Bir FOREX grafiğini bir PRNG'den nasıl ayırt edebilirim? - sayfa 28

 
Mathemat :

Bunu senden duymak garip. Sıralamanın gerçekten hiçbir şekilde mutlak değerleri dikkate almadığına gerçekten inanıyor musunuz?

Parametrik olmayan yöntemler için temel gereksinim, "gürültü" ve dağılımlara (özellikle yağ kuyruklarına) karşı sağlamlıktır. Bunun uğruna, genellikle yanıltıcı ve yanıltıcı olduğu ortaya çıkan doğruluğu biraz feda edebilirsiniz.

Bu hesaplama, seçilen istatistiksel sıralama ölçüsüne (bir tür işlevsel) bağlıdır, bu nedenle küçük örneklerde Spearmann, Kendal ve Hoefding için katsayılar farklı değerler gösterecektir. Ve ne kullanmalı? Eğilim destek fonksiyonunun türü ve sırası gibi değer üreten sistemin farklı destekleri için şu veya bu ölçü en iyi olacaktır. Evet, parametrik olmayan bir yöntem QC'ye yaklaşık olabilir, ancak bu korelasyonun türü bilinmiyorsa gerekli midir? Parametrik olmayan QC'ler, onları ölçmek için seçilen ölçülerin yalnızca gözlemlerin monotonik dönüşümlerine karşı duyarsız olması anlamında parametrik değildir, ki bu piyasada da her zaman böyle değildir. Sürüklenen SB, sıraların genellikle ani monoton olmayan permütasyonunu sağlar.

Buna karşılık, lineer QC, neyin uygulanabilir olduğu konusunda net olan bir değer verir.

Alexey, karşılıklı olarak ters oldukları için uzun kuyruklar ve kalın kuyruklar kavramlarını tanımlayalım ve ayırt edelim. Araştırmalarıma göre piyasada uzun kuyruklu dağıtım yok.

 
-Aleksey- : Alexey, uzun kuyruk ve kalın kuyruk kavramlarını tanımlayalım ve birbirinden ayıralım, çünkü bunlar birbirinin tersidir. Araştırmalarıma göre piyasada uzun kuyruklu dağıtım yok.
Google'da :

Herhangi bir fark görmedi. Burnunu dürt ki nerede yanıldığımı anlayabileyim.

Evet, parametrik olmayan bir yöntem QC'ye yaklaşık olabilir, ancak bu korelasyonun türü bilinmiyorsa gerekli midir?

Kimse parametrik olmayan yöntemlerin tüm sorunları çözdüğünü söylemez. Ancak çoğu zaman tahminleri parametrik tahminlerden daha yeterlidir - tam da korelasyon türü bilinmediğinde.

Araştırmalarıma göre piyasada uzun kuyruklu dağıtım yok.
Getiri dağılımına bir göz atın. Üstel bir yasa ile oldukça doğru bir şekilde yaklaştırılır, yani. şişman kuyruklu yasa.
 

Kuyruk uzunsa, incedir. İstisna, üçgen dağılım ve benzerleridir (yamuklar). Ve tam tersi. Ve uzun ince kuyruklara kalın diyorsanız, bu kafa karıştırıcıdır, çünkü. kalın olanlar genellikle kısadır. Bu IMHO, Google'dan değil.

Buradaki bütün soru, dağıtımın ne olduğudur. Klasik teori, bu kavramın açık bir şekilde tanımlanmasına izin vermez (dahası, kişinin onu inşa etmesine bile izin vermez), bu yüzden onu kullanmıyorum. Benim yaklaşımım, hatanın ölçüsünü belirleyen bir uzayda yarı-durağan bir dağılımın evrimi.

 
-Aleksey- : Buradaki bütün soru, dağıtımın ne olduğu. Klasik teori, bu kavramın açık bir şekilde tanımlanmasına izin vermez (dahası, kişinin onu inşa etmesine bile izin vermez), bu yüzden onu kullanmıyorum. Benim yaklaşımım, hatanın ölçüsünü belirleyen bir uzayda yarı-durağan bir dağılımın evrimi.
İnceliklerde o kadar iyi değilim. Konuşma başka bir şey hakkındaydı - parametrik olmayan yöntemler hakkında ve genellikle parametrik olanlardan daha yeterli oldukları ortaya çıktı - özellikle de dağılım bilinmiyorsa. Tam olarak değil, ama daha uygun.
 
Mathemat :
İnceliklerde o kadar iyi değilim. Konuşma başka bir şey hakkındaydı - parametrik olmayan yöntemler hakkında.
Ve onlar hakkında ne söyleyebiliriz, tüm bu katsayılar. sıraların monotonik olmayan permütasyonlarına karşı farklı hassasiyete sahipler, farklı görünüyorlar. Onlardan bir demet oluşturabilirsiniz. Ancak bilinmeyen bir korelasyon türüyle ne seçileceği bilinmiyor.
 
faa1947 :
Gerçekten AlexEro değil   matlab hakkında doğru mu? Sonuçta, kutsal bir şey, gökyüzünde parlıyor, ücretli, çılgın para .....

Matkad'ın suçu yok, düşüşün neden elde edildiğini zaten yukarıda yazdım.

