我怎样才能区分外汇图表和PRNG？ - 页 28

新评论
 
Mathemat:

听到你这么说很奇怪。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。这可以在稍稍牺牲准确性的情况下实现，而准确性往往是难以捉摸和误导的。

这种核算取决于所选择的统计等级测量方法（某种函数），因此在小样本中，Spearman、Kendall和Hefding的系数会显示不同的值。那么用什么呢？对于价值生成系统的不同媒介，如趋势载体函数的类型和顺序，一种或另一种措施会更好。是的，非参数方法可以近似估计QC，但如果这种相关性的类型未知，是否有必要？非参数质量控制的意义在于，为衡量它而选择的措施只对观测值的单调变换不敏感，而市场上也不总是这样。带有拆迁的SB提供的往往是突然的非单调的等级转换。

相比之下，线性QC给出的数值是可以理解的。

阿列克谢，让我们来定义和区分长尾巴和胖尾巴，因为它们是互为因果的。根据我的研究，市场上不存在长尾的分布。

 
-Aleksey-: 阿列克谢，让我们来定义和区分长尾巴和胖尾巴，因为它们是互为因果的。根据我的研究，市场上没有长尾的分布。
谷歌了。

至少从1946年起，统计学家就开始研究长尾的频率分布。[8] 这个术语在金融[9] 和保险业务[4] 中也使用了很多年（也被称为肥尾、重尾 或右尾[ 10]）。

我看不出有什么区别。捅捅我的鼻子，看看我哪里错了。

是的，非参数方法可以近似质控，但如果这种关联的类型未知，是否有必要？

没有人说非参数方法能解决所有问题。但往往他们的估计比参数化的估计更充分--只是当相关类型未知时。

根据我的研究，市场上不存在长尾的分布。
看一下回报的分布。它相当准确地近似于一个指数规律，即一个有肥尾的规律。
 

如果尾巴长，就说明它很瘦。三角形分布和类似的（梯形）是个例外。反之亦然。而如果你把细长的尾巴称为粗长的，那就会让人感到困惑，因为粗长的更可能是短的。这是我的看法，而不是来自于谷歌搜索。

这里的整个问题是分配是什么。经典理论不允许你毫不含糊地定义这个概念（此外，它甚至不允许你建立它），所以我不使用它。我的方法是在某个空间中的准稳定分布的演变，该分布定义了误差的量度。

 
-Aleksey-: 这里的整个问题是分配是什么。古典理论不允许毫不含糊地定义这个概念（此外，它甚至不允许构建它），所以我不使用它。我的方法是在某个空间中的准稳定分布的演变，该分布定义了误差的量度。
我不是那么擅长微妙的东西。谈话的内容是别的--关于非参数方法，以及它们往往比参数方法更合适的事实--特别是在分布未知的情况下。不是更准确，而是更充分。
 
Mathemat:
我对细枝末节不是那么擅长。这不是我们所讨论的--非参数方法。
怎么说呢，所有这些系数对等级的非单调转置有不同的敏感性，因此它们表现出不同的东西。我们可能会想出很多的办法。但在相关类型未知的情况下，不知道该选择哪一种。
 
faa1947:
关于Matlab，AlexEro 说的对吗？这是一个神圣的东西，在天空中闪耀，为之付出，疯狂的dough.....。

这不是Matcad的错，我已经在上面写了为什么会出现减少的情况。

再一次，AlexEro，衰减来自于这样一个事实：你实际上不是从cos(w*i)（一个在数轴两边无限延续的函数）来计算lcorr，而是从cos(w*i)*[h(i)-h(100-i)] ，其中h(t)是Heaviside函数（单位步骤）。一个简单的检查方法：你设置的正弦波的样本越多，递减量就越小。复杂的检查方法是：将指定的表达式明确地代入lcorr的公式，得到一个三角形。

 
-Aleksey-:

如果尾巴长，就说明它很瘦。


在电视中正好相反，不像动物学中那样：如果尾巴长，那么它就很粗）。这都是将图形下的面积归一，也就是说，"尾巴 "从中心区域抽出一些概率。一般来说，"厚"（或 "长"，如果你愿意的话）根据上下文有不同的含义--它可能是比高斯的递减速度慢的分布，或具有无限方差的分布，等等。

 
alsu:

这不是Matcad的错，我已经在上面描述了为什么会发生递减的现象。

再一次，AlexEro，衰减来自于这样一个事实：你实际上不是从cos(w*i)（一个在数轴两边无限延续的函数）来计算lcorr，而是从cos(w*i)*[h(i)-h(100-i)] ，其中h(t)是Heaviside函数（单位步骤）。简单的检查方法：你设置的正弦波的样本越多，递减量就越小。检查的硬方法：将指定的表达式明确地代入lcorr的公式中，得到一个三角形。

(用普罗布拉任斯基教授疲惫的声音)

"对不起，谁站在谁身上？"


请问，我 在哪里 "计算海维塞德函数窗口"？请给我看看，用你的鼻子捅捅我。

他妈的，我在这里变成了阿洛奇卡。这是某种阴谋，是一种转移注意力的行为。

我不关心Matlab如何计算。

我不关心物理学家如何用Fortran编程。

我不关心Matlab外包程序员的脑子里在想什么。

我不在乎Matlab的一个发呆的印度教任务负责人的想法，他认为编程自相关 是 "正确的"，为了他发呆的 "正确性"，他认为必须用整个区间的Heaviside窗口来 "补偿 "样本区间末端 的不足，这就耗尽了所有的自相关。

我并不关心这个问题。我不使用matlab，从来没有，也不打算使用它。我引用的matlab图纸是Privalova的，我在那里也给了他们一个链接。

我只是不明白你怎么能以这种方式扭曲讨论。这不是讨论，而是苏维埃的蛊惑。我正在谈论自相关的定义，这个概念的含义，我向你展示了检查任何自相关算法正确性的理论基础和简单规则，我展示了在Matlab和Privalov阻尼中自相关从第一个计数开始，并向我展示了一个解释，我在责备自己，因为我 "计算Heaviside窗口" 。我正在被自己起诉， ！


该死的，这里有一个人知道我在说什么吗？嗷!

 
AlexEro:

该死的，这里有一个人知道我在说什么吗？嗷!

有的。给你，你答应过的!

P.S. 你为什么不去 "什么是指标 "的主题？也许一年后你会写些有意义的东西......

 

当亚历克斯在思考什么是指标时，有一个问题要问大家--有两个银和金的样本。每日数据，420个观测值。

Spearman's AC为0.52，等级相关系数在统计学上是--显著的，两个测试的分数之间的等级相关关系是显著的。

皮尔逊的KC为0.64。

那么？直接相关。实用的结论？

1...21222324252627282930
新评论