에 대해(일반적으로 실제로 수행하기 어렵습니다. 따라서 이 테스트는 무엇보다도 시리즈의 길이가 - 연간, 분기별, 월간 - 일반적으로 최대 판독값은 수십만이지만 수백만은 아님)
음, 다른 많은 미묘함 .... 잔차 분포의 정규성, 예를 들어 ... (또한 잘 수행되지 않음)
게다가, 인과성에 관해서 Granger는 그것에 대한 훌륭한 정의를 도입했지만, 모든 이상과 마찬가지로 그러한 공식은 실제로 테스트할 수 없는 것으로 판명되었습니다. 따라서 같은 이름에 대한 테스트는 모든 전제 조건이 충족되더라도 인과 관계가 실제로 없는 경우에만 인과 관계가 없음을 보여 주지만 실제로 있는 경우에는 존재하지 않음을 보여 줍니다.
나는 비 고정성을 없애고 고정 시리즈를 기반으로 거래 결정을 내리는 전체적인 아이디어를 좋아합니다. 인과관계 검정 부분입니다. 지연 - 예. 정규성은 필요하지 않으며 고정만 있으면 충분합니다.
그러나 문제가 남아 있습니다. 두 시리즈를 병합할 때 비정상성의 원인이 제거되는지 명확하지 않습니까? 교대 근무를 해결할 수 없는 문제로 치부해 봅시다.
고정된 선형 조합의 존재는 시리즈의 유사한 성질, 말하자면 동일한 근원에서 기원한 것임을 말해줍니다. 그러나 이것은 다소 일반적인 단어입니다.
내가 당신이라면 공적분(cointegration)이 그렇게 흥미롭다면 얼마나 안정적인지, 즉 던지기 길이를 늘리면 어느 지점에서 공적분 방정식이 해를 갖지 않게 됩니다. 그리고 행의 길이에 따라 조합의 계수가 어떻게 변하는지. 이것은 많은 유용한 정보를 제공할 수 있습니다(또는 그렇지 않을 수도 있습니다:).
고정된 선형 조합의 존재는 시리즈의 유사한 성질, 말하자면 동일한 근원에서 기원한 것임을 말해줍니다. 그러나 이것은 다소 일반적인 단어입니다.
내가 당신이라면 공적분(cointegration)이 그렇게 흥미롭다면 얼마나 안정적인지, 즉 던지기 길이를 늘리면 어느 지점에서 공적분 방정식이 해를 갖지 않게 됩니다. 그리고 행의 길이에 따라 조합의 계수가 어떻게 변하는지. 이것은 많은 유용한 정보를 제공할 수 있습니다(또는 그렇지 않을 수도 있습니다:).
다음은 공적분 방정식입니다.
EURUSD = C(1)*GBPUSD + C(2) + C(3)*@TREND
6700개의 H1 막대 샘플을 선택하고 창을 따라 118개 막대(주)를 이동합니다. 계수가 변경됩니다. (세 번째는 표시되지 않음) 및 단위 루트 테스트의 결과입니다.
나는 어떤 결론도 내릴 수 없다. 하나의 뿌리를 위해 싸워야 하는 것은 분명한데 투쟁의 수단이 불분명하다.
계수의 역학이 명확하면(노이즈가 아님) 공적분의 일반적인 특성에 대한 결론을 도출할 수 있습니다. 두 번째 매개 변수에 따르면 - 공적분의 시간 상수를 추정합니다.
창을 한 막대 이동하면 확률이 차트보다 높습니다. 안정성은 말할 필요도 없습니다. 공동 통합 ur-가 올바르게 지정되지 않았습니까? 일반적으로 개 전체가 트렌드의 사양에 묻혀 있습니다. 추세 제거 후의 잔여물은 정지 상태여야 합니다. 이것은 아니다. 따라서 계수 대신 노이즈.
faa1947 : 창을 한 막대 이동하면 확률이 차트보다 높습니다. 안정성은 말할 필요도 없습니다. 공동 통합 ur-가 올바르게 지정되지 않았습니까? 일반적으로 개 전체가 트렌드의 사양에 묻혀 있습니다. 추세 제거 후의 잔여물은 정지 상태여야 합니다. 이것은 아니다. 따라서 계수 대신 노이즈.
