我怎样才能区分外汇图表和PRNG？ - 页 27 1...2021222324252627282930 新评论 Sceptic Philozoff 2013.02.08 23:35 #261 AlexEro: 一年后见。我每年在这里出现一次--这就够了。如果有的话，我会私下里给本论坛的知识渊博的数学家们写信。 最早可能是在几年后。这将对论坛更有帮助。他们会想得更多。我很抱歉。我根本不关心你那傲慢的 高深数学推测。皮尔逊的（线性） 相关关系在引文中可能一直在说。这没有用，还有什么可谈的。只有非线性相关关系可能具有真正的实际意义，但这里没有人真正谈论它们。因为它们太复杂了，还没有被开发。对于绝大多数人来说，这就是信息论、卡方和其他不可理解的东西。这个话题以前被提出来过，但它被直截了当地简化为波动率聚类，也就是(G)ARCH。 这远不是全部，还有更多的东西。也许半变体在这里会有帮助，也许还有其他东西。附注：阿列克谢，你想什么时候回来都可以。尽管你说了很多废话，但它刺激了大脑。 Alexey Burnakov 2013.02.09 10:17 #262 alsu: 没有冒犯的意思，这根本不是工具的问题，而是如何使用它的问题。 我没有被冒犯。只是，这总是很可怕的，真的，有一个专业人员会挖出一些东西，并探出头来，理所当然。:) Prival 2013.02.09 10:30 #263 alsu:为什么要争论谁更酷，解释很简单--原始信号是矩形窗口中的一段正弦波，其ACF也是一段正弦波，但在一个三角形窗口中，即正是我们在第二个图中看到的情况。这可以通过基本的计算来检查。如果我们取一个不受时间限制的正弦波，其ACF将是同一个正弦波。结论1：mathdeck的计算是正确的。结论2：如果我们用这种方式计算真实信号的样本ACF（而不是实际的ACF，我们永远不会知道），我们必须记住，计算是在窗口中进行的，因此结果总是 扭曲的。恕我直言，ACF的定义是ACF对样本之间距离的依赖性，所以差别并不那么根本。而经典公式本身（正如上文正确指出的那样，它确实意味着至少在狭义上过程的静止性，加上它的遍历性）证实了这一点。 这很好，也更正确。区别在于与什么相比。在计算ACF时，要比较两个不同的数据集。在第一步计算ACF时，数组与自身比较（这就是为什么在零ACF=1时，数组完全相同）。在第二步，阵列沿时间轴移动，并与最初的阵列进行比较，以此类推，直到没有意义再移动它，阵列已经超过了第一个ACF=0。ACF被定义为QC对样品之间距离的依赖性，所以差别并不那么根本。我想说的是，ACF是相对于第一个数组移位（tau）的函数，而不是样本之间距离的函数（样本之间的距离，通常是一个常数）。这一点是不同的。我已经给出了一个公式，做了一个指标，并在代码库中布置了它。但他们说这是不正确的计算，你需要 "整理"......有一种更正确的计算方法，具有稳健性，非参数化......我请你告诉我哪里不对，有什么区别？展示一个更好的，正确的....这只是一个公式，你拿着它，像MA一样计算。但你如何使用这些结果和计算 ...你需要了解你正在计算的内容。在我的个人信息中（和论坛上），他们写了很多东西，比如我是个白痴，我的指标很笨，我很笨，我不懂数学，我不会编程。 该指标总是在第0条显示一个，不可能用它进行交易.... 我应该对他们说什么呢？我想从文盲中哭出来 ...你甚至没有一个学术性的分析方法......每个人都对何时按下按钮和什么按钮感兴趣... СанСаныч Фоменко 2013.02.09 12:37 #264 Prival:他的指标总是在0条上显示一个，不可能用它来交易。.... 我应该对他们说什么？ 这让我为文盲而哭泣......你甚至没有一个学术性的分析方法...每个人都想知道何时按下按钮，以及按下哪个按钮...... 了解ACF的人不会把它从kodobase中拿出来，因为ACF（a）必须伴随着额外的信息，（b）本身没有特殊价值，因为你必须把它和其他工具一起使用，而这些工具不在kodobase中。因此，你把它放在kodobase中，正是为了给那些张嘴就来的公民，未来的亿万富翁。至于学术方法，你是错的。在这个论坛上有这样的人，而且数量不少。而你无法摆脱第一类的系统性错误：用正确的方法解决错误的问题。而你却不接受这些明白人的批评。对不起，我直言不讳。 IGHud 2013.02.09 14:38 #265 对不起，打扰您了。有人提出了一个有趣的话题。在库中肯定有代码可以在mql4上生成一个随机数。