引文中的依赖性统计(信息论、相关和其他特征选择方法)。 - 页 16 1...91011121314151617181920212223...74 新评论 Alexey Burnakov 2011.09.07 08:45 #151 而且我已经构思了进一步的研究(为有兴趣的人写,不是用公式化的语言骂人)。如果我们对波动率有依赖性(对H1的最近滞后期和周期性-24小时都有依赖性),那么为什么不对取模的收益率计算相同的相互信息(那将是纯波动率),然后从类似的(收益率为+-符号)中减去所得到的信息量。如果一切计算正确,那么我们就会在积压中出现标志依赖。这种情况已经可以与噪声时间序列 进行比较。 Avals 2011.09.07 08:56 #152 alexeymosc: 而且我已经构思了一个进一步的研究课程(为有兴趣的人写,而不是那些用公式语言骂人的人)。如果我们有波动性的依赖性(对最近的滞后期和周期性的依赖性--对H1来说是24小时),那么为什么不计算取模的回报的相同的相互信息(那将是纯粹的波动性),然后从类似的(回报是有+-符号的)中减去得到的信息量。如果一切计算正确,那么我们就会在积压中出现标志依赖。这种情况可以与噪声时间序列进行比较。 即使发现了一些非微不足道的东西,也会有一个正确应用公式的问题,最重要的是如何在实践中应用它。即兴趣是纯学术性的))))。 Sceptic Philozoff 2011.09.07 08:57 #153 avatara:但是,阿列克谢,你能不能更清楚地提出(使用你的表格)关于回报分布的什么假设与卡方估计相对应? 表面上看是 "棕色 "的,还是更酷的东西? 没有。在估计卡方关系时,没有发明关于分布的假设。事实证明,这是一个非参数化的标准。 Mikhail Dovbakh 2011.09.07 09:02 #154 Mathemat:没有。用chi-squared估计依赖性时,没有对分布作出假设。所以它是一个非参数标准。你说没有是什么意思? 你能写下要估计的依赖性吗? 也许在公式之后我就会明白了。或者你希望有一个均匀的 分布... ;) Alexey Burnakov 2011.09.07 09:02 #155 Avals: 即使发现了一些非微不足道的东西,也始终存在着公式的正确应用问题,最重要的是如何在实践中应用它。即兴趣是纯学术性的))))。 我认为预测实验的结果是主要的标准。如果很明显,TI的统计数据有帮助,那么一切都很好。当然,为了正确应用公式,我现在正在阅读有关文章。 Sceptic Philozoff 2011.09.07 09:46 #156 avatara: 你是什么意思,没有?你能写下估计的依赖性吗? 也许在配方之后,我就会有感觉了。或者你希望有一个均匀的分布... 不,一点也不,我告诉你真相。Hypotheses non fingo. 你有没有试过应用价值独立的卡方标准?几个月前我自己也不知道怎么做,但我就是做了。试试吧,那里没有什么困难。找到某个州外机构的matstat手册并阅读它。方法描述得越简单、越清楚,你就会越快地理解它。 实际上,有几个卡方标准。但我说的是评估值的独立性的那个。这个标准并不是根据先验的给定分布来评估的。它只在给定的显著性水平(通常是0.95或0.99)下测试两个变量的独立性假设。显著性水平越接近于1,结论就越可靠。 该标准的思想基础是两个数量的联合概率的通常公式。关于手指:如果对于任何可接受的X1,Y1,P(X=x1 &&Y=y1)=P(X=x1)*P(Y=y1),那么X和Y是独立的。反之亦然。而卡方计算,大致上是所有可能情况下偏离这一平等的加权和,并将其与某个边界值进行比较。如果得到的总和大于这个边界值,那么就不接受变量独立的假设(Null)。如果少于此数,则不拒绝 "空头假设"。 Mikhail Dovbakh 2011.09.07 09:59 #157 Mathemat: 完全没有,我跟你说的是实话。Hypotheses non fingo. 你有没有试过应用价值独立的卡方标准?