글쎄, 어떻게 설명해야 할지 모르겠어..... 해볼게.
당신/우리/그들이 계산하는 것은 확률이 아닙니다. 그리고 그들의 성적. 우리 는 계수를 절대 알 수 없지만 다양한 확률로 계수를 추정할 수 있습니다. 계열이 무작위이기 때문에 추정값에 잡음이 있는 것은 당연합니다. 그렇지 않으면 시리즈가 무작위가 아니라 완전히 결정적이라는 것을 인정해야 합니다. 따라서 노이즈는 정상이지만 노이즈가 있긴 하지만 약간의 종속성을 확인해야 하는 샘플 크기가 다릅니다. 이것은 공적분 계산에 실용적인 의미가 있음을 나타냅니다.
당신/우리/그들이 계산하는 것은 확률이 아닙니다. 그리고 그들의 성적. 우리 는 계수를 절대 알 수 없지만 다양한 확률로 계수를 추정할 수 있습니다. 계열이 무작위이기 때문에 추정값에 잡음이 있는 것은 당연합니다. 그렇지 않으면 시리즈가 무작위가 아니라 완전히 결정적이라는 것을 인정해야 합니다. 따라서 노이즈는 정상이지만 노이즈가 있긴 하지만 약간의 종속성을 확인해야 하는 샘플 크기가 다릅니다. 이것은 공적분 계산에 실용적인 의미가 있음을 나타냅니다.
다시 기술 분석의 주술사. 어디 가세요?
TA에서는 통계가 알려지지 않은 패턴을 찾습니다. 커피 찌꺼기의 운세에 매우 가깝습니다. 통계를 찾고 있습니다. 시리즈의 특징과 이를 바탕으로 미래의 행동을 예측합니다. 예를 들어, 우리 양들에게. 이 접근 방식의 일환으로 신성한 암소는 "살아갈 수 없다"고 죽었습니다. 어쨌든 우리는 0에 도달할 것이고 0으로 가는 길에 손실은 무한정 증가하는 경향이 없기 때문에 당신은 앉아 있을 수 있습니다.
두 테스트를 구성하는 원리에서 따르는 가장 간단한 것은 테스트에 포함된 회귀 방정식의 잔차가 정상적이어야 하고 계열 자체와 상관 관계가 없어야 한다는 것입니다. 그렇지 않으면 방법이 의미를 잃습니다. 그랜저의 경우 - 위의 모든 것이지만 방정식의 모든 시차에 대해(일반적으로 실제로 수행하기 어렵습니다. 따라서 이 테스트는 무엇보다도 시리즈의 길이가 - 연간, 분기별, 월간 - 일반적으로 최대 판독값은 수십만이지만 수백만은 아님)
음, 다른 많은 미묘함 .... 잔차 분포의 정규성, 예를 들어 ... (또한 잘 수행되지 않음)
게다가, 인과성에 관해서 Granger는 그것에 대한 훌륭한 정의를 도입했지만, 모든 이상과 마찬가지로 그러한 공식은 실제로 테스트할 수 없는 것으로 판명되었습니다. 따라서 같은 이름에 대한 테스트는 모든 전제 조건이 충족되더라도 인과 관계가 실제로 없는 경우에만 인과 관계가 없음을 보여 주지만 실제로 있는 경우에는 존재하지 않음을 보여 줍니다.
나는 비 고정성을 없애고 고정 시리즈를 기반으로 거래 결정을 내리는 전체적인 아이디어를 좋아합니다. 인과관계 검정 부분입니다. 지연 - 예. 정규성은 필요하지 않으며 고정만 있으면 충분합니다.
그러나 문제가 남아 있습니다. 두 시리즈를 병합할 때 비정상성의 원인이 제거되는지 명확하지 않습니까? 교대 근무를 해결할 수 없는 문제로 치부해 봅시다.