也许有人能告诉我如何寻找它，谢谢。 [删除] 2013.02.10 04:28 #266 Prival:1.这不是我的公式。不要把它归咎于我。我是从教科书和数学包中得到的。我没有编造它。维基上的情况完全一样。公式100%匹配。有什么需要清理的？2.你引用的图片是我的，我在那里尽可能地给renfx 展示了差异。3.是的，结果正是如此，我想指出的是，这种情况并没有发生在我身上。而MathCAd，在这里加上MathLab，结果完全一样，因为lcorr(Y,Y)是matcad内置的一个函数，我没有对它进行编程，也没有发明...(知道Mathcad的人可以去看看）你真的相信这两个数学软件包不能正确计算ACF吗？4.给我公式。我真的希望看到稳健的、也是非参数化的... 1.是的。是的，你会离开这里的论坛，怎么来......正如国家杜马代表玛丽亚-科热夫尼科娃所说，"这是个笑话！"普利瓦洛夫，自相关是一个无量纲的量，它显示了一个函数对其本身的他妈的特征。一个周期性函数的自相关也是一个周期性函数。正弦的自相关是COSINUS。余弦的自相关是COSINUS。http://sfprime.net/lls/pcs.htm正弦波的自相关是一个余弦波的形状[REF10]。 10.应用傅里叶分析》，Harcourt Brace College Outline Series，Hwei P. Hsu，Harcourt Brace College Publishers，纽约（1984）。ISBN 0-15-60169-5。我可以再给你一打参考资料。需 要一个吗？ 根据你（和Mathworks）的说法，在0处的一块正弦就像在200处的一块正弦，比在200,000处的一块正弦要多出几千倍，是吗？ 普利瓦洛夫，这是高中七、八年级。维基百科上的公式是不一样的，它只是在那里进行了归一化处理（n-k），所以对于不同的滞后期，你可以得到可比的数字。那么，在维基中，有一个平均的mu-small，而在你的公式中，有很多很多的mu-small，并且都以某种方式进行索引。它是什么？2.你搞错了。 3.是的，他们是白痴。一群成绩不佳的物理学家没有成为物理学家，所以他们决定用Fortran编写mathWorks软件。这里有一个链接，mathWorks的工作人员--当被问及为什么他们的ACF会被抛弃，即褪色时，说它是在WINDOW中产生的，因此ACF测试期越长，剩下的样本就越少，因此他们的ACF总是褪色。http://www.mathworks.co.uk/matlabcentral/answers/36882------------------------------------------------------------------- 2条评论 Ishmael 于2012年4月29日 链接 非常感谢你的意见，先生。结果和我预期的一样。 不过我有最后一个问题：为什么自相关函数在期初和期末会变平？ 韦恩-金于 2012年4月29日 链接 因为随着滞后期的增加，求和涉及的项必然越来越少。想想看，将一个有限长度的向量相对于它自己进行移位，移位越大，重叠越少，因此在总和中出现的乘积也就越少。 -------------------------------------------------------------------普利瓦洛夫，不要再向MATLAB祈祷了，它将带你走出一些误区。我为什么要盲目地相信一群我不知道的、不知名的物理学家写的这个叮当的庞然大物呢？4.为什么，你变得懒惰了吗？这里是维基百科俄罗斯部分的链接。https://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D1%8F普利瓦洛夫，这就是关联性。这里是以非参数的方式计算。如果第二个函数是第一个函数，你可以用同样的方法计算自相关，只是有一个移位。所有已知的相关计算方法，其中有几十种，也适用于自相关，因为自相关只是相关的一个特例。妈的，同事们，好吧，让我离开这个论坛--为自己工作，请别犯傻。这种在公平竞争环境下的风头让我感到厌烦。好吧，如果它是复杂的东西，但它是初级的。虽然，....如果MathWorks公司这么多年来一直是哑巴，那还能要求我们其他人做什么。 How can I tell СанСаныч Фоменко 2013.02.10 07:11 #267 关于Matlab，AlexEro 说的对吗？