样本相关性为零并不一定意味着没有线性关系 - 页 26

[[删除]]

hrenfx:

这是 对一篇好文章 的深思熟虑的评论。

.....

现在你研究的前提很清楚了。我的理解是否正确，为了提高配对交易的效率，你已经决定尝试包括（调查包括在组合中的可能性）所有可交易的工具（正如在引用的论坛中所暗示的）？

[hrenfx]

Azerus:

现在我明白了你的研究背景。我的理解是否正确，为了提高配对交易的有效性，你决定尝试将所有的交易工具纳入组合（正如论坛中所暗示的那样）？

是的，只是我的自行车是基于对正确和错误方式的直觉理解。我是在写完之后才开始掌握数学基础的。

[[删除]]

hrenfx:

是的，只是我的自行车是基于对正确和错误方式的直觉理解。我是在写完之后才知道数学基础知识的。

在这里，我们来到了狗在洞中的位置.....

"根据这一理论，同一行业的 公司股票对外部背景的反应应该是相同的，除非它只直接影响到其中一个公司。"这是引用的文章中的一句话；文中重复了两次。你明白我强调的条件的含义吗？

[hrenfx]

看看这篇文章的发表日期和我的假。

如果金融工具之间存在相关性，假人就会发现并显示出来。而且，它并不关心这些公司是与同一行业有关还是与不同行业有关。

[[删除]]

hrenfx:

.........

如果金融工具之间存在关联性，该工具将找到并显示出来。而且，它并不关心这些公司是与同一行业有关还是与不同行业有关。

日期与此有什么关系？

本质上。

那么，让我们举个例子：有很多人；每个人都投掷一枚 "老鹰/大象 "硬币；100轮之后，我们看一下每个人的投掷结果记录，运用数学方法发现，比如说，T和P之间存在高度关联。(我们不讨论使用什么数学方法进行分析，但假设输出的数字显示了相互关系）。相应地，如果存在这种关系，那么你就可以安全地将下一个结果的预测P押在下一个结果T......。很明显，这样的推论是有缺陷的，因为P和T的结果之间没有因果关系。也就是说，我们不应该谈论相互关系/依赖，而应该谈论巧合（我将应用这种非数学术语）。而这意味着，在接下来的100次拍摄中，我们可能会发现完全没有任何数学上的依赖性证明（因此，赌局将无望输掉）......

"根据这一理论，同一行业的 公司的股票对外部背景的反应应该是相同的.... "这句话中的告诫意味着相同反应的因果关系是一个行业--作为股票的单一估值基础。如果我们发现石油公司的股票和c/x公司的股票有相同的反应，这将是一个简单的巧合。因此，当你说你不关心 "基础"（即已确定的相同运动的因果关系的存在）时，那么你的作品将仅仅显示今天存在的、明天可能不存在的数字（numberof coincidences）......为什么？因为这种相同的运动没有关联性....。

[hrenfx]

Azerus:

"根据这一理论，同一行业的 公司股票对外部背景的反应应该是相同的.... "这句话中的注意事项是指相同反应的因果联系是一个行业--作为单一股票的估值基础。如果我们发现石油公司的股票和c/h公司的股票有相同的反应，这将是一个简单的巧合。

如果你说的巧合是指明天这个链接可能会断掉，那么通过巧合你可以解释一切。以及同一行业的公司股票的联动。例如，至少看一下尤科斯事件之前和期间俄罗斯石油公司之间的关系。

因此，当你说你不关心 "基础"（即是否存在已确定的相同运动的因果关系）时，那么你的工艺将简单地显示今天存在的、明天可能不存在的巧合的数量/质量...为什么？因为这种相同的运动没有关联性....。

我们总是有一个有限的数据量来分析。因此，所发现的关联性明天可能就不灵了。而这是正常的。

另一件事是，你可以估计链接中的变化特征。例如，如果你看一下英镑兑美元、美元兑日元和英镑兑日元之间的线性关系如何变化，你会发现，无论你测量的是什么区间，线性关系在任何地方都是一样的。

随着时间的推移，关系越稳定，你就越能信任它（或不信任）。而如果在研究的纵向部分，老奶奶的血压和GBPJPY的行为之间有一个稳定的线性关系，那么如果有可能的话，我将使用这种关系。

你不能用100圈的硬币得出任何结论。至少做一万圈。然后应用Recycle，看到没有稳定的连接。

在产品说明中，有一节分析了其性能，并得出了简短的结论...

[[删除]]

hrenfx:

.........

而如果在研究的纵向部分，奶奶的血压和GBPJPY行为之间存在稳定的线性关系，那么如果有可能的话，我将使用这种关系。

........

为什么这么抽象？你可以使用测试器找到相交MAs的最佳参数，这将在很长的历史上给出美妙的结果；加上从价格和MAs之间的先验的线性关系将被揭示（不可能是其他的）；和去--圣杯 准备好了......:)

Banal fitting by history....只是你建议用一个臆造的 "回收 "来代替MA（操作原理不同，但概念方法相同）。

[hrenfx]

那么你就搞错了。你关于MAs的例子。

1. 让我们以一个星期的滑动窗口为例。
2. 总的研究时间间隔为一年。
3. 我们利用一年中的第一个星期，优化我们的TS的参数。我们拯救他们--V1。
4. 滑动窗口移动一个计数。例如，通过一栏M5。我们获得了第二周。
5. 在它上面我们做了第三步，得到了V2。
6. 就这样一直持续到年底。

结果我们得到了N个 优化参数 的值。现在让我们创建Matrix矩阵，其中第一行是V1，第二行是V2，以此类推。

这个矩阵的每一列（长度为N）将对应于优化期间的一个输入参数的变化。

我们研究这些栏目的性质。如果专栏成员表现稳定，一切都很好。否则就会很糟糕。

所以用你的例子，一切都会很糟糕。

虽然上面显示的识别TS稳定性的方法是通用的，但它不能适用于所有的TS，因为TS的数量是无限的。

回收的情况则不同，金融工具的数量是有限的。因此，找到稳定的情况是现实的。Recycle并不搜索稳定的情况，它只是一次在所有仪器上运行步骤1-6，找到Matrix 并将其和一些特征可视化。而且你给它分析的FI集越多，它给你的矩阵就越稳定。

在这样的矩阵中寻找稳定性要容易得多。

P.S. 我不可能用两句话来解释方法的不同，使其显而易见。

[[删除]]

hrenfx:

.........

考察这些栏目的性质。如果专栏成员表现稳定，一切都很好。否则，它就很糟糕。

因此，以你的MA为例，它将会很糟糕。

..........

是的，如果你用你的条件性例子，即奶奶的血压，一切都只是巧克力......:).....:)......:)

[hrenfx]

Azerus:
是的，如果你用你的条件性例子，即奶奶的血压，一切都只是巧克力......:).....:)......:)

只有在联结分析显示稳定的情况下。