引文中的依赖性统计（信息论、相关和其他特征选择方法）。 - 页 17 1...101112131415161718192021222324...74 新评论 TheXpert 2011.09.07 13:06 #161 Candid: 作为一种排除法，我建议简单地将增量与每日波动情况联系起来。 MQL的粗略代码--https://www.mql5.com/ru/forum/132692/page13 Mikhail Dovbakh 2011.09.07 13:10 #162 Candid: 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。 我非常抱歉。 但如果我们采用了 "正确 "的模式，那么 "错误 "的波动与它有什么关系呢？ :) Mikhail Dovbakh 2011.09.07 13:24 #163 我继续 "破坏性地 "论证独立检验等同于均匀分布 的检验。 而且没有 "非参数统计"--只有无效假设，教科书作者有时懒得解释......。 Alexey Burnakov 2011.09.07 13:51 #164 TheXpert: MQL的粗略代码--https://www.mql5.com/ru/forum/132692/page13 亲爱的专家! 有一个关于这台机器的问题。作为贬值的结果，所产生的收益系列的自相关（取模）是否接近于零？在滞后1和24的正常过程中，自相关约为0.11。 我当然可以自己检查，只是我试图自己对每日波动率曲线做一个修正，但自相关由于某种原因仍然....。而这是强依赖性的根源，这一点已经变得很清楚。 TheXpert 2011.09.07 14:00 #165 alexeymosc: 亲爱的专家! 不要这样叫我 :)TheXpert 是一个绰号，仅此而已，专家是一个特点。 作为贬值的结果，所产生的回报系列的自相关（取模）接近于零？ 我不知道，对我来说，每日平滑ATR是一个纯粹的实用工具，它并没有超出获得图表的范围，更紧迫的事情出现了。 所以你必须这样做:)。不一定接近，但从逻辑上讲，他们应该更接近。 Candid 2011.09.07 15:18 #166 avatara: 我非常抱歉。 但是，如果我们采用了 "正确 "的模式，"错误 "的波动与此有什么关系呢？ :) 是我走过了月亮还是你走过了月亮？:)为什么你的波动性是错误的，事实上，你错误的波动性与它有什么关系？你有权接受这个模型并认为它是正确的，但就作者的方法而言，任何模型都是外部的，他的方法中没有模型，也不可能有。当然，如果我理解正确的话 :) Mikhail Dovbakh 2011.09.07 15:25 #167 Candid: 是我走过了月亮还是你走过了月亮？:)为什么你的波动性是错误的，事实上，你错误的波动性与它有什么关系？你有权接受这个模型并认为它是正确的，但就作者的方法而言，任何模型都是外部的，他的方法中没有模型，也不可能有。当然，如果我理解正确的话 :) 我可以问吗？ 我们是否以同样的方式来理解独立性？即两个过程都属于同一个分布，而且应该是独立的。 但如果它们不一样呢？ 然后呢？ 因此，"不规则"。 :) Candid 2011.09.07 15:40 #168 avatara: 我可以问吗？ 我们是否以同样的方式来理解独立性？即两个过程都属于同一个分布，并且据称是独立的。 如果他们不一样呢？ 然后呢？ 因此，"不规则"。 :) 我没有时间这么快就适应了 :)。哪两个过程？可能有一百万个过程，它们的分布可能是什么，我们只看到总体结果。 波动性及其每日周期性只是一个可观察的事实，与任何模型都没有关系。因此，它总是正确的:)。 Mikhail Dovbakh 2011.09.07 15:48 #169 Candid:我没有时间这么快就适应了 :)。哪两个过程？可以有一百万个过程，它们的分布可以是任何它们想要的，我们只看到总体结果。波动性及其每日周期性只是一个可观察到的事实，这与任何模型都没有关系。因此，它总是正确的:)。 你有回报（而且阿列克谢声称它们在时间分布上几乎是拉普拉斯式的）。 现在，你要测试关于它们与先前数值的独立性的假设。 如果回报率的分布模式是均匀的--应用这里讨论的chi-squared是正确的...。 否则就不是了。 这就是我所说的。你必须通过拉普拉斯分布的频率来进行卡方检验。而不去想别的。 而波动性对股票数量敏感是一个事实。但原因是不同的。 而试图使之正常化--会模糊明显的切口。 越远（超过西格玛）--越是独立... ;) Avals 2011.09.07 16:05 #170 avatara: 你有回报（而且阿列克谢声称它们在时间分布上几乎是拉普拉斯式的）。 现在，你要测试关于它们与先前数值的独立性的假设。 如果收益的分布模式是均匀的，正确。否则就不是。这就是我所说的。 而波动性对股票-波动性敏感是一个事实。但原因是不同的。 而试图配给它--会模糊明显的切割。 越远（超过西格玛）--越是独立... ;) SV的分布方式不同，可以是依赖性的，也可以是独立性的。如果2个SV是独立的，那么独立随机变量的条件分布就等于其无条件分布。在一个SV的情况下，分布与以前的SV值无关：条件SV分布（同一SV的以前的值）等于无条件SV分布。 1...101112131415161718192021222324...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
作为一种排除法，我建议简单地将增量与每日波动情况联系起来。
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。
我非常抱歉。
但如果我们采用了 "正确 "的模式，那么 "错误 "的波动与它有什么关系呢？
:)
我继续 "破坏性地 "论证独立检验等同于均匀分布 的检验。
而且没有 "非参数统计"--只有无效假设，教科书作者有时懒得解释......。
MQL的粗略代码--https://www.mql5.com/ru/forum/132692/page13
亲爱的专家!