一个神圣的东西，在空气中闪闪发光，付出的代价，疯狂的dough..... [删除] 2013.02.10 13:16 #268 等级相关不考虑绝对值，它是一个定性指标（（> <），这就是为什么它被称为），把它与说明一个系列的绝对值 差异的分析关系相比较是很奇怪的。 Sceptic Philozoff 2013.02.10 14:44 #269 -Aleksey-: 等级相关不考虑绝对值，它是一个定性指标（（> <），这就是为什么它被称为这样），把它与考虑到系列绝对值差异的分析关系相比较是很奇怪的。 听到你这么说，我很奇怪。你真的相信排名真的不以任何方式考虑绝对值 吗？非参数方法的主要要求是对 "噪音 "和分布（尤其是肥尾）的稳健性。这可以以牺牲准确性为代价来实现，而准确性往往是难以捉摸和误导的。 [删除] 2013.02.10 14:51 #270 Matcad的问题出在哪里？它把给它的东西算作是输入。在这种情况下，两个各1000点的样本被移位--当然，在完全移位的情况下，数据不重叠，将没有什么可以比较。继续第一个样本，直到2000点，就不会有褪色。 1...2021222324252627282930 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
最早可能是在几年后。这将对论坛更有帮助。他们会想得更多。
我很抱歉。我根本不关心你那傲慢的 高深数学推测。
皮尔逊的（线性） 相关关系在引文中可能一直在说。这没有用，还有什么可谈的。
只有非线性相关关系可能具有真正的实际意义，但这里没有人真正谈论它们。因为它们太复杂了，还没有被开发。对于绝大多数人来说，这就是信息论、卡方和其他不可理解的东西。
这个话题以前被提出来过，但它被直截了当地简化为波动率聚类，也就是(G)ARCH。 这远不是全部，还有更多的东西。也许半变体在这里会有帮助，也许还有其他东西。
附注：阿列克谢，你想什么时候回来都可以。尽管你说了很多废话，但它刺激了大脑。
没有冒犯的意思，这根本不是工具的问题，而是如何使用它的问题。
我没有被冒犯。只是，这总是很可怕的，真的，有一个专业人员会挖出一些东西，并探出头来，理所当然。:)
为什么要争论谁更酷，解释很简单--原始信号是矩形窗口中的一段正弦波，其ACF也是一段正弦波，但在一个三角形窗口中，即正是我们在第二个图中看到的情况。这可以通过基本的计算来检查。如果我们取一个不受时间限制的正弦波，其ACF将是同一个正弦波。结论1：mathdeck的计算是正确的。结论2：如果我们用这种方式计算真实信号的样本ACF（而不是实际的ACF，我们永远不会知道），我们必须记住，计算是在窗口中进行的，因此结果总是 扭曲的。
恕我直言，ACF的定义是ACF对样本之间距离的依赖性，所以差别并不那么根本。而经典公式本身（正如上文正确指出的那样，它确实意味着至少在狭义上过程的静止性，加上它的遍历性）证实了这一点。
这很好，也更正确。区别在于与什么相比。在计算ACF时，要比较两个不同的数据集。在第一步计算ACF时，数组与自身比较（这就是为什么在零ACF=1时，数组完全相同）。在第二步，阵列沿时间轴移动，并与最初的阵列进行比较，以此类推，直到没有意义再移动它，阵列已经超过了第一个ACF=0。
ACF被定义为QC对样品之间距离的依赖性，所以差别并不那么根本。
我想说的是，ACF是相对于第一个数组移位（tau）的函数，而不是样本之间距离的函数（样本之间的距离，通常是一个常数）。
这一点是不同的。我已经给出了一个公式，做了一个指标，并在代码库中布置了它。但他们说这是不正确的计算，你需要 "整理"......有一种更正确的计算方法，具有稳健性，非参数化......
我请你告诉我哪里不对，有什么区别？展示一个更好的，正确的....这只是一个公式，你拿着它，像MA一样计算。但你如何使用这些结果和计算 ...你需要了解你正在计算的内容。
在我的个人信息中（和论坛上），他们写了很多东西，比如我是个白痴，我的指标很笨，我很笨，我不懂数学，我不会编程。 该指标总是在第0条显示一个，不可能用它进行交易.... 我应该对他们说什么呢？我想从文盲中哭出来 ...你甚至没有一个学术性的分析方法......每个人都对何时按下按钮和什么按钮感兴趣...
他的指标总是在0条上显示一个，不可能用它来交易。.... 我应该对他们说什么？ 这让我为文盲而哭泣......你甚至没有一个学术性的分析方法...每个人都想知道何时按下按钮，以及按下哪个按钮......