几个月前我自己也不知道怎么做,但我就是做了。试试吧,那里没有什么困难。找到某个州外机构的matstat手册并阅读它。方法描述得越简单、越清楚,你就会越快地理解它。 事实上,有几个卡方的标准。但我说的是评估值的独立性的那个。它并不根据先验分布来评估独立性。它只测试在给定的显著性水平(通常是0.95或0.99)下两个值是独立的假设。显著性水平越接近于1,结论就越可靠。 该标准的思想基础是两个数量的联合概率的通常公式。关于手指:如果对于任何可接受的X1,Y1,P(X=x1 &&Y=y1)=P(X=x1)*P(Y=y1),那么X和Y是独立的。反之亦然。而卡方计算,大致上是所有可能情况下偏离这一平等的加权和,并将其与某个边界值进行比较。如果得到的总和大于这个边界值,那么就可以接受数值的依赖性假设。如果较少,则不拒绝独立的假说。 别傻了... 有人问你关于分布的假设,你昨天刚学过这种方法。 我坚持不懈地想知道--什么是无效假设?他们是独立的吗? Sceptic Philozoff 2011.09.07 10:03 #158 零--"回报是独立的"。这一点都不好笑,真的! 没有关于我测试的分布的假设!这是另一个卡方。而且我只测试了依赖性! 如果你想检查分配情况,请便。它是拉普拉斯的,具有相当的准确性。 Mikhail Dovbakh 2011.09.07 10:04 #159 Mathemat:零--"回报是独立的"。没有什么好笑的,真的!没有关于我测试的分布的假设!这是另一个卡方。而且我只测试了依赖性!如果你想测试分布,请便。它是拉普拉斯的,具有相当的准确性。好的。 让我们来看看。 --- 独立性的假设与均匀分布 或正态分布的假设相同吗? 这就是我想了解的情况。 然后再加上 "拉普拉斯式",一切都说得通了。 Candid 2011.09.07 12:58 #160 alexeymosc: 而且我已经构思了进一步的研究课程(为有兴趣的人写,不是用公式化的语言骂人)。如果我们对波动率有依赖性(对最近的滞后期的依赖性以及对H1的周期性-24小时),那么为什么不对取模的收益率计算相同的相互信息(那将是纯波动率),然后从类似的(收益率为+-符号)中减去获得的信息量。如果一切计算正确,那么我们就会在积压中出现标志依赖。这种情况已经可以与噪声时间序列进行比较。我可以用我自己的方式来表达吗? 因此,所选择的方法表明存在着依赖性。最明显的、合理的、肉眼可见的是每天的周期性波动。 因此,我研究的下一个逻辑步骤是尝试从数据中排除这种明显的、非常强烈的依赖关系,看看我们(你)的方法是否显示出其他依赖关系的存在。 作为一种排除法,我建议简单地将增量与日波动率曲线联系起来。 1...91011121314151617181920212223...74 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
而且我已经构思了一个进一步的研究课程(为有兴趣的人写,而不是那些用公式语言骂人的人)。如果我们有波动性的依赖性(对最近的滞后期和周期性的依赖性--对H1来说是24小时),那么为什么不计算取模的回报的相同的相互信息(那将是纯粹的波动性),然后从类似的(回报是有+-符号的)中减去得到的信息量。如果一切计算正确,那么我们就会在积压中出现标志依赖。这种情况可以与噪声时间序列进行比较。
即使发现了一些非微不足道的东西,也会有一个正确应用公式的问题,最重要的是如何在实践中应用它。即兴趣是纯学术性的))))。
但是,阿列克谢,你能不能更清楚地提出(使用你的表格)关于回报分布的什么假设与卡方估计相对应?
表面上看是 "棕色 "的,还是更酷的东西?
没有。在估计卡方关系时,没有发明关于分布的假设。事实证明,这是一个非参数化的标准。
没有。用chi-squared估计依赖性时,没有对分布作出假设。所以它是一个非参数标准。
你说没有是什么意思?
你能写下要估计的依赖性吗?
也许在公式之后我就会明白了。或者你希望有一个均匀的 分布...