침을 뱉고 큰 간격으로 차량을 운전하고 결과를 볼 수 있지만.
두 시리즈를 병합할 때 비정상성의 원인이 제거되는지 명확하지 않습니까?
고정된 선형 조합의 존재는 시리즈의 유사한 성질, 말하자면 동일한 근원에서 기원한 것임을 말해줍니다. 그러나 이것은 다소 일반적인 단어입니다.
내가 당신이라면 공적분(cointegration)이 그렇게 흥미롭다면 얼마나 안정적인지, 즉 던지기 길이를 늘리면 어느 지점에서 공적분 방정식이 해를 갖지 않게 됩니다. 그리고 행의 길이에 따라 조합의 계수가 어떻게 변하는지. 이것은 많은 유용한 정보를 제공할 수 있습니다(또는 그렇지 않을 수도 있습니다:).
고정된 선형 조합의 존재는 시리즈의 유사한 성질, 말하자면 동일한 근원에서 기원한 것임을 말해줍니다. 그러나 이것은 다소 일반적인 단어입니다.
내가 당신이라면 공적분(cointegration)이 그렇게 흥미롭다면 얼마나 안정적인지, 즉 던지기 길이를 늘리면 어느 지점에서 공적분 방정식이 해를 갖지 않게 됩니다. 그리고 행의 길이에 따라 조합의 계수가 어떻게 변하는지. 이것은 많은 유용한 정보를 제공할 수 있습니다(또는 그렇지 않을 수도 있습니다:).
다음은 공적분 방정식입니다.
EURUSD = C(1)*GBPUSD + C(2) + C(3)*@TREND
6700개의 H1 막대 샘플을 선택하고 창을 따라 118개 막대(주)를 이동합니다. 계수가 변경됩니다. (세 번째는 표시되지 않음) 및 단위 루트 테스트의 결과입니다.
나는 어떤 결론도 내릴 수 없다. 하나의 뿌리를 위해 싸워야 하는 것은 분명한데 투쟁의 수단이 불분명하다.
다음은 공적분 방정식입니다.
EURUSD = C(1)*GBPUSD + C(2) + C(3)*@TREND
6700개의 H1 막대 샘플을 선택하고 창을 따라 118개 막대(주)를 이동합니다. 계수가 변경됩니다. (세 번째는 표시되지 않음) 및 단위 루트 테스트의 결과입니다.
나는 어떤 결론도 내릴 수 없다. 하나의 뿌리를 위해 싸워야 하는 것은 분명한데 투쟁의 수단이 불분명하다.
나는 이것에 대해 이야기하고 있습니다 :
우리는 (예를 들어) 24개의 막대 크기로 주어진 순간에서 샘플을 가져 와서 지루할 때까지 길이를 25, 26, .... 늘립니다. 비율을 살펴보겠습니다. 우리는 방정식이 풀리지 않는 순간을 수정합니다. 카운트다운 시작의 다른 순간에 반복하는 것이 좋습니다.
계수의 역학이 명확하면(노이즈가 아님) 공적분의 일반적인 특성에 대한 결론을 도출할 수 있습니다. 두 번째 매개 변수에 따르면 - 공적분의 시간 상수를 추정합니다.
나는 이것에 대해 이야기하고 있습니다 :
계수의 역학이 명확하면(노이즈가 아님) 공적분의 일반적인 특성에 대한 결론을 도출할 수 있습니다. 두 번째 매개 변수에 따르면 - 공적분의 시간 상수를 추정합니다.
창을 한 막대 이동하면 확률이 차트보다 높습니다. 안정성은 말할 필요도 없습니다. 공동 통합 ur-가 올바르게 지정되지 않았습니까? 일반적으로 개 전체가 트렌드의 사양에 묻혀 있습니다. 추세 제거 후의 잔여물은 정지 상태여야 합니다. 이것은 아니다. 따라서 계수 대신 노이즈.
글쎄, 어떻게 설명해야 할지 모르겠어..... 해볼게.