有一个关于这台机器的问题。作为贬值的结果，所产生的收益系列的自相关（取模）是否接近于零？在滞后1和24的正常过程中，自相关约为0.11。
我当然可以自己检查，只是我试图自己对每日波动率曲线做一个修正，但自相关由于某种原因仍然....。而这是强依赖性的根源，这一点已经变得很清楚。
亲爱的专家!
不要这样叫我 :)TheXpert 是一个绰号，仅此而已，专家是一个特点。
作为贬值的结果，所产生的回报系列的自相关（取模）接近于零？
我不知道，对我来说，每日平滑ATR是一个纯粹的实用工具，它并没有超出获得图表的范围，更紧迫的事情出现了。
所以你必须这样做:)。不一定接近，但从逻辑上讲，他们应该更接近。
我非常抱歉。
但是，如果我们采用了 "正确 "的模式，"错误 "的波动与此有什么关系呢？
:)
是我走过了月亮还是你走过了月亮？:)为什么你的波动性是错误的，事实上，你错误的波动性与它有什么关系？你有权接受这个模型并认为它是正确的，但就作者的方法而言，任何模型都是外部的，他的方法中没有模型，也不可能有。当然，如果我理解正确的话 :)
是我走过了月亮还是你走过了月亮？:)为什么你的波动性是错误的，事实上，你错误的波动性与它有什么关系？你有权接受这个模型并认为它是正确的，但就作者的方法而言，任何模型都是外部的，他的方法中没有模型，也不可能有。当然，如果我理解正确的话 :)
我可以问吗？
我们是否以同样的方式来理解独立性？即两个过程都属于同一个分布，而且应该是独立的。
但如果它们不一样呢？
然后呢？
因此，"不规则"。
:)
我可以问吗？
我们是否以同样的方式来理解独立性？即两个过程都属于同一个分布，并且据称是独立的。
如果他们不一样呢？
然后呢？
因此，"不规则"。
:)
我没有时间这么快就适应了 :)。哪两个过程？可能有一百万个过程，它们的分布可能是什么，我们只看到总体结果。
波动性及其每日周期性只是一个可观察的事实，与任何模型都没有关系。因此，它总是正确的:)。
我没有时间这么快就适应了 :)。哪两个过程？可以有一百万个过程，它们的分布可以是任何它们想要的，我们只看到总体结果。
波动性及其每日周期性只是一个可观察到的事实，这与任何模型都没有关系。因此，它总是正确的:)。
你有回报（而且阿列克谢声称它们在时间分布上几乎是拉普拉斯式的）。
现在，你要测试关于它们与先前数值的独立性的假设。
如果回报率的分布模式是均匀的--应用这里讨论的chi-squared是正确的...。
否则就不是了。 这就是我所说的。你必须通过拉普拉斯分布的频率来进行卡方检验。而不去想别的。
而波动性对股票数量敏感是一个事实。但原因是不同的。
而试图使之正常化--会模糊明显的切口。
越远（超过西格玛）--越是独立...
;)
你有回报（而且阿列克谢声称它们在时间分布上几乎是拉普拉斯式的）。
现在，你要测试关于它们与先前数值的独立性的假设。
如果收益的分布模式是均匀的，正确。否则就不是。这就是我所说的。
而波动性对股票-波动性敏感是一个事实。但原因是不同的。
而试图配给它--会模糊明显的切割。
越远（超过西格玛）--越是独立...
;)
SV的分布方式不同，可以是依赖性的，也可以是独立性的。如果2个SV是独立的，那么独立随机变量的条件分布就等于其无条件分布。在一个SV的情况下，分布与以前的SV值无关：条件SV分布（同一SV的以前的值）等于无条件SV分布。