Estatísticas de dependência entre aspas (teoria da informação, correlação e outros métodos de seleção de características) - página 68

Novo comentário
 
alexeymosc:
Os dados estão no anexo. Eu trabalhei com a série quantizada (extrema direita).

Aqui está o resultado.

Um gráfico muito estranho. Aparado. Parece que os cálculos foram feitos com precisão limitada.

Estatísticas

Muito engraçado.

ACF

Data: 14/10/12 Hora: 11:58

Amostra: 1.272

Observações incluídas: 3271

Autocorrelação Correlação Parcial AC PAC Q-Stat Prob

| | | 1 -0.059 -0.059 11.332 0.001

| | | 2 -0.053 -0.057 20.704 0.000

| | 3 0.025 0.019 22.820 0.000

| | 4 0.005 0.005 22.908 0.000

| | 5 -0.062 -0.059 35.486 0.000

| | | 6 0.007 -0.000 35.639 0.000

| | | 7 -0.038 -0.045 40.475 0.000

| | 8 0.032 0.030 43.845 0.000

| | 9 -0.007 -0.008 44.004 0.000

| | 10 0,025 0,026 46,003 0,000

| | | 11 -0.033 -0.032 49.674 0.000

| | 12 0,048 0,043 57,372 0,000

| | 13 0.002 0.006 57.382 0.000

| | 14 -0.032 -0.028 60.736 0.000

| | 15 -0.033 -0.033 64.288 0.000

| | 16 0,047 0,034 71,425 0,000

| | 17 -0.004 0.007 71.469 0.000

| | 18 -0.039 -0.037 76.462 0.000

| | 19 -0.004 -0.008 76.520 0.000

| | 20 0.017 0.004 77.426 0.000

| | | 21 -0.046 -0.040 84.377 0.000

| | 22 0.020 0.013 85.636 0.000

| | 23 0.006 0.006 85.767 0.000

| | 24 -0.010 -0.010 86.089 0.000

| | | 25 -0.001 -0.004 86.090 0.000

| | | 26 -0.022 -0.028 87.663 0.000

| | 27 0.025 0.031 89.677 0.000

| | | 28 -0.022 -0.028 91.250 0.000

| | 29 0,028 0,029 93,841 0,000

| | 30 0.009 0.011 94.135 0.000

| | 31 0.007 0.015 94.290 0.000

| | 32 0.004 0.001 94.350 0.000

| | | 33 -0.007 -0.009 94.501 0.000

*| | *| | 34 -0.092 -0.085 122.33 0.000

| | | 35 0.010 -0.006 122.66 0.000

| | | 36 0,008 0,003 122,89 0,000

A última coluna é a probabilidade de correlação. Zero.

Estes dados não são de interesse - perda de precisão. A análise não é nada, apenas uma figura.

 
Avals:

O que é ZZ de acordo com Pastukhov? Pastukhov investigou kagi/renko na construção clássica. Esta regra (2H) não se aplica exatamente à ZZ. Há uma dependência do valor do joelho em pontos.
Sim, estamos falando de H-volatilidade.
 
VNG: Você pode maximizar investigando a estrutura do motor, decompondo-o em faixas, obtendo estatísticas de transições para faixas sênior (ou júnior).

hmm, fez isto - visualmente parece com isto:

http://imglink.ru/pictures/14-10-12/6038b20b9bfbd1e06c08e649623cca4b.jpg

http://imglink.ru/pictures/14-10-12/47b7615b511f6b8a6f3b638a2fcda38b.jpg

Cada triângulo colorido é o TF da direita para a esquerda de M1,M5 a MN em relação à linha vertical que simula a visão do observador sobre a história, a história na forma de gamas de extremo alto e baixo / máximo histórico/min

Eu o carreguei no Statistica na forma de um alfabeto, sim há áreas/palavras repetidas, mesmo para 2-3 TFs, mas a repetibilidade não é periódica, os períodos de repetibilidade variam de 2 meses a vários anos

 
VNG:


Eu também sou "você" para mim, se não houver objeções.

Por que não? Existe um raciocínio por trás disso?


a SB abstrata terá a mesma coisa
 
HideYourRichess:
Sim, é sobre a volatilidade H.

é diferente lá (na tabela getch)
 
alexeymosc:
Os dados estão no anexo. Eu trabalhei com a série quantizada (extrema direita).

Vou pegar os incrementos habituais para o abridor.

