样本相关性为零并不一定意味着没有线性关系 - 页 5 123456789101112...60 新评论 hrenfx 2010.09.30 16:11 #41 Prival: 这是正确的做法。你必须弄清事情的真相。你不能直接批评他们。什么，比如说，同样是皮尔逊，你却没有应用。 我不在任何地方应用皮尔森。在MQL4中，它根本没有以正确的形式存在。现在我们有了。 这并不意味着皮尔森在撒谎。一个公式不会说谎，它只是一个公式...也许你只是想错误地应用它。或者你对它有太高的期望。皮尔逊与此无关，他很好，他写了这个公式，很多人都在使用它，谢谢你 当人们考虑相关性时--那是一件事。但是当他们开始谈论线性相关时--那就是另一回事了。有很多地方的人写道，所谓的零样本相关就是没有线性相关。这不仅是不正确的。这也是人们不理解线性相关的本质。例子线警告你不要相信我们的话。 Z.I.关于matkad.寻找它肯定是（AKF）.不幸的是，在这个Windows 7-ku不能把matkad.将很快被拆除.将把.可以发送一个个人文件.在那里我做了所有的检查。 请上传文件。 Андрей 2010.09.30 16:16 #42 谢尔盖，谢谢你注意我的评论:-)， ，以澄清：我写的是 "我如何解释 "自 相关 "一词:-)。 这种，你知道的，天真的做法--当你立即理解了 ，而你并不关心实际的意思。 :-) hrenfx 2010.09.30 16:17 #43 Prival: 再看一下公式https://ru.wikipedia.org/wiki/Автокорреляционная_функция ACF只取决于tau，取决于偏差，那里没有窗口。 如果你输入一个额外的变量N，这意味着对于同一个数据集，例如1 2 3 4 5 6 7 8 9，可能会出现不同的ACF，这取决于所选的N。这是不对的。一个数据集--一个ACF，另一个数据集--另一个ACF，等等。 基本错误。这个具有已知方差和期望值的随机变量的ACF是一个理论定义。 在实践中，它总是指的是一个样本。样本自相关是由样本大小（窗口）定义的。没有单一的西格玛，而是西格玛(t)和西格玛(t + Shift)。而样本自变量除以它们的乘积。 这一点的理解非常重要。 alsu。 一点点的识字。 另一个常见的误解是混淆了 "相关系数"（即s.v.之间随机关系的一个特征）和"样本 相关系数"（ 真实SC的一个估计值-- 许多可能的之一）的概念。事实上，这些是完全不同的事情，用一个来代替另一个是根本错误的。 Prival 2010.09.30 16:34 #44 hrenfx: 根本的错误。这种具有已知方差和期望值的随机变量的ACF是理论上的定义。 在实践中，它总是指的是一个样本。样本自相关是由样本大小（窗口）定义的。没有单一的西格玛，而是西格玛(t)和西格玛(t + Shift)。而样本自变量除以它们的乘积。 所以你想证明同一数据集可以有不同的ACF。顺便说一下，ACF也可以通过傅里叶变换来计算。我将很快安装Matcad，并准备所有计算ACF的方法（内置在Matcad中，通过傅里叶变换和通过指标中给出的公式）。 hrenfx 2010.09.30 16:43 #45 Prival: 即你想证明对于同一组数据.可以是不同的ACF.这是不正确的。顺便说一下，ACF也可以通过傅里叶变换来计算。我将很快安装Matcad，并准备所有计算ACF的方法（内置在Matcad中，通过傅里叶变换和通过指标中给出的公式）。 你对样本中的估计概念有一个根本的误解。 没有人知道欧元兑美元的真实方差和矩阵期望值。而你在进行计算时，好像你知道这些数量。而且你还通过线性回归 模型进行计算。 显然，自相关以及相关可以以指标的形式实现。这是一项资源密集型的任务，需要认真优化。不是20行的代码。 计算相关性（自动或整体）的另一个巨大的基本错误是使用金融工具价格的绝对值，而不是相对值。在计算价格系列的相关性之前，你必须先做对数。 Freelance 2010.09.30 16:48 #46 如果你解剖一排，你可以画出一个ACF的深渊。 一个人用帕森窗口或其他东西涉足平滑...... 另一个是减去一个线性回归。 还是你的意思是别的什么？ Фундаментальная ошибка. Эта АКФ случайной величины, у которой известна дисперисия и мат.ожидание - теоретическое определение. 