;)
即使发现了一些非微不足道的东西,也始终存在着公式的正确应用问题,最重要的是如何在实践中应用它。即兴趣是纯学术性的))))。
你能写下估计的依赖性吗?
也许在配方之后,我就会有感觉了。或者你希望有一个均匀的分布...
不,一点也不,我告诉你真相。Hypotheses non fingo.
你有没有试过应用价值独立的卡方标准?几个月前我自己也不知道怎么做,但我就是做了。试试吧,那里没有什么困难。找到某个州外机构的matstat手册并阅读它。方法描述得越简单、越清楚,你就会越快地理解它。
实际上,有几个卡方标准。但我说的是评估值的独立性的那个。这个标准并不是根据先验的给定分布来评估的。它只在给定的显著性水平(通常是0.95或0.99)下测试两个变量的独立性假设。显著性水平越接近于1,结论就越可靠。
该标准的思想基础是两个数量的联合概率的通常公式。关于手指:如果对于任何可接受的X1,Y1,P(X=x1 &&Y=y1)=P(X=x1)*P(Y=y1),那么X和Y是独立的。反之亦然。而卡方计算,大致上是所有可能情况下偏离这一平等的加权和,并将其与某个边界值进行比较。如果得到的总和大于这个边界值,那么就不接受变量独立的假设(Null)。如果少于此数,则不拒绝 "空头假设"。
完全没有,我跟你说的是实话。Hypotheses non fingo.
你有没有试过应用价值独立的卡方标准?几个月前我自己也不知道怎么做,但我就是做了。试试吧,那里没有什么困难。找到某个州外机构的matstat手册并阅读它。方法描述得越简单、越清楚,你就会越快地理解它。
事实上,有几个卡方的标准。但我说的是评估值的独立性的那个。它并不根据先验分布来评估独立性。它只测试在给定的显著性水平(通常是0.95或0.99)下两个值是独立的假设。显著性水平越接近于1,结论就越可靠。
该标准的思想基础是两个数量的联合概率的通常公式。关于手指:如果对于任何可接受的X1,Y1,P(X=x1 &&Y=y1)=P(X=x1)*P(Y=y1),那么X和Y是独立的。反之亦然。而卡方计算,大致上是所有可能情况下偏离这一平等的加权和,并将其与某个边界值进行比较。如果得到的总和大于这个边界值,那么就可以接受数值的依赖性假设。如果较少,则不拒绝独立的假说。
别傻了...
有人问你关于分布的假设,你昨天刚学过这种方法。
我坚持不懈地想知道--什么是无效假设?他们是独立的吗?
零--"回报是独立的"。这一点都不好笑,真的!
没有关于我测试的分布的假设!这是另一个卡方。而且我只测试了依赖性!
如果你想检查分配情况,请便。它是拉普拉斯的,具有相当的准确性。
零--"回报是独立的"。没有什么好笑的,真的!
没有关于我测试的分布的假设!这是另一个卡方。而且我只测试了依赖性!
如果你想测试分布,请便。它是拉普拉斯的,具有相当的准确性。
好的。
让我们来看看。
---
独立性的假设与均匀分布 或正态分布的假设相同吗?
这就是我想了解的情况。
然后再加上 "拉普拉斯式",一切都说得通了。
而且我已经构思了进一步的研究课程(为有兴趣的人写,不是用公式化的语言骂人)。如果我们对波动率有依赖性(对最近的滞后期的依赖性以及对H1的周期性-24小时),那么为什么不对取模的收益率计算相同的相互信息(那将是纯波动率),然后从类似的(收益率为+-符号)中减去获得的信息量。如果一切计算正确,那么我们就会在积压中出现标志依赖。这种情况已经可以与噪声时间序列进行比较。
我可以用我自己的方式来表达吗?
因此,所选择的方法表明存在着依赖性。最明显的、合理的、肉眼可见的是每天的周期性波动。
因此,我研究的下一个逻辑步骤是尝试从数据中排除这种明显的、非常强烈的依赖关系,看看我们(你)的方法是否显示出其他依赖关系的存在。
作为一种排除法,我建议简单地将增量与日波动率曲线联系起来。