Muito mais interessante. Estatísticas

ACF

Data: 10/14/12 Hora: 12:05

Amostra: 1 3272

Observações incluídas: 3271

Autocorrelação Correlação Parcial AC PAC Q-Stat Prob

| | | | 1 -0.063 -0.063 13.075 0.000

| | | 2 -0.033 -0.037 16.554 0.000

| | 3 0.017 0.013 17.558 0.001

| | 4 -0.000 0.001 17.558 0.002

| | | 5 -0.043 -0.043 23.757 0.000

| | | 6 -0.003 -0.009 23.788 0.001

| | 7 -0.024 -0.028 25.722 0.001

| | 8 0.022 0.019 27.264 0.001

| | | 9 -0.005 -0.004 27.338 0.001

| | 10 0.032 0.032 30.668 0.001

| | 11 -0.027 -0.025 33.069 0.001

| | 12 0.051 0.048 41.461 0.000

| | 13 0.011 0.016 41.861 0.000

| | 14 -0.020 -0.014 43.111 0.000

| | | 15 -0.040 -0.040 48.488 0.000

| | 16 0,047 0,039 55,873 0,000

| | 17 -0.003 0.006 55.900 0.000

| | 18 -0.054 -0.051 65.566 0.000

| | 19 0.006 0.000 65.688 0.000

| | 20 0.013 0.004 66.214 0.000

| | 21 -0.053 -0.047 75.446 0.000

| | 22 0.025 0.015 77.560 0.000

| | 23 0.014 0.014 78.179 0.000

| | | 24 -0.009 -0.008 78.465 0.000

| | 25 -0.003 -0.005 78.490 0.000

| | 26 -0.024 -0.030 80.367 0.000

| | 27 0.018 0.022 81.400 0.000

| | | 28 -0.006 -0.007 81.522 0.000

| | 29 0.017 0.016 82.452 0.000

| | 30 0.008 0.013 82.657 0.000

| | | 31 -0.002 0.005 82.675 0.000

| | 32 0.010 0.004 83.006 0.000

| | | 33 -0.024 -0.025 84.980 0.000

*| | *| | 34 -0.083 -0.079 107.74 0.000

| | | 35 0.005 -0.011 107.82 0.000

| | | 36 0.022 0.014 109.37 0.000

Probabilidade de não haver correlação. Inicialmente existe alguma correlação, mas não significativa.


 
alexeymosc:
Os dados estão no anexo. Eu trabalhei com a série quantizada (extrema direita).

Vou pegar os incrementos habituais para o abridor.

Muito mais interessante. Estatísticas

ACF

Data: 10/14/12 Hora: 12:05

Amostra: 1 3272

Observações incluídas: 3271

Autocorrelação Correlação Parcial AC PAC Q-Stat Prob

| | | | 1 -0.063 -0.063 13.075 0.000

| | | 2 -0.033 -0.037 16.554 0.000

| | 3 0.017 0.013 17.558 0.001

| | 4 -0.000 0.001 17.558 0.002

| | | 5 -0.043 -0.043 23.757 0.000

| | | 6 -0.003 -0.009 23.788 0.001

| | 7 -0.024 -0.028 25.722 0.001

| | 8 0.022 0.019 27.264 0.001

| | 9 -0.005 -0.004 27.338 0.001

| | 10 0.032 0.032 30.668 0.001

| | 11 -0.027 -0.025 33.069 0.001

| | 12 0.051 0.048 41.461 0.000

| | 13 0.011 0.016 41.861 0.000

| | 14 -0.020 -0.014 43.111 0.000

| | | 15 -0.040 -0.040 48.488 0.000

| | 16 0,047 0,039 55,873 0,000

| | 17 -0.003 0.006 55.900 0.000

| | 18 -0.054 -0.051 65.566 0.000

| | 19 0.006 0.000 65.688 0.000

| | 20 0.013 0.004 66.214 0.000

| | 21 -0.053 -0.047 75.446 0.000

| | 22 0.025 0.015 77.560 0.000

| | 23 0.014 0.014 78.179 0.000

| | | 24 -0.009 -0.008 78.465 0.000

| | 25 -0.003 -0.005 78.490 0.000

| | 26 -0.024 -0.030 80.367 0.000

| | 27 0.018 0.022 81.400 0.000

| | | 28 -0.006 -0.007 81.522 0.000

| | 29 0.017 0.016 82.452 0.000

| | 30 0.008 0.013 82.657 0.000

| | | 31 -0.002 0.005 82.675 0.000

| | 32 0.010 0.004 83.006 0.000

| | | 33 -0.024 -0.025 84.980 0.000

*| | *| | 34 -0.083 -0.079 107.74 0.000

| | | 35 0.005 -0.011 107.82 0.000

| | | 36 0.022 0.014 109.37 0.000

Probabilidade de não haver correlação. Inicialmente existe alguma correlação, mas não significativa.


 
VNG:


Você pode me dizer mais sobre isso?