Bir kez daha, AlexEro, düşüş aslında lcorr'u cos(w*i)'den (sayı ekseninin her iki tarafında süresiz olarak devam eden bir fonksiyon) değil, cos(w*i)*[h'den hesaplamanız gerçeğinden kaynaklanmaktadır. (i ) - h(100-i)] , burada h(t) Heaviside işlevidir (tek adım). Kontrol etmenin kolay bir yolu: Ne kadar çok sinüzoid örneği belirtirseniz, azalma o kadar az olur. Kontrol etmenin zor bir yolu: lcorr formülünde belirtilen ifadeyi açıkça değiştirin ve bir üçgen elde edin.

 
-Aleksey- :

Kuyruk uzunsa, incedir.


TV'de her şey yolunda, zoolojideki gibi değil: kuyruk uzunsa kalındır)). Her şey grafiğin altındaki alanın 1 ile normalleştirilmesiyle ilgilidir, yani "kuyruk" olasılığın bir kısmını merkez alandan dışarı pompalar. Genel olarak, "kalın" (veya isterseniz "uzun") ile bağlama bağlı olarak farklı anlamlara gelirler - bunlar Gauss dağılımından daha yavaş azalan dağılımlar veya sonsuz varyanslı dağılımlar veya benzerleri olabilir.

 
alsu :

Matkad'ın suçu yok, düşüşün neden elde edildiğini zaten yukarıda yazdım.

Bir kez daha, AlexEro, düşüş aslında lcorr'u cos(w*i)'den (sayı ekseninin her iki tarafında süresiz olarak devam eden bir fonksiyon) değil, cos(w*i)*[h'den hesaplamanız gerçeğinden kaynaklanmaktadır. (i ) - h(100-i)], burada h(t) Heaviside işlevidir (tek adım). Kontrol etmenin kolay bir yolu: Ne kadar çok sinüzoid örneği belirtirseniz, azalma o kadar az olur. Kontrol etmenin zor bir yolu: lcorr formülünde belirtilen ifadeyi açıkça değiştirin ve bir üçgen elde edin.

(Profesör Preobrazhensky'nin yorgun sesiyle)

"Pardon, kim kimin üzerinde duruyordu?"


Afedersiniz, "Heaviside işlevinin penceresini nerede değerlendirebilirim"? Göster bana, lütfen burnunla dürt beni.

Kahretsin, burada Allochka'ya dönüşeceğim. Bu bir çeşit komplo, sabotaj.

Matlab'ın orada ne düşündüğü umurumda değil.

Fizikçilerin Fortran'da nasıl program yaptıkları umurumda değil.

Matlab dış kaynaklı bir programcının kafasında ne olduğu umurumda değil.

Bir matematik şirketinde görev yöneticisi olan kafayı sıyırmış bir Hindu programcının kafasında ne olduğu ve otokorelasyonun orada nasıl "doğru" programlanması gerektiği konusunda tam olarak ne düşündüğü ve taşlanmış "doğruluğuna" inandığı umrumda değil. numunelerin segmentinin sonundaki okuma eksikliğinin, tüm otokorelasyonu ortadan kaldıran TÜM KESİNTİ ÜZERİNDEKİ Heaviside penceresiyle "telafi edilmesi" gerektiğidir.

Bu umurumda değil. Matlab kullanmıyorum, hiç kullanmadım ve kullanmayı düşünmüyorum. Matlab'dan alıntıladığım çizimler Privalova'dır, orada da link verdim.

Tartışmayı nasıl bu kadar çarpıtabiliyorsunuz anlamıyorum. Bu bir tartışma değil, bu Sovyet demagojisidir. Otokorelasyonun tanımından bahsediyorum, bu kavramın anlamı hakkında, herhangi bir otokorelasyon algoritmasının doğruluğunu kontrol etmek için teorik TEMELLERİ ve basit kuralları gösteriyorum, Matlab ve Privalov'un otokorelasyon dampinginin ilk okumadan itibaren başladığını gösteriyorum, ve " Bence bu bir Heaviside penceresi" gördüğünüz için GÜLENECEĞİM dedikleri bir açıklama ile karşı karşıyayım. bana göre iddialarımı yap!


Kahretsin, burada neden bahsettiğimi anlayan en az bir kişi var mı? Ay!

 
AlexEro :

Kahretsin, burada neden bahsettiğimi anlayan en az bir kişi var mı? Ay!

Orada. Peki, söz verdi, söz verdi!

not Neden "Gösterge Nedir" şubesine gitmiyorsunuz ??? Belki bir yıl içinde mantıklı bir şeyler yazabilirsin ...

 

Alex GÖSTERGE'nin ne olduğunu düşünürken, herkese bir soru - GÜMÜŞ ve ALTIN olmak üzere iki seçenek var. Günlük veriler, 420 gözlem.

Spearman'ın QC'si 0,52'dir, sıra korelasyon katsayısı istatistiksel olarak anlamlıdır ve iki testteki puanlar arasındaki sıralama korelasyonu önemlidir.

Pearson'ın KK - 0.64.

Ne olmuş? doğrudan korelasyon. Pratik sonuç?