引文中的依赖性统计(信息论、相关和其他特征选择方法)。 - 页 73 1...666768697071727374 新评论 СанСаныч Фоменко 2012.10.14 16:39 #721 alexeymosc: 说得好!我们,阿列克谢,赞成市场的低效率。而且我们已经有实际的结果表明了这一点,但通过经典的统计-计量方法的棱镜 是看不到的。 关于你的结果,你忽略了我的帖子。 随它去吧。但是。 古典的ACF知道在哪里坚持,不是我一个人,而是几百万人。去趋势后的ACF很少产生大于10的依赖性,如果是这样,更可能不是定性的趋势。然而,如果依赖关系仍然存在,并且滞后期的数量超过40(在你的图片中为135),那么它意味着具有分数积分的模型(FARIMA)。那么从你的非经典 方法中可以看出什么?当检测到信息依赖性时,会有哪些模式? Alexey Burnakov 2012.10.14 16:45 #722 faa1947:可能是。任何置信区间听起来都是这样的:在5%的水平上(例如),无效假设得到(不)证实。 你的无效假设听起来如何?置信区间在哪里? 等等。如果ACF对我来说是一个可以理解的东西,那么你的图就不可以理解。如果最大是2.098比特,那么就不应该讨论0.05/2.098。而行文开头的问题并没有被删除。顺便问一下,你是根据什么来计算ACF的? 关于我计算的ACF--我写道。关于附件中的数据,只是我取了整行的数据,而不是像你那样取100个点。顺便说一下,我不明白为什么你必须要取100个数据点。这还不够,IMHO。 关于置信区间。我的结果听起来是这样的:在0.01的水平上,在随机序列和源序列上,空条和滞后期之间的相互信息统计量 没有差异的 零假设没有被证实。 对不起,我没有马上回答。我只是忘了,有点忙。 [删除] 2012.10.14 16:48 #723 我的理解是否正确,这里考虑的是线性序列的acf?还有,是否有可能转向分布图与系列长度增加相关的概念? СанСаныч Фоменко 2012.10.14 16:49 #724 alexeymosc: 我用来计算ACF的东西--我把它写下来了。关于附件中的数据,只是我取了整行的数据,而不是像你那样取100个点。顺便说一下,我不明白为什么你必须要取100个数据点。这还不够,IMHO。 关于置信区间。我的结果听起来是这样的:在0.01的水平上,在随机序列和源序列上,空条和滞后期之间的相互信息统计量 没有差异的 零假设没有被证实。 谢谢你,你让我完全明白了。 Alexey Burnakov 2012.10.14 16:51 #725 faa1947: 谢谢你,你让我完全明白了。 不客气。这是我文章的主要信息。我在最后专门进行了一个测试:Kolmogorov-Smirnov和Mann-Whitney U-test--对于没有指定分布类型的样本。两次测试都表明,无效假设没有被证实。如何解释这个问题是一个更广泛的话题。 СанСаныч Фоменко 2012.10.14 16:54 #726 alexeymosc: 请。这是我文章的主要信息。我特别在最后对没有说明分布类型的样本进行了Kolmogorov-Smirnov和Mann-Whitney U检验。两次测试都表明,无效假设没有被证实。如何解释这个问题是一个更广泛的话题。 那么,测试和ACF到底是怎么来的? Alexey Burnakov 2012.10.14 17:02 #727 faa1947: 那么,测试和ACF到底是怎么来的? 啊,现在我明白了这个问题。统计学。 СанСаныч Фоменко 2012.10.14 17:03 #728 alexeymosc: 啊,现在我明白了这个问题。统计学。 接下来的倒数第二步是EViews,然后最后一步是R。 Alexey Burnakov 2012.10.14 17:10 #729 faa1947: 接下来的倒数第二步是EViews,然后最后一步是R。从你那里已经听说了很多关于EViwes的事情,我会试一试。R--也听说过,甚至见过。有时间的话,我也会试一试。