样本相关性为零并不一定意味着没有线性关系 - 页 40

新评论
 

相关系数=0.766654

这都是在EXCEL中计算出来的。唯一的一点是，我从MT那里得到了黄金 的报价（我太懒了，没有在你那里手动将逗号数字转换成点数）

 

我又仔细检查了一下数据：我有点搞错了。首先，那里的比率不是根据未平仓利息计算的，而是根据黄金套期保值者的未平仓利息计算的，其次，我在数据的最后有3个OM的零值--这也可能有很大影响。总之，更新了比率。

皮尔逊：0.1968

斯皮尔曼：0.2135

Kendall: 0.1430.

正如你所看到的，它已经变得更好了。

 
Demi:

相关系数=0.766654

一切都在Excel中计算。唯一的一点是--我从MT那里拿了黄金引号（我太懒了，没能在你那里把逗号数字手动转换为点）。

你不能计算行数，只能计算首差。
 
为什么不呢？
 
Demi: 为什么不呢？

在这个主题中，大约有一半的帖子是专门讨论这个问题的（从这里 开始）。

我的观点：用皮尔逊相关系数估计相关，与用算术平均数估计期望值和用有效值估计方差类似，只对线性空间中的集合元素可以接受。否则，有必要对原始数据进行转换（例如，在价格时间序列的情况下，将测量值从绝对 相对尺度转换为区间尺度）或调整估计的公式。

 
GaryKa:

在这个主题中，大约有一半的帖子是专门讨论这个问题的（从这里 开始）。

我的观点：用皮尔逊相关系数估计相关，与用算术平均数估计期望值和用有效值估计方差相类比，只对线性空间的集合元素可以接受。否则，有必要对原始数据进行转换（例如，在价格时间序列的情况下，将测量值从绝对值转换为区间刻度）或调整估计的公式。

其实在这里。

Hafftar发布了两张图，并显示相关系数维度为0.00......这让我印象深刻，我重新计算了一下。但这位议员纠正了自己的说法。

P.S. 更简单，更简单，我们应该是....

 

C-4:

显然，计算时需要I(0)形式的第一个差值，因为在I(1)的情况下，我们是在埋伏，因为我们所处理的系列总是正的（价格总是大于零），但关于这一点也在后面。


呵，不明显。对于Pearson QC来说，序列是正数还是负数并不重要，重要的是是否存在协方差，即动态的相似性。不相关的第一次差分根本不意味着原始序列是不相关的。此外，通过采取这种非常不同的方式，皮尔逊所显示的线性相关因素正好被消除了。因此，所获得的结果没有任何不寻常之处，而结论是

1.正如你所看到的，I（1）系列根本无法使用。对于相关性不明显且非刚性功能的系列，相关系数是绝对无用的。

据称QC被高估的事实是绝对错误的：在计算中，过程是居中的（减去样本的平均值），所以QC可以是正的，也可以是负的。也就是说，在你的情况下，15%是一个完全现实的系数，这也是我在视觉上看图时要给出的系数。

 
alsu:

也就是说，在你的情况下，15%是一个完全现实的系数，这也是我从视觉上看图表所要给出的系数。

我确实同意这一点。

alsu。

呵，不明显。对于皮尔逊质量控制，序列是正数还是负数并不重要，重要的是是否存在协方差，即动态的相似性。不相关的第一次差分根本不意味着原始序列是不相关的。此外，通过采取这种非常不同的方式，皮尔逊所显示的线性相关因素正好被消除了。因此，获得的结果没有任何不寻常之处......。

好吧，那么为什么如果我们生成100个独立的BP(1)，并有不明显的正偏向（即大多数BP都在>0的区域），然后建立它们的相关矩阵，然后得到它们分布的直方图，在这个直方图上我们不会看到与正态分布共同的东西，但我们会看到这个。

我们可以看到，在10000个BP组合（100*100）中，有同样多的组合具有0.5和-0.5的关联性。也就是说，两个独立的、正的随机漫步在KK为0.0的情况下相互关联的概率与它们的KK等于从-1.0到+1.0的任何其他数字的概率相同。这意味着I(1)不能被使用。不知何故。

 

相关性的问题是在一个完全不同的层面上。

当QC被计算时，我们总是 得到一个数字。该算法不提供QC= NA值，即 "无值"。不是零，而是 "没有价值"。这就是为什么有可能得到kothir与土星环的相关性，同时与鼻子的问题相关。

质量控制应该只计算那些你从其内容中知道它们可能有关联的配对。至少是这样。而一般来说，需要有一个有意义的理由来证明这种联系的存在。在这种情况下，所得到的数字将被解释为对这一内容的定量衡量。

我对其余的计算的细微之处保持沉默。

 
faa1947:

相关性的问题是在一个完全不同的层面。

当QC被计算时，我们总是 得到一个数字。该算法不提供QC= NA值，即 "无值"。不是零，而是 "没有价值"。这就是为什么有可能得到kothir与土星环的相关性，同时与鼻子的问题相关。

质量控制应该只计算那些你从其内容中知道它们可能有关联的配对。至少是这样。而一般来说，需要有一个有意义的理由来证明这种联系的存在。在这种情况下，所获得的数字将被解释为对这一内容的定量衡量。

我对所有其他细微的计算都保持沉默。

这都是胡说八道。"潜在地连接 "这个世界上的一切。而墨西哥沿岸的海洋温度对法国的小麦产量有功能性影响。

相关系数也可以在没有因果关系的现象之间计算。问题是对这个系数的解释

1...333435363738394041424344454647...60
新评论