引文中的依赖性统计（信息论、相关和其他特征选择方法）。 - 页 69 1...62636465666768697071727374 新评论 Alexey Burnakov 2012.10.14 06:24 #681 faa1947: 结果是这样的。 一个非常奇怪的图表。 修剪过的。看起来，计算的准确性有限。 对了，我写的是，量化系列，这意味着回报已经四舍五入到小数点后2位，成为：0.01；0.02；0.03......。1,2.为了读取倒数信息，系列的量化是必要的。也就是说，每个量子都是字母表的一个符号。 接下来我读了你所统计的内容。 СанСаныч Фоменко 2012.10.14 06:26 #682 HideYourRichess: 我明白了。好吧，我能说什么呢--我在某种程度上相信N字比相信GETCH更多。;)至少在帕斯图霍夫那里，可以清楚地看到腿从哪里长出来，想法是什么。 还有，谁试过FARIMA（分体式集成系列）？ Alexey Burnakov 2012.10.14 06:27 #683 faa1947: 自相关 部分相关 AC PAC Q-Stat Prob | | 1 -0.059 -0.059 11.332 0.001 | | | 2 -0.053 -0.057 20.704 0.000 | | 3 0.025 0.019 22.820 0.000 | | 4 0.005 0.005 22.908 0.000 | | 5 -0.062 -0.059 35.486 0.000 | | | 6 0.007 -0.000 35.639 0.000 | | | 7 -0.038 -0.045 40.475 0.000 | | 8 0.032 0.030 43.845 0.000 | | 9 -0.007 -0.008 44.004 0.000 | | 10 0.025 0.026 46.003 0.000 | | | 11 -0.033 -0.032 49.674 0.000 | | 12 0.048 0.043 57.372 0.000 | | 13 0.002 0.006 57.382 0.000 | | 14 -0.032 -0.028 60.736 0.000 | | 15 -0.033 -0.033 64.288 0.000 | | 16 0.047 0.034 71.425 0.000 | | 17 -0.004 0.007 71.469 0.000 | | 18 -0.039 -0.037 76.462 0.000 | | 19 -0.004 -0.008 76.520 0.000 | | 20 0.017 0.004 77.426 0.000 | | | 21 -0.046 -0.040 84.377 0.000 | | 22 0.020 0.013 85.636 0.000 | | 23 0.006 0.006 85.767 0.000 | | 24 -0.010 -0.010 86.089 0.000 | | | 25 -0.001 -0.004 86.090 0.000 | | | 26 -0.022 -0.028 87.663 0.000 | | 27 0.025 0.031 89.677 0.000 | | | 28 -0.022 -0.028 91.250 0.000 | | 29 0.028 0.029 93.841 0.000 | | 30 0.009 0.011 94.135 0.000 | | 31 0.007 0.015 94.290 0.000 | | 32 0.004 0.001 94.350 0.000 | | | 33 -0.007 -0.009 94.501 0.000 *| | *| | 34 -0.092 -0.085 122.33 0.000 | | | 35 0.010 -0.006 122.66 0.000 | | | 36 0.008 0.003 122.89 0.000 最后一栏是相关的概率。零。 这个数据没有任何意义--失去了精确性。分析没什么，只是一个数字。 这不是一个废话的数字。这是一个从离散系列得到的结果。试试Close_Returns系列--它不是谨慎的。让我们看看是否可以将这两者进行比较。 СанСаныч Фоменко 2012.10.14 06:35 #684 alexeymosc: 这不仅仅是一个数字。这是一个从离散数列中得出的结果。那么，试着做一个Close_Returns系列--它是不谨慎的。让我们看看是否可以将这两者进行比较。 条款和开场白之间有什么区别？ 我吃过午饭就去做。 Alexey Burnakov 2012.10.14 06:36 #685 faa1947: 小丑和开瓶器之间有什么区别？ 我吃过午饭就去做。 