統計檢定方法運用.5
更新於 發佈於 閱讀時間約 1 分鐘
Durbin-Watson test，對模組的殘差項進行相關聯性檢定，常應用於迴歸分析以及需要限制殘差項要為獨立常態分配。不過我在應用上更關心價格資料是否有聚集在均線附近，若有則可以判定盤整盤，反之則有趨勢發生，相關統計檢定計算步驟詳列如下
- 以均線為例，首先計算出各筆價格與均線之間的殘差，並帶入檢定統計量，請參考下圖一
- 統計檢定量介於0~4之間，正相關、負相關檢定與對應的上界、下界，分別有六種關係，
正相關時候
如果d <= 下界 ，誤差項自我相關為正
如果d >= 上界 ，不拒絕，無自我相關
如果下界 < d < 上界 ，則檢定結果無法確認
負相關時候
如果(4 - d) <= 下界 ，誤差項自我相關為負
如果(4 - d) >= 上界，不拒絕，無自我相關
如果下界 < (4 - d) < 上界 ，則檢定結果無法確認
如果d <= 下界 ，誤差項自我相關為正
如果d >= 上界 ，不拒絕，無自我相關
如果下界 < d < 上界 ，則檢定結果無法確認
負相關時候
如果(4 - d) <= 下界 ，誤差項自我相關為負
如果(4 - d) >= 上界，不拒絕，無自我相關
如果下界 < (4 - d) < 上界 ，則檢定結果無法確認
3. 上界、下界請參考查表值，以下僅列舉一個變數、樣本數介於15~30之間、顯著水準為0.05的部分查表內容
為什麼會看到廣告
21會員
112內容數
留言0
查看全部
你可能也想看
Google News 追蹤
大家好，我是woody，是一名料理創作者，非常努力地在嘗試將複雜的料理簡單化，讓大家也可以體驗到料理的樂趣而我也非常享受料理的過程，今天想跟大家聊聊，除了料理本身，料理創作背後的成本。
哈囉～很久沒跟各位自我介紹一下了～
大家好～我是爺恩
我是一名圖文插畫家，有追蹤我一段時間的應該有發現爺恩這個品牌經營了好像.....快五年了(汗)時間過得真快！隨著時間過去，創作這件事好像變得更忙碌了，也很開心跟很多厲害的創作者以及廠商互相合作幫忙，還有最重要的是大家的支持與陪伴🥹。
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
如果把前面把Z檢定和標準誤、標準差給搞懂，那麼t檢定的理解其實就滿簡單的了。
實務上來說，用Z檢定的機會其實比t檢定少。
這篇的目標就是介紹單樣本t檢定的原理，稍微有點長，比較需要耐心。
1.資金水位測試：資金比重是不是太高？有沒有做風險控管？
2.持股強弱測試：個股是回檔還是回跌？跌的有沒有比指數重？
3.心理素質測試：情緒有沒有失控？停損底線是甚麼？
4.交易週期測試：真的長線投資者嗎？長線投資策略有沒有瑕疵？如果指數再跌更重，因應策略是甚麼？
本研究使用了盤中逐筆成交資料（Tick-by-tick Data）來進行股票價格的預測，並討論了馬可夫鏈模型和擴散核模型在這方面的應用。研究結果表明，大多數股票的未來三秒價格可以在少於22個狀態中找到，顯示了交易價格的低不確定性。此外，研究還發現波動性更大和價格更高的股票更難以準確預測。
終於要開始講統計檢定的實作部分了。因為是舉實例所以滿長的。
為了讓順序比較恰當，這篇比較晚發的文章被設定成假設檢定後的下一篇。
緩解與未緩解是訂單流的核心概念，簡單來說就是透過識別未緩解區域，了解主力和大量訂單的入場位置。
什麼是緩解與未緩解？
未緩解指的是在一段時間中市場效率低下，買單和賣單的無法相互匹配成交時，會在市場形成一個價位的空洞，就會將其稱之為未緩解。
如上圖所繪，中間K線未與上下K線所重疊，其中K線空洞的
接續上一篇，繼續來講如何從常態分布的機率進行假設檢定，進而推論母體的平均數吧！
這篇會提到否證的邏輯、魔法數字0.5以及統計檢定到底是什麼這三個主題。
在上一篇文章解釋了常態分布怎麼幫助我們計算事件發生的機率，而更之前也看過了抽樣分布是如何形成常態分布的過程，現在就要利用這兩件事情來慢慢帶出什麼是統計學中的「假設檢定」了。
大家好，我是woody，是一名料理創作者，非常努力地在嘗試將複雜的料理簡單化，讓大家也可以體驗到料理的樂趣而我也非常享受料理的過程，今天想跟大家聊聊，除了料理本身，料理創作背後的成本。
哈囉～很久沒跟各位自我介紹一下了～
大家好～我是爺恩
我是一名圖文插畫家，有追蹤我一段時間的應該有發現爺恩這個品牌經營了好像.....快五年了(汗)時間過得真快！隨著時間過去，創作這件事好像變得更忙碌了，也很開心跟很多厲害的創作者以及廠商互相合作幫忙，還有最重要的是大家的支持與陪伴🥹。
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
如果把前面把Z檢定和標準誤、標準差給搞懂，那麼t檢定的理解其實就滿簡單的了。
實務上來說，用Z檢定的機會其實比t檢定少。
這篇的目標就是介紹單樣本t檢定的原理，稍微有點長，比較需要耐心。
1.資金水位測試：資金比重是不是太高？有沒有做風險控管？
2.持股強弱測試：個股是回檔還是回跌？跌的有沒有比指數重？
3.心理素質測試：情緒有沒有失控？停損底線是甚麼？
4.交易週期測試：真的長線投資者嗎？長線投資策略有沒有瑕疵？如果指數再跌更重，因應策略是甚麼？
本研究使用了盤中逐筆成交資料（Tick-by-tick Data）來進行股票價格的預測，並討論了馬可夫鏈模型和擴散核模型在這方面的應用。研究結果表明，大多數股票的未來三秒價格可以在少於22個狀態中找到，顯示了交易價格的低不確定性。此外，研究還發現波動性更大和價格更高的股票更難以準確預測。
終於要開始講統計檢定的實作部分了。因為是舉實例所以滿長的。
為了讓順序比較恰當，這篇比較晚發的文章被設定成假設檢定後的下一篇。
緩解與未緩解是訂單流的核心概念，簡單來說就是透過識別未緩解區域，了解主力和大量訂單的入場位置。
什麼是緩解與未緩解？
未緩解指的是在一段時間中市場效率低下，買單和賣單的無法相互匹配成交時，會在市場形成一個價位的空洞，就會將其稱之為未緩解。
如上圖所繪，中間K線未與上下K線所重疊，其中K線空洞的
接續上一篇，繼續來講如何從常態分布的機率進行假設檢定，進而推論母體的平均數吧！
這篇會提到否證的邏輯、魔法數字0.5以及統計檢定到底是什麼這三個主題。
在上一篇文章解釋了常態分布怎麼幫助我們計算事件發生的機率，而更之前也看過了抽樣分布是如何形成常態分布的過程，現在就要利用這兩件事情來慢慢帶出什麼是統計學中的「假設檢定」了。