我在一个医学论坛上读到,不幸的是,有时不同的程序对测试的计算结果是不同的。 和Excel一般--甚至PRNG的质量,与Statistica不同。我自己也观察到正态分布钟的平滑度的差异。 Alexey Burnakov 2012.11.05 11:52 #730 当我有时间的时候,我想在这个话题上做这件事。通过与私人自相关的类比(中间滞后期的影响被切断),使得在计算相互信息时切断中间滞后期的影响。下面是一个例子。这是欧元兑美元H1的波动率的自相关(模数),深度达480滞后。而这就是部分自相关的图表的样子--也就是说,中间滞后期(虚假相关)的影响已经被消除。你可以看到,很多关联性一下子就被切断了。在这里,我想做一件类似的事情,只是针对一系列带符号的回报。至少它可以看到到哪一栏真的有一个记忆。 1...666768697071727374 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
说得好!我们,阿列克谢,赞成市场的低效率。而且我们已经有实际的结果表明了这一点,但通过经典的统计-计量方法的棱镜 是看不到的。
关于你的结果,你忽略了我的帖子。
随它去吧。但是。
古典的ACF知道在哪里坚持,不是我一个人,而是几百万人。去趋势后的ACF很少产生大于10的依赖性,如果是这样,更可能不是定性的趋势。然而,如果依赖关系仍然存在,并且滞后期的数量超过40(在你的图片中为135),那么它意味着具有分数积分的模型(FARIMA)。那么从你的非经典 方法中可以看出什么?当检测到信息依赖性时,会有哪些模式?
可能是。
任何置信区间听起来都是这样的:在5%的水平上(例如),无效假设得到(不)证实。
你的无效假设听起来如何?置信区间在哪里? 等等。如果ACF对我来说是一个可以理解的东西,那么你的图就不可以理解。如果最大是2.098比特,那么就不应该讨论0.05/2.098。而行文开头的问题并没有被删除。
顺便问一下,你是根据什么来计算ACF的?
关于我计算的ACF--我写道。关于附件中的数据,只是我取了整行的数据,而不是像你那样取100个点。顺便说一下,我不明白为什么你必须要取100个数据点。这还不够,IMHO。
关于置信区间。我的结果听起来是这样的:在0.01的水平上,在随机序列和源序列上,空条和滞后期之间的相互信息统计量 没有差异的 零假设没有被证实。
对不起,我没有马上回答。我只是忘了,有点忙。
我用来计算ACF的东西--我把它写下来了。关于附件中的数据,只是我取了整行的数据,而不是像你那样取100个点。顺便说一下,我不明白为什么你必须要取100个数据点。这还不够,IMHO。
关于置信区间。我的结果听起来是这样的:在0.01的水平上,在随机序列和源序列上,空条和滞后期之间的相互信息统计量 没有差异的 零假设没有被证实。
谢谢你,你让我完全明白了。
请。这是我文章的主要信息。我特别在最后对没有说明分布类型的样本进行了Kolmogorov-Smirnov和Mann-Whitney U检验。两次测试都表明,无效假设没有被证实。如何解释这个问题是一个更广泛的话题。
那么,测试和ACF到底是怎么来的?
啊,现在我明白了这个问题。统计学。
接下来的倒数第二步是EViews,然后最后一步是R。
从你那里已经听说了很多关于EViwes的事情,我会试一试。R--也听说过,甚至见过。有时间的话,我也会试一试。我在一个医学论坛上读到,不幸的是,有时不同的程序对测试的计算结果是不同的。
和Excel一般--甚至PRNG的质量,与Statistica不同。我自己也观察到正态分布钟的平滑度的差异。
当我有时间的时候,我想在这个话题上做这件事。通过与私人自相关的类比(中间滞后期的影响被切断),使得在计算相互信息时切断中间滞后期的影响。
下面是一个例子。这是欧元兑美元H1的波动率的自相关(模数),深度达480滞后。
而这就是部分自相关的图表的样子--也就是说,中间滞后期(虚假相关)的影响已经被消除。
你可以看到,很多关联性一下子就被切断了。
在这里,我想做一件类似的事情,只是针对一系列带符号的回报。至少它可以看到到哪一栏真的有一个记忆。