祝您好胃口。 因为它是道琼斯指数，你知道它几乎一天到晚都有缺口吗？ Hide 2012.10.14 06:50 #686 faa1947: 有谁试过FARIMA（分层整合行）？ 不，谢谢，又是一种经济数字学方法。 [删除] 2012.10.14 07:00 #687 IgorM: hmm, did this - visually it looks like this: http://imglink.ru/pictures/14-10-12/6038b20b9bfbd1e06c08e649623cca4b.jpg http://imglink.ru/pictures/14-10-12/47b7615b511f6b8a6f3b638a2fcda38b.jpg 每个彩色的三角形是M1,M5到MN的相对于垂直线的TF，模拟观察者对历史的看法，历史的形式是高低极值/历史最大/最小的范围。 我把它以字母表的形式上传到Statistica，是的，有重复的部分/词，甚至是2-3个TF，但重复不是周期性的，重复的时间从2个月到几年都有。 我搞不清楚构造的算法。对于那些蠢货，我可以吗？ СанСаныч Фоменко 2012.10.14 07:42 #688 alexeymosc: 这不仅仅是一个数字。这是一个从离散数列中得出的结果。那么，试着做一个Close_Returns系列--它是不谨慎的。让我们看看是否可以将这两者进行比较。 我这里有一个困惑。我所做的一切与增量开局有关，我是在计算自己，而不是你给我的系列。 СанСаныч Фоменко 2012.10.14 07:43 #689 HideYourRichess: 不，谢谢，又是一种经济数字学方法。 哦，来吧。这是纯粹的赫斯特，你似乎也承认了这一点。 СанСаныч Фоменко 2012.10.14 07:48 #690 根据你的开场白。 图。 似乎与我的比例相符。 柱状图。 似乎是不同的。 ACF 日期: 10/14/12 时间: 13:48 样本：1 100 包括观察：100 自相关 部分相关 AC PAC Q-Stat Prob .|. .|. 1 0.003 0.003 0.0011 0.973 .|. .|. 2 0.044 0.044 0.2010 0.904 *|. | *|. | 3 -0.134 -0.134 2.0784 0.556 .|. .|. 4 -0.036 -0.037 2.2153 0.696 *|. | *|. | 5 -0.119 -0.109 3.7253 0.590 .|* | |00 .|* |01 6 0.115 0.104 5.1554 0.524 *|. | *|. | 7 -0.095 -0.102 6.1521 0.522 .|. .|. 8 0.007 -0.029 6.1581 0.630 *|. .|. 9 -0.067 -0.045 6.6632 0.672 .|* |00 .|* 10 0.108 0.087 7.9741 0.631 .|. .|. 11 -0.007 0.006 7.9799 0.715 .|. .|. 12 0.046 -0.008 8.2211 0.768 .|. .|* | |01 13 0.066 0.106 8.7253 0.793 .|. .|. 14 0.060 0.051 9.1477 0.821 .|. .|. 15 -0.043 -0.015 9.3658 0.858 *|. | *|. | 16 -0.101 -0.122 10.603 0.833 .|. .|. 17 -0.040 0.009 10.804 0.867 *|. | *|. | 18 -0.102 -0.089 12.106 0.842 .|. .|. 19 -0.034 -0.058 12.253 0.875 .|. .|. 20 0.026 0.002 12.336 0.904 .|. *|. 21 -0.045 -0.076 12.600 0.922 .|. .|. 22 -0.001 0.004 12.600 0.944 .|* | .|. | 23 0.110 0.070 14.204 0.921 .|. .|. 24 0.026 0.011 14.296 0.940 .|. .|. 25 -0.020 -0.050 14.348 0.955 .|. .|. 26 0.042 0.061 14.590 0.964 .|. .|* | 27 0.051 0.077 14.958 0.970 *|. | .|. | 28 -0.070 -0.060 15.652 0.971 .|. .|. 29 0.017 0.037 15.694 0.979 .|. .|. 30 -0.037 -0.002 15.889 0.984 .