O algoritmo é declarado nesta frase

O Expert Advisor conta o número de joelhos Zig-Zag (não menos que Pips) e o guarda no arquivo

Desculpe, eu não olhei para o código, mas decorre desta frase que o número de passes para calcular o número de joelhos deve ser igual ao número de pips em um minuto TF da faixa de preço máximo ao longo da história.

Mais detalhes? gráficos e assim por diante? - Foi há muito tempo, e apenas uma conclusão especulativa sobreviveu. Fiquei satisfeito com isso porque corresponde, ao contrário da botânica numerológica, às idéias gerais sobre os processos no mercado - eles são diferentes em diferentes níveis. Em termos gerais, em níveis pequenos há uma tendência para "retornos" (que o HFT explora, e está envolvido na criação deste efeito), em níveis grandes há uma tendência para "tendências" (investimentos de longo prazo). Em algum lugar no meio está o que Pastukhov descreve como 2H - no meu entendimento algo semelhante ao martingale ou "mercado eficiente". O segundo ponto é que os limites de nível não são constantes, ou seja, é impossível traçar um gráfico e dizer que será sempre assim. A composição e a natureza dos proponentes está em constante mudança, portanto, tudo o resto muda de acordo. E assim por diante.
 
alexeymosc:
Os dados estão no anexo. Eu trabalhei com a série quantizada (extrema direita).

Reduza a janela. Grande janela - o teorema do limite começa a funcionar. Mas estamos entrando no mercado por um período de tempo limitado.

Janela=100. Gráfico:

ACF

Data: 10/14/12 Hora: 12:11

Amostra: 1 100

Observações incluídas: 99

Autocorrelação Correlação Parcial AC PAC Q-Stat Prob

.|. | .|. |. 1 0.001 0.001 3.E-05 0.996

.|. | .|. | 2 0.036 0.036 0.1371 0.934

|. | *|. | 3 -0.148 -0.148 2.4225 0.489

.|. | .|. | 4 -0.047 -0.048 2.6516 0.618

|. | *|. | 5 -0.132 -0.124 4.5037 0.479

.|* | |00 .|* |01 6 0,135 0,121 6,4763 0,372

|. | *|. | 7 -0.096 -0.109 7.4812 0.381

.|. | .|. | 8 0.023 -0.021 7.5395 0.480

|. | .|. | 9 -0.073 -0.050 8.1324 0.521

.|* | |00 .|* 10 0.105 0.083 9.3778 0.497

.|. | .|. |. 11 -0.018 0.002 9.4136 0.584

.|. | .|. | 12 0.034 -0.028 9.5449 0.656

.|. | .|* | 13 0.060 0.109 9.9605 0.697

.|. | .|. |. 14 0.062 0.049 10.418 0.731

.|. | .|. | 15 -0.053 -0.021 10.750 0.770

*|. | *|. | 16 -0.103 -0.132 12.038 0.741

.|. | .|. | 17 -0.036 0.018 12.196 0.788

|. | *|. | 18 -0.111 -0.103 13.712 0.748

.|. | .|. | 19 -0.028 -0.062 13.812 0.795

.|. | .|. | 20 0.030 -0.004 13.923 0.834

.|. | *|. | 21 -0.045 -0.087 14.187 0.861

.|. | .|. | 22 -0.008 -0.002 14.196 0.894

.|* | |00 .|* 23 0.124 0.076 16.219 0.846

.|. | .|. |. 24 0.021 0.014 16.280 0.878

.|. | .|. | 25 -0.025 -0.059 16.364 0.904

.|. | .|. | 26 0.041 0.069 16.591 0.921

.|. | .|. | 27 0.046 0.073 16.879 0.934

*|. | .|. | 28 -0.074 -0.062 17.640 0.935

.|. | .|. | 29 0,038 0,056 17,848 0,947

.|. | .|. | 30 -0.039 -0.010 18.071 0.957

.|. | .|. | 31 0.023 0.069 18.151 0.968

.|. | .|. | 32 -0.014 -0.015 18.179 0.976

.|. | .|. | 33 0.021 -0.030 18.245 0.982

.|. | .|. | 34 -0.041 -0.031 18.505 0.986

.|. | .|. | 35 -0.019 -0.038 18.559 0.990

.|. | .|. | 36 -0.029 -0.043 18.697 0.992

O quadro mudou drasticamente. A probabilidade de não haver correlação é muito alta.

Falta ser comparado com a TI. E descubra do que estamos falando.

 
Avals:

é diferente (na tabela getch)
Estou vendo. Bem, o que posso dizer - eu de alguma forma confio mais na Volatilidade H do que no getch. ;) Pelo menos com Pastukhov é claro de onde as pernas crescem e quais são as idéias.
1...6162636465666768697071727374
Novo comentário