당신/우리/그들이 계산하는 것은 확률이 아닙니다. 그리고 그들의 성적. 우리 는 계수를 절대 알 수 없지만 다양한 확률로 계수를 추정할 수 있습니다. 계열이 무작위이기 때문에 추정값에 잡음이 있는 것은 당연합니다. 그렇지 않으면 시리즈가 무작위가 아니라 완전히 결정적이라는 것을 인정해야 합니다. 따라서 노이즈는 정상이지만 노이즈가 있긴 하지만 약간의 종속성을 확인해야 하는 샘플 크기가 다릅니다. 이것은 공적분 계산에 실용적인 의미가 있음을 나타냅니다.
글쎄, 어떻게 설명해야 할지 모르겠어..... 해볼게.
당신/우리/그들이 계산하는 것은 확률이 아닙니다. 그리고 그들의 성적. 우리 는 계수를 절대 알 수 없지만 다양한 확률로 계수를 추정할 수 있습니다. 계열이 무작위이기 때문에 추정값에 잡음이 있는 것은 당연합니다. 그렇지 않으면 시리즈가 무작위가 아니라 완전히 결정적이라는 것을 인정해야 합니다. 따라서 노이즈는 정상이지만 노이즈가 있긴 하지만 약간의 종속성을 확인해야 하는 샘플 크기가 다릅니다. 이것은 공적분 계산에 실용적인 의미가 있음을 나타냅니다.
공적분 회귀 계수의 추정치는 다음과 같습니다.
종속변수: EURUSD
방법: 동적 최소제곱(DOLS)
날짜: 04/26/12 시간: 10:29
샘플: 6619 6736
포함된 관찰: 118
공적분 방정식 결정론: C @TREND @TREND^2
자동 리드 및 지연 사양(AIC 기반 리드=12 및 지연=12
기준, 최대=12)
장기 분산 추정(Bartlett 커널 , Newey-West 고정 대역폭 =
5.0000)
표준 오차 및 공분산에 대한 df 조정 없음
변하기 쉬운 계수 표준 오류 t-통계량 문제
GBPUSD 1.129724 0.137650 8.207248 0.0000
씨 35.58951 22.84113 1.558133 0.1228
@경향 -0.011004 0.006888 -1.597440 0.1137
@TREND^2 8.39E-07 5.16E-07 1.626326 0.1074
t-Statistic 열에 주목합시다. 100%를 이 열의 값으로 나누면 계수 추정 시 오류가 발생합니다. 그녀는 거대하다. 이것이 측정이 될 수 있습니까?
공적분 회귀 계수의 추정치는 다음과 같습니다.
종속변수: EURUSD
방법: 동적 최소제곱(DOLS)
날짜: 04/26/12 시간: 10:29
샘플: 6619 6736
포함된 관찰: 118
공적분 방정식 결정론: C @TREND @TREND^2
자동 리드 및 지연 사양(AIC 기반 리드=12 및 지연=12
기준, 최대=12)
장기 분산 추정(Bartlett 커널, Newey-West 고정 대역폭 =
5.0000)
표준 오차 및 공분산에 대한 df 조정 없음
변하기 쉬운 계수 표준 오류 t-통계량 문제
GBPUSD 1.129724 0.137650 8.207248 0.0000
씨 35.58951 22.84113 1.558133 0.1228
@경향 -0.011004 0.006888 -1.597440 0.1137
@TREND^2 8.39E-07 5.16E-07 1.626326 0.1074
t-Statistic 열에 주목합시다. 100%를 이 열의 값으로 나누면 계수 추정 시 오류가 발생합니다. 그녀는 거대하다. 이것이 측정이 될 수 있습니까?
a) t-통계는 데이터가 정규 분포를 갖고 있다고 가정하고 이러한 데이터에만 사용되며 그렇지 않으면 결과가 왜곡됩니다.
b) matstat의 새로운 방향은 100%를 t-기준, 계몽, 플리즈 값으로 나누는 것입니다.