|. .|. 31 0.013 0.057 15.915 0.989 .|. .|. 32 -0.013 -0.014 15.941 0.992 .|. .|. 33 0.011 -0.038 15.960 0.995 .|. .|. 34 -0.041 -0.033 16.224 0.996 .|. .|. 35 -0.011 -0.027 16.244 0.997 .|. .|. 36 -0.017 -0.036 16.289 0.998 我认为几乎没有区别。因此，开场白的两个不同增量给出了相同的统计图。 Dependency statistics in quotes Any questions from newcomers I want to build 1...62636465666768697071727374 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
结果是这样的。
一个非常奇怪的图表。 修剪过的。看起来，计算的准确性有限。
对了，我写的是，量化系列，这意味着回报已经四舍五入到小数点后2位，成为：0.01；0.02；0.03......。1,2.为了读取倒数信息，系列的量化是必要的。也就是说，每个量子都是字母表的一个符号。
接下来我读了你所统计的内容。
我明白了。好吧，我能说什么呢--我在某种程度上相信N字比相信GETCH更多。;)至少在帕斯图霍夫那里，可以清楚地看到腿从哪里长出来，想法是什么。
自相关 部分相关 AC PAC Q-Stat Prob
| | 1 -0.059 -0.059 11.332 0.001
| | | 2 -0.053 -0.057 20.704 0.000
| | 3 0.025 0.019 22.820 0.000
| | 4 0.005 0.005 22.908 0.000
| | 5 -0.062 -0.059 35.486 0.000
| | | 6 0.007 -0.000 35.639 0.000
| | | 7 -0.038 -0.045 40.475 0.000
| | 8 0.032 0.030 43.845 0.000
| | 9 -0.007 -0.008 44.004 0.000
| | 10 0.025 0.026 46.003 0.000
| | | 11 -0.033 -0.032 49.674 0.000
| | 12 0.048 0.043 57.372 0.000
| | 13 0.002 0.006 57.382 0.000
| | 14 -0.032 -0.028 60.736 0.000
| | 15 -0.033 -0.033 64.288 0.000
| | 16 0.047 0.034 71.425 0.000
| | 17 -0.004 0.007 71.469 0.000
| | 18 -0.039 -0.037 76.462 0.000
| | 19 -0.004 -0.008 76.520 0.000
| | 20 0.017 0.004 77.426 0.000
| | | 21 -0.046 -0.040 84.377 0.000
| | 22 0.020 0.013 85.636 0.000
| | 23 0.006 0.006 85.767 0.000
| | 24 -0.010 -0.010 86.089 0.000
| | | 25 -0.001 -0.004 86.090 0.000
| | | 26 -0.022 -0.028 87.663 0.000
| | 27 0.025 0.031 89.677 0.000
| | | 28 -0.022 -0.028 91.250 0.000
| | 29 0.028 0.029 93.841 0.000
| | 30 0.009 0.011 94.135 0.000
| | 31 0.007 0.015 94.290 0.000
| | 32 0.004 0.001 94.350 0.000
| | | 33 -0.007 -0.009 94.501 0.000
*| | *| | 34 -0.092 -0.085 122.33 0.000
| | | 35 0.010 -0.006 122.66 0.000
| | | 36 0.008 0.003 122.89 0.000
这个数据没有任何意义--失去了精确性。分析没什么，只是一个数字。
这不是一个废话的数字。这是一个从离散系列得到的结果。试试Close_Returns系列--它不是谨慎的。让我们看看是否可以将这两者进行比较。
这不仅仅是一个数字。这是一个从离散数列中得出的结果。那么，试着做一个Close_Returns系列--它是不谨慎的。让我们看看是否可以将这两者进行比较。