了解ACF的人不会把它从kodobase中拿出来，因为ACF（a）必须伴随着额外的信息，（b）本身没有特殊价值，因为你必须把它和其他工具一起使用，而这些工具不在kodobase中。因此，你把它放在kodobase中，正是为了给那些张嘴就来的公民，未来的亿万富翁。
至于学术方法，你是错的。在这个论坛上有这样的人，而且数量不少。而你无法摆脱第一类的系统性错误：用正确的方法解决错误的问题。而你却不接受这些明白人的批评。
对不起，我直言不讳。
1.这不是我的公式。不要把它归咎于我。我是从教科书和数学包中得到的。我没有编造它。维基上的情况完全一样。公式100%匹配。有什么需要清理的？
2.你引用的图片是我的，我在那里尽可能地给renfx 展示了差异。
3.是的，结果正是如此，我想指出的是，这种情况并没有发生在我身上。而MathCAd，在这里加上MathLab，结果完全一样，因为lcorr(Y,Y)是matcad内置的一个函数，我没有对它进行编程，也没有发明...(知道Mathcad的人可以去看看）你真的相信这两个数学软件包不能正确计算ACF吗？
4.给我公式。我真的希望看到稳健的、也是非参数化的...
1.是的。是的，你会离开这里的论坛，怎么来......
正如国家杜马代表玛丽亚-科热夫尼科娃所说，"这是个笑话！"
普利瓦洛夫，自相关是一个无量纲的量，它显示了一个函数对其本身的他妈的特征。一个周期性函数的自相关也是一个周期性函数。
正弦的自相关是COSINUS。余弦的自相关是COSINUS。
http://sfprime.net/lls/pcs.htm
正弦波的自相关是一个余弦波的形状[REF10]。
10.应用傅里叶分析》，Harcourt Brace College Outline Series，Hwei P. Hsu，Harcourt Brace College Publishers，纽约（1984）。ISBN 0-15-60169-5。
我可以再给你一打参考资料。需 要一个吗？
根据你（和Mathworks）的说法，在0处的一块正弦就像在200处的一块正弦，比在200,000处的一块正弦要多出几千倍，是吗？普利瓦洛夫，这是高中七、八年级。
维基百科上的公式是不一样的，它只是在那里进行了归一化处理（n-k），所以对于不同的滞后期，你可以得到可比的数字。那么，在维基中，有一个平均的mu-small，而在你的公式中，有很多很多的mu-small，并且都以某种方式进行索引。它是什么？
2.你搞错了。
3.是的，他们是白痴。一群成绩不佳的物理学家没有成为物理学家，所以他们决定用Fortran编写mathWorks软件。
这里有一个链接，mathWorks的工作人员--当被问及为什么他们的ACF会被抛弃，即褪色时，说它是在WINDOW中产生的，因此ACF测试期越长，剩下的样本就越少，因此他们的ACF总是褪色。
http://www.mathworks.co.uk/matlabcentral/answers/36882
-------------------------------------------------------------------
2条评论
非常感谢你的意见，先生。结果和我预期的一样。
不过我有最后一个问题：为什么自相关函数在期初和期末会变平？
因为随着滞后期的增加，求和涉及的项必然越来越少。想想看，将一个有限长度的向量相对于它自己进行移位，移位越大，重叠越少，因此在总和中出现的乘积也就越少。
-------------------------------------------------------------------
普利瓦洛夫，不要再向MATLAB祈祷了，它将带你走出一些误区。我为什么要盲目地相信一群我不知道的、不知名的物理学家写的这个叮当的庞然大物呢？
4.为什么，你变得懒惰了吗？这里是维基百科俄罗斯部分的链接。
https://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D1%8F
普利瓦洛夫，这就是关联性。这里是以非参数的方式计算。如果第二个函数是第一个函数，你可以用同样的方法计算自相关，只是有一个移位。所有已知的相关计算方法，其中有几十种，也适用于自相关，因为自相关只是相关的一个特例。
妈的，同事们，好吧，让我离开这个论坛--为自己工作，请别犯傻。这种在公平竞争环境下的风头让我感到厌烦。好吧，如果它是复杂的东西，但它是初级的。虽然，....如果MathWorks公司这么多年来一直是哑巴，那还能要求我们其他人做什么。
听到你这么说，我很奇怪。你真的相信排名真的不以任何方式考虑绝对值 吗？
非参数方法的主要要求是对 "噪音 "和分布（尤其是肥尾）的稳健性。这可以以牺牲准确性为代价来实现，而准确性往往是难以捉摸和误导的。
Matcad的问题出在哪里？它把给它的东西算作是输入。在这种情况下，两个各1000点的样本被移位--当然，在完全移位的情况下，数据不重叠，将没有什么可以比较。
继续第一个样本，直到2000点，就不会有褪色。