交易中的机器学习：理论、模型、实践和算法交易 - 页 2521

新评论
 
LenaTrap#:

让我再次解释我的结论。

对于一个随机行走过程的AFC的一般估计，有必要

- 采取尽可能大的样本（在我的例子中是10万个）。

- 使用规范化的数据

结论：皮尔逊系数为零，其他的都是根据样本估计过程的错误。

也就是说，随机行走过程没有任何的自相关。

它等于0。(0.0010599888334729966 )，其中0为实际自相关，0.00105为误差。

不！你不需要采取任何样品。你必须接受这个定义，并根据它来计算。

 
Aleksey Nikolayev#:

不！你不需要采取任何样品。你必须接受这个定义，并根据它来计算。

好吧，但这样一来，你就根本不用计算什么了，因为随机漫步原则上根本不可能有任何自相关，因为我自己创造了一个数字的随机数组，其生成与彼此之间没有任何关系。为什么会有一个我没有设置的关联？尽管如此，测试所产生的一系列数字，并确保这一点，同时检查你的估计方法和它们的有效性，是很有用的？

但是，是的，我们只是有不同的思维方式，你像一个学术数学家那样思考，而我使用计算机模拟，它们是解决问题的不同方法。

 
Aleksey Nikolayev#:

你是想用ACF的样本估计值来代替ACF。从定义ACF开始，而不是从现有的实现（样本）中近似地定义它。

例子。让Xi为白噪声。那么它的ACF=COV(Xj,Xk)/sqrt(COV(Xj,Xj)* COV(Xk,Xk))- 是两个指数j和k的函数，如果j==k，它等于1，当j！=k时，它等于0。
j和k是时间指数吗？我如何将其代入SB公式？）
 
Valeriy Yastremskiy#:
j和k是临时索引？

是的。

Valeriy Yastremskiy#:
而你如何将其代入SB公式？)

你需要计算COV(Yj,Yk)，其中Yn=X1+X2+...+Xn，其中Xi是白噪声。然后像上面的白噪声一样，计算ACF=COV(Yj,Yk)/sqrt(COV(Yj,Yj)*COV(Yk,Yk))。

 
Aleksey Nikolayev#:

是的。

你需要计算COV(Yj,Yk)，其中Yn=X1+X2+...+Xn，其中Xi是白噪声。然后按照上述白噪声的方法计算ACF=COV(Yj,Yk)/sqrt(COV(Yj,Yj)*COV(Yk,Yk))。

如果我理解正确的话，X1到Xj和X1到Xk的总和是被替换的。 如果有可能减少的话，那么Xj到Xk的总和仍然在公式中。
 
Valeriy Yastremskiy#:
如果我理解正确，X1到Xj和X1到Xk的总和是被替换的

是的。

Valeriy Yastremskiy#:
从Xj到Xk的总和仍然在公式中。

不，让j<k，那么COV(Yj,Yk)=COV(Yj,Yj+X(j+1)+...+Xk)=COV(Yj,Yj)+COV(Yj,X(j+1)+...+Xk)=...

 
Aleksey Nikolayev#:

乘法表也是一个公式。因此，你的说法应该被解释为：用你熟悉的公式交易是实用性，用不熟悉的公式交易是理论性）。

"乘法表在市场上的变化"，应该是这样解释的)
 
秘诀#:
"在市场上，乘法表正在发生变化"，应解释为)

应该是改成一个特殊的桌子，非常实用，而且完全保密）让我想起了斯特拉迪瓦里鼓的笑话)

 
秘诀#:
"在市场上，乘法表会发生变化"，应解释为)

几乎可以说，这些仪器是用来将第一个航天器送入太空的。在这个空间仪器上进行了许多计算）。

今天，年轻人不知道这到底是什么）。 roarl12

 
Aleksey Nikolayev#:

我猜是换了一张特殊的桌子，非常实用，而且是最高机密）让我想起了斯特拉迪瓦里鼓的笑话)

市场中的乘法表是非稳态的)
1...251425152516251725182519252025212522252325242525252625272528...3399
新评论