条款和开场白之间有什么区别？
我吃过午饭就去做。
小丑和开瓶器之间有什么区别？
我吃过午饭就去做。
祝您好胃口。
因为它是道琼斯指数，你知道它几乎一天到晚都有缺口吗？
有谁试过FARIMA（分层整合行）？
hmm, did this - visually it looks like this:
http://imglink.ru/pictures/14-10-12/6038b20b9bfbd1e06c08e649623cca4b.jpg
http://imglink.ru/pictures/14-10-12/47b7615b511f6b8a6f3b638a2fcda38b.jpg
每个彩色的三角形是M1,M5到MN的相对于垂直线的TF，模拟观察者对历史的看法，历史的形式是高低极值/历史最大/最小的范围。
我把它以字母表的形式上传到Statistica，是的，有重复的部分/词，甚至是2-3个TF，但重复不是周期性的，重复的时间从2个月到几年都有。
我搞不清楚构造的算法。对于那些蠢货，我可以吗？
这不仅仅是一个数字。这是一个从离散数列中得出的结果。那么，试着做一个Close_Returns系列--它是不谨慎的。让我们看看是否可以将这两者进行比较。
不，谢谢，又是一种经济数字学方法。
根据你的开场白。
图。
似乎与我的比例相符。
柱状图。
似乎是不同的。
ACF
日期: 10/14/12 时间: 13:48
样本：1 100
包括观察：100
自相关 部分相关 AC PAC Q-Stat Prob
.|. .|. 1 0.003 0.003 0.0011 0.973
.|. .|. 2 0.044 0.044 0.2010 0.904
*|. | *|. | 3 -0.134 -0.134 2.0784 0.556
.|. .|. 4 -0.036 -0.037 2.2153 0.696
*|. | *|. | 5 -0.119 -0.109 3.7253 0.590
.|* | |00 .|* |01 6 0.115 0.104 5.1554 0.524
*|. | *|. | 7 -0.095 -0.102 6.1521 0.522
.|. .|. 8 0.007 -0.029 6.1581 0.630
*|. .|. 9 -0.067 -0.045 6.6632 0.672
.|* |00 .|* 10 0.108 0.087 7.9741 0.631
.|. .|. 11 -0.007 0.006 7.9799 0.715
.|. .|. 12 0.046 -0.008 8.2211 0.768
.|. .|* | |01 13 0.066 0.106 8.7253 0.793
.|. .|. 14 0.060 0.051 9.1477 0.821
.|. .|. 15 -0.043 -0.015 9.3658 0.858
*|. | *|. | 16 -0.101 -0.122 10.603 0.833
.|. .|. 17 -0.040 0.009 10.804 0.867
*|. | *|. | 18 -0.102 -0.089 12.106 0.842
.|. .|. 19 -0.034 -0.058 12.253 0.875
.|. .|. 20 0.026 0.002 12.336 0.904
.|. *|. 21 -0.045 -0.076 12.600 0.922
.|. .|. 22 -0.001 0.004 12.600 0.944
.|* | .|. | 23 0.110 0.070 14.204 0.921
.|. .|. 24 0.026 0.011 14.296 0.940
.|. .|. 25 -0.020 -0.050 14.348 0.955
.|. .|. 26 0.042 0.061 14.590 0.964
.|. .|* | 27 0.051 0.077 14.958 0.970
*|. | .|. | 28 -0.070 -0.060 15.652 0.971
.|. .|. 29 0.017 0.037 15.694 0.979
.|. .|. 30 -0.037 -0.002 15.889 0.984
.|. .|. 31 0.013 0.057 15.915 0.989
.|. .|. 32 -0.013 -0.014 15.941 0.992
.|. .|. 33 0.011 -0.038 15.960 0.995
.|. .|. 34 -0.041 -0.033 16.224 0.996
.|. .|. 35 -0.011 -0.027 16.244 0.997
.|. .|. 36 -0.017 -0.036 16.289 0.998