样本相关性为零并不一定意味着没有线性关系 - 页 42

新评论
 

是的..."相关 "这个神奇的字眼误导了许多人。

相关性==概率上的依赖性。就是说，自我欺骗。寻找一种线性关系。

 
C-4: 对数将为你做什么？只有当一个系列的起点和终点在波动性和水平上相差太大时，才可以使用对数。也就是说，如果你要分析从1900年到2013年的道琼斯指数，你不能没有它，但在其他情况下不能使用它。

同样，这个主题似乎已经谈到了这个问题。

思考一下相关性的定义--简单地说，它是两个集合的关系。对于来自线性空间的集合，这种相关性可以通过向量的标量积来估计（相当于皮尔逊QC），例如，对于正交向量来说，这种相关性是符合逻辑的，即为零。对于不属于线性空间的集合，这种关系应该以不同的方式进行估计。这已经取决于空间的特点。作为例子，我们可以考虑其他相关系数。

如果读数是在一个相对的尺度上，而对于报价来说，它们是（显示一种货币比另一种货币 "更有价值 "的次数），那么将线性方法（标量积）"直接 "应用于原始数据是不正确的。对数将读数从相对刻度转移到区间刻度，在这里已经可以用皮尔逊质控法估计相同的相关性。

 
GaryKa:

同样，这个主题似乎已经谈到了这个问题。

思考一下相关性的定义--简单地说，它是两个集合的关系。对于来自线性空间的集合，这种相关性可以通过向量的标量积来估计（相当于皮尔逊QC），例如，对于正交向量来说，这种相关性是零，这是符合逻辑的。对于不属于线性空间的集合，这种关系应该以不同的方式进行估计。这已经取决于空间的特点。作为例子，我们可以考虑其他相关系数。

如果读数是在一个相对的尺度上，这就是报价的情况（显示一种货币比另一种货币 "更有价值 "的次数），那么将线性方法（标量积）"直接 "应用于原始数据是不正确的。对数将读数从相对刻度转移到区间刻度，在这里已经可以用皮尔逊质控法估计相同的相关性。


你能提供一个具体的例子，说明取对数会以一种关键的方式改变QC读数吗？请给我一个例子，原始序列给出的质控值接近于零，而它的对数却奇迹般地将质控值置于一个有意义的估计值。

到目前为止，让我们举一个例子。

根据不含对数的第一差值计算的黄金价格和未平仓合约之间的皮尔逊相关关系：0.1968

黄金价格和未平仓合约之间的皮尔逊相关关系计算为ln(Pi/Pi-1)：0.2067

现在，由于1%的差异，你可以高兴地大叫，并在每个角落说，没有对数就没有办法。

 
alsu:

相关矩阵的那种分布取决于两个系列的属性和它们之间的关系，也就是说，它不一定对所有可能的系列都是一样的......对SB来说是一个，对一些太阳耀斑来说是另一个...
这是对误差的一种衡量。如果分布如C-4所示，那么误差就会很大，得到与实际值较大偏差的概率几乎不存在。如果在真正独立的情况下，人们可以以相同的概率获得从-0.6到+0.6的相关性，那么这样一个指标的意义何在？
 
C-4: 你能提供一个具体的例子，说明取对数会以一种关键的方式改变QC读数吗？请给我一个例子，原始序列给出的质控值接近于零，而它的对数却奇迹般地将质控值置于一个有意义的估计值。

我会努力去做的。

C-4: 当你抓住一个例子时。
  • 以不含对数的第一差值计算的黄金价格和未平仓合约之间的皮尔逊相关关系：0.1968
  • 黄金价格和未平仓合约之间的皮尔逊相关关系计算为ln(Pi/Pi-1)：0.2067

现在，由于1%的差异，你可以高兴地大喊大叫，并在每个角落说，没有对数，你哪里也去不了。

我不计较第一次的差异......。十分之一）。

关于你的例子中的数据。

  • 原始数据的皮尔逊相关度为0.767687。
  • 原始数据的对数的皮尔逊相关度为0.819971。

似乎与视觉观察 有相当好的一致性。差异超过了5%。

附加的文件：
pirsononlogdata.zip  27 kb
 
GaryKa:

我会试着做一个。

我不计算第一次的差异......。十分之一也是......)

...

我们先来看看在普通价格系列上使用QC是否正确。到目前为止，我已经提供了数据，说I（1）上的QC不能被计算。
 
C-4:
我们先来看看在普通价格系列上使用QR是否正确。到目前为止，我已经提供了数据，说似乎无法计算出I（1）上的QC。

你在哪里看到过计算QC的规范性要求？再次，它是使用相关分析的要求。

一派胡言--QC只适用于正态分布的数值..........，事实证明，你无法计算出例如黄金 和白银报价之间的QC.........。

 
Demi:

你在哪里看到过计算QC的规范性要求？再次，这是使用相关分析的一个要求。

胡说八道--QC只适用于正态分布的数值..........。

正常与否与此有什么关系？同样，I(1)是I(0)形式的系列的连续和。I(0)是正常的增量，即回报。回报的类型并不重要。重要的是，QC只能根据回报计算，而不是根据价格本身。
 
C-4:
重要的是，质量控制只能算在产量上，而不是价格本身。

同样，为什么？
 
Demi:
同样，为什么？


因为。1.见上面的图片。

2.2.阅读Avals所写的内容。

阿瓦尔斯。
这是对误差的一种衡量。如果分布如C-4所示，则误差巨大，得到与实际值较大偏差的概率几乎没有减少。如果可以得到一个从-0.6到+0.6的相关性，并具有真正的独立性，那么这样一个指标的意义何在？

1...353637383940414243444546474849...60
新评论