Статья призвана познакомить читателя с преобразованием Бокса-Кокса (Box-Cox Transformation). В статье кратко затрагиваются вопросы, связанные с его использованием и приводятся примеры, позволяющие оценить эффективность данного преобразования по отношению к случайным последовательностям и реальным котировкам.
根据这个公式,在一个趋势上,方差将是0,这是你想要的吗?
将不等于0,尝试替代值。 :)
让我们假设趋势是完美的,即每个柱子都有相同的增量。所以增量的图形是一条直线。那么,直线的方差会是多少?
让我们假设趋势是理想的,即每个柱子都有相同的增量。所以增量图是一条直线。那么直线的方差是多少呢?
是的,然后是零。
而在密度均匀 的增量上,方差是最大的。对于市场来说,这是--用其他鸟类的话来说--熵最大的时期,这时小、中、大增量都同样频繁。
.......................
因此,当经济学家说我们已经测量了,例如,一个工具的方差,他们的做法是:方差=sum((Xi - X^)^2) / (N - 1) 。
其中Xi是由其中一个公式计算的增量。
X^是有上限的X--现有样本中平均增量值的样本估计值
N - 1是样本量减去1。
而整个公式是对方差的无偏估计。
然后这些经济学家开始认为增量的密度是正常的,并试图做一个类似于:sqrt(方差)*sqrt(m)*1.96的事情。
其中,方差根是对标准差的估计,整个公式是对非正态系列的正态性后果的延伸,以获得95%概率的m个步骤中的价格差的极端极限的估计。当然,也会获得错误。
我希望我已经解释了大概。而原始的价格序列甚至在第一次近似时都不像一个正常的序列,与增量不同。
https://www.mql5.com/ru/articles/363
作者展示了相当可接受的增量样本与正常样本的近似度。不在一条直线上的点早就知道要处理了--大约7-10%的最大模数值被从样本中排除。那么即使是Kolmogorov的拟合优度标准(对分布形式非常敏感)也显示样本是正常的。至于被排除在外的数值,这些都是当前趋势被打破的点。这个方法的来源(我很久以前读过一些英文资料,我不记得在哪里了)基本上建议从趋势断点之间的点形成增量样本,这就是建议称为当前趋势的东西。
是的,然后是零。
而在密度均匀的增量上,方差是最大的。对于市场来说,这是--用其他鸟类的话来说--熵最大的时期,此时小、中、大的增量同样普遍。
在这个帖子中,第5节,趋势消除
https://www.mql5.com/ru/articles/363
作者展示了一个完全可以接受的增量样本的转化。不在一条直线上的点早就知道要处理了:它们被排除在样本之外,最大模数值约为7-10%。那么即使是Kolmogorov的拟合优度标准(对分布形式非常敏感)也显示了样本的正态性。至于被排除在外的数值,这些都是当前趋势被打破的点。这个方法的来源(我很久以前读过一些英文资料,我不记得在哪里了)基本上建议从趋势断点之间的点形成增量样本,这就是建议称为当前趋势的东西。
这里的命运真是逆转了。
我读到:"如此明显的'趋势性'的存在表明,首先要尝试排除一种趋势"。
仿佛你从月亮上掉下来。好像识别波浪很困难一样。分析以及随之而来的交易的主要问题是识别趋势。
这里的命运真是逆转了。
我读到:"存在如此明显的'趋势性',说明首先要尝试排除一种趋势"。
仿佛你从月亮上掉下来。好像识别波浪很困难一样。分析的主要问题,因此也是交易的主要问题,是识别趋势。
假设趋势是完美的,即在每个柱子上的增量是相同的。所以增量图是一条直线。那么直线的方差将是多少?
当我们试图应用统计学时,基石,基础,是该科学的一个特定工具的适用性问题。
你的例子不包含随机变量--一个常数。分散性仅指随机变量。在你的特定案例中,有一个统计学特有的结果:方差计算显示,常数,而不是随机数,被作为输入提供。
你这个例子的独特之处在于,结果是正确的,而且很容易解释。通常情况下,如果你不仔细论证使用 一个工具的可能性,如线性回归,将得到一个与现实无关的结果,因此在实践中完全无法使用:数字会,它们可以被看到(打地鼠可见),但在现实中,所有这些数字都不只是一个数字游戏。
以线性回归为例:一个标准的算法(不是自制的算法)计算回归系数,通常,最右边一栏会告诉我们,我们看到的回归系数是否真的存在。如果最右边一栏的数字是0.5(50%),那么可以肯定的是,打印出来的数字并不存在。如果是10%,那就只是这样,在迷雾中。但如果低于5%,那么这些数字就真的存在。而这只有在你事先设法证明应用这种线性回归的可能性的情况下才会被相信。