在实践中，它总是指的是抽样。采样自相关是由样本大小（窗口）决定的。没有单一的西格玛，而是西格玛(t)和西格玛(t + Shift)。而样本自变量除以它们的乘积。 了解这一点非常重要。 你说的窗口是什么意思？样本量......？:о) 所以有很多关于分钟的时间序列。 ;) hrenfx 2010.09.30 16:53 #47 FreeLance: 你说的窗口是什么意思？样本量...？:о) 这是一个既定的概念。窗口是指连续的BP成员的数量，通过抽样来估计BP特征。 Prival 2010.09.30 16:55 #48 hrenfx: 你对样本中的估计概念有一个根本的误解。 没有人知道欧元兑美元的真实方差和矩阵期望值。而你在进行计算时，好像你知道这些数量。而且你还通过线性回归模型进行计算。 显然，自相关以及相关可以以指标的形式实现。这是一项资源密集型的任务，需要认真优化。而不是20行的代码。 而计算相关性（自相关或整体）的另一个基本错误--是使用金融工具价格的绝对值，而不是相对值。在计算价格序列的相关性之前，有必要做对数。 我担心你没有完全理解这一点。矩阵包中有一个内置函数。我不管它是什么，你可以对数或不对数。 输出是ACF。我会按照我的承诺去做，我会给你看，它们都是吻合的。 你可以仔细检查所有的东西。然后我们再谈，对的，错的。现在只是说说而已。 我这边有一个代码，在代码中的byes。我仔细检查了一下。但这对我来说非常重要。我做了所有的检查，我会把它张贴出来。不是为了向你证明什么。对我来说，最重要的是我真的从数学图表中得到了正确的答案。如果你发现一个错误，我会很高兴，真的。因为我所有的自适应算法都是基于ACF的，它们没有任何输入数据，一切都取自ACF。这就是为什么它对我如此重要... Freelance 2010.09.30 17:06 #49 hrenfx: 你对样本中的估价概念有一个根本性的 误解。 而计算相关性（自动或整体）的另一个巨大的基本 错误是使用金融工具价格的绝对值而不是相对值。在计算价格系列的相关性之前，人们应该做对数。 很多基本的错误... 难道你忘了，外汇在 "金融工具的价值 "中不能有零或无穷大？DDD 这里的价格几乎总是相对的。 这不是商品价格或股票曲线的问题。 ;) hrenfx 2010.09.30 17:10 #50 FreeLance: 难道你忘了，外汇的 "金融工具值 "不可能是零或无穷大？DDD 这里的价格几乎都是相对的。 这不是商品价格或股票市场曲线。 你正在被告知关于正确准备相关估计的价格BP。而且，金融工具属于哪个市场并不重要。这确实是根本。 必须明白，考虑欧元兑美元和美元兑日元的相关性而不考虑对数，是一个全球性的错误。 123456789101112...60 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
这是正确的做法。你必须弄清事情的真相。你不能直接批评他们。什么，比如说，同样是皮尔逊，你却没有应用。
我不在任何地方应用皮尔森。在MQL4中，它根本没有以正确的形式存在。现在我们有了。
这并不意味着皮尔森在撒谎。一个公式不会说谎，它只是一个公式...也许你只是想错误地应用它。或者你对它有太高的期望。皮尔逊与此无关，他很好，他写了这个公式，很多人都在使用它，谢谢你
当人们考虑相关性时--那是一件事。但是当他们开始谈论线性相关时--那就是另一回事了。有很多地方的人写道，所谓的零样本相关就是没有线性相关。这不仅是不正确的。这也是人们不理解线性相关的本质。例子线警告你不要相信我们的话。
Z.I.关于matkad.寻找它肯定是（AKF）.不幸的是，在这个Windows 7-ku不能把matkad.将很快被拆除.将把.可以发送一个个人文件.在那里我做了所有的检查。
谢尔盖，谢谢你注意我的评论:-)，
，以澄清：我写的是 "我如何解释 "自 相关 "一词:-)。
这种，你知道的，天真的做法--当你立即理解了
，而你并不关心实际的意思。
:-)
再看一下公式https://ru.wikipedia.org/wiki/Автокорреляционная_функция ACF只取决于tau，取决于偏差，那里没有窗口。
如果你输入一个额外的变量N，这意味着对于同一个数据集，例如1 2 3 4 5 6 7 8 9，可能会出现不同的ACF，这取决于所选的N。这是不对的。一个数据集--一个ACF，另一个数据集--另一个ACF，等等。
基本错误。这个具有已知方差和期望值的随机变量的ACF是一个理论定义。
在实践中，它总是指的是一个样本。样本自相关是由样本大小（窗口）定义的。没有单一的西格玛，而是西格玛(t)和西格玛(t + Shift)。而样本自变量除以它们的乘积。
这一点的理解非常重要。
一点点的识字。
另一个常见的误解是混淆了 "相关系数"（即s.v.之间随机关系的一个特征）和"样本 相关系数"（ 真实SC的一个估计值-- 许多可能的之一）的概念。事实上，这些是完全不同的事情，用一个来代替另一个是根本错误的。
根本的错误。这种具有已知方差和期望值的随机变量的ACF是理论上的定义。
在实践中，它总是指的是一个样本。样本自相关是由样本大小（窗口）定义的。没有单一的西格玛，而是西格玛(t)和西格玛(t + Shift)。而样本自变量除以它们的乘积。
所以你想证明同一数据集可以有不同的ACF。顺便说一下，ACF也可以通过傅里叶变换来计算。我将很快安装Matcad，并准备所有计算ACF的方法（内置在Matcad中，通过傅里叶变换和通过指标中给出的公式）。
即你想证明对于同一组数据.可以是不同的ACF.这是不正确的。顺便说一下，ACF也可以通过傅里叶变换来计算。我将很快安装Matcad，并准备所有计算ACF的方法（内置在Matcad中，通过傅里叶变换和通过指标中给出的公式）。
你对样本中的估计概念有一个根本的误解。
没有人知道欧元兑美元的真实方差和矩阵期望值。而你在进行计算时，好像你知道这些数量。而且你还通过线性回归 模型进行计算。
显然，自相关以及相关可以以指标的形式实现。这是一项资源密集型的任务，需要认真优化。不是20行的代码。
计算相关性（自动或整体）的另一个巨大的基本错误是使用金融工具价格的绝对值，而不是相对值。在计算价格系列的相关性之前，你必须先做对数。
如果你解剖一排，你可以画出一个ACF的深渊。
一个人用帕森窗口或其他东西涉足平滑......
另一个是减去一个线性回归。
还是你的意思是别的什么？
Фундаментальная ошибка. Эта АКФ случайной величины, у которой известна дисперисия и мат.ожидание - теоретическое определение.
在实践中，它总是指的是抽样。采样自相关是由样本大小（窗口）决定的。没有单一的西格玛，而是西格玛(t)和西格玛(t + Shift)。而样本自变量除以它们的乘积。
了解这一点非常重要。
你说的窗口是什么意思？样本量......？:о)
所以有很多关于分钟的时间序列。
;)
你说的窗口是什么意思？样本量...？:о)
你对样本中的估计概念有一个根本的误解。
没有人知道欧元兑美元的真实方差和矩阵期望值。而你在进行计算时，好像你知道这些数量。而且你还通过线性回归模型进行计算。
显然，自相关以及相关可以以指标的形式实现。这是一项资源密集型的任务，需要认真优化。而不是20行的代码。
而计算相关性（自相关或整体）的另一个基本错误--是使用金融工具价格的绝对值，而不是相对值。在计算价格序列的相关性之前，有必要做对数。
我担心你没有完全理解这一点。矩阵包中有一个内置函数。我不管它是什么，你可以对数或不对数。 输出是ACF。我会按照我的承诺去做，我会给你看，它们都是吻合的。 你可以仔细检查所有的东西。然后我们再谈，对的，错的。现在只是说说而已。 我这边有一个代码，在代码中的byes。我仔细检查了一下。但这对我来说非常重要。我做了所有的检查，我会把它张贴出来。不是为了向你证明什么。对我来说，最重要的是我真的从数学图表中得到了正确的答案。如果你发现一个错误，我会很高兴，真的。因为我所有的自适应算法都是基于ACF的，它们没有任何输入数据，一切都取自ACF。这就是为什么它对我如此重要...
你对样本中的估价概念有一个根本性的 误解。
而计算相关性（自动或整体）的另一个巨大的基本 错误是使用金融工具价格的绝对值而不是相对值。在计算价格系列的相关性之前，人们应该做对数。
很多基本的错误...
难道你忘了，外汇在 "金融工具的价值 "中不能有零或无穷大？DDD
这里的价格几乎总是相对的。
这不是商品价格或股票曲线的问题。
;)
难道你忘了，外汇的 "金融工具值 "不可能是零或无穷大？DDD
这里的价格几乎都是相对的。
这不是商品价格或股票市场曲线。
你正在被告知关于正确准备相关估计的价格BP。而且，金融工具属于哪个市场并不重要。这确实是根本。
必须明白，考虑欧元兑美元和美元兑日元的相关性而不考虑对数，是一个全球性的错误。