Regressionsgleichung - Seite 14
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Es ist eine seltsame Frage, natürlich in Bezug auf den Prozentsatz des Gewinns pro investiertem Dollar. Gibt es eine andere Maßnahme auf dem Markt?
Wenn man einem Chinesen eine Gabel anstelle von Stöcken gibt, wird er auch keinen Vorteil der Gabel bemerken...
Ich habe Ihnen gesagt, dass Quantile und MNCs völlig unterschiedliche Dinge sind. Sie nehmen die Handelsmethode für MNCs und ersetzen die darin enthaltene MNC-Regression durch eine Quantilsregression. Und der Punkt?
Sie können also jede beliebige Regression in Ihren TS packen und von mangelndem Vorteil sprechen. Man muss nicht stumpf andere Formeln ersetzen, sondern die Methode selbst ändern, indem man von der Art der Konstruktion des Hauptwerkzeugs - der Regression - ausgeht.
Ich habe Ihnen gesagt, dass Quantile und MNCs völlig unterschiedliche Dinge sind. Sie nehmen die Handelsmethode für MNCs und ersetzen die darin enthaltene MNC-Regression durch eine Quantilsregression. Und der Punkt?
Ich denke, ich weiß, wie und was ich in meinen Strategien verwende. OLS und Quantile sind unterschiedliche Dinge, aber Regression ist trotzdem Regression.
Es ist auch eine dumme Aggression, die Sie jetzt an den Tag legen.
Es gibt auch eine dumme Aggression, die du jetzt zeigst.
Ich stimme zu.
Da stimme ich Ihnen zu. Ich werde von meinem Recht Gebrauch machen, ein Nerd zu sein, und etwas schreiben, und ihr könnt mich korrigieren, wenn ich abschweife.
Der Gedanke hinter der Verwendung einer Regression ist, dass eine Regression, die einige Stichproben vor (rückwärts) einer Stichprobe ihrer Konstruktion liegt, Ergebnisse zeigt, die dem BP nahe kommen. Eine Regression, die unter Verwendung von ANC auf Normalverteilungen erstellt wird, ist die beste Lösung - sie zeigt die besten Ergebnisse. Dies ist bei Preis-GP nicht der Fall. Darüber hinaus muss eine Regression auf einen Preis-VR nicht notwendigerweise enge Werte auf der Stichprobe seiner Konstruktion selbst zeigen, um außerhalb der Stichprobe seiner Konstruktion enge Ergebnisse zu zeigen. Dies ist eine sehr wichtige Feststellung. D.h. es ist möglich, eine solche Regression so zu konstruieren, dass sie in der Stichprobe ihrer Konstruktion schlechte Ergebnisse und außerhalb der Stichprobe gute Ergebnisse zeigt.
Aber das ist eher eine Theorie. Es ist sehr wichtig, die Bedeutung des Wortes "nah" zu verstehen. Die Nähe außerhalb der Stichprobe kann mit verschiedenen Methoden bewertet werden. Sie können den RMS, den Median, den absoluten mittleren Fehler usw. verwenden. Es gibt viele Methoden.
Wie untersuchen Sie also die Regression? Ist es gut oder nicht? Richtig, wie ich oben geschrieben habe, wird die Güte der Regression durch die Nähe ihrer Werte (zum BP) außerhalb der Stichprobe (für eine bestimmte Anzahl von Stichproben) ihrer Konstruktion gemessen.
Wir sollten uns zunächst für eine Methode zur Bestimmung der Nähe entscheiden. Zunächst soll es der RMS sein.
Wir haben WR EURUSD mit 100.000 Stichproben. Wir bauen die Regression auf 100 Stichproben auf. Und wir werden die Nähe für 10 Proben vorwärts (rückwärts) hinter der Probe seines Gebäudes zählen.
Wir haben also die Regression für EURUSD unter Verwendung von BP-Daten von 1 bis 100 erstellt. Wir haben seinen Messwert mit dem BP auf den Daten vom 101. bis zum 110. verglichen - und den RMS berechnet (lassen Sie ihn RMS1 sein).
Jetzt haben wir eine Regression für EURUSD erstellt, die BP-Daten vom 2. bis zum 101. Wir haben seine Messwerte mit BP auf den Daten von 102. bis 111. verglichen - berechnet RMS (lassen Sie es RMS2 sein).
Und so weiter bis zum Ende des EURUSD BP - 100.000 Lesungen.
Ich habe viele RMS-Ergebnisse: RMS1, RMS2, .... - das ist BP. Wir sollten dem nachgehen. Betrachten Sie den mathematischen Erwartungswert (Median) und die Varianz (Median-Varianz). Konstruieren Sie die Verteilung. Dieses Ergebnis zeigt uns, wie gut unsere Regression ist. Ich möchte Sie daran erinnern, dass wir die Nähe durch RMS gemessen haben, wir hätten es auch anders machen können.
Nehmen wir nun eine andere Regression und erhalten wir ebenfalls, wie oben beschrieben, ihren BP RMS.
Und wenn man verschiedene Regressionen mit ihren RR RMS vergleicht, dann kann man über die Vor- oder Nachteile einer Regression im Vergleich zu einer anderen sprechen.
P.S. Der EURUSD wurde als Beispiel genommen. Natürlich kann man BPs jeglicher Art nehmen, nicht unbedingt preislicher Art. Zum Beispiel BP of Equity TS oder etwas anderes.
Auch hier stimme ich zu. Ich werde mein Recht, ein Nerd zu sein, wahrnehmen und etwas schreiben, und Sie können mich korrigieren, wenn ich abschweife.
Sie denken zu eng. Alles, was Sie sagen, ist Autoregression eines BP, aber das ist nur ein sehr enger Spezialfall der Anwendung der Regressionsanalyse. Dementsprechend hängt alles davon ab, worauf man regressiert und wie die Verteilung des/der resultierenden Parameter(s) ist. Wenn die Verteilung normal ist, dann ist ANC großartig. Und wenn es nicht normal ist... Und wenn sie nicht symmetrisch ist... Und wenn man plötzlich an den Grenzen dieser Parameter interessiert ist... Das ist der Punkt, an dem die Optionen ins Spiel kommen. Die Frage bezog sich auf das ISC zur Mülldeponie. Nein, nicht verschrottet, denn es gibt immer noch echte Handelsprobleme, bei denen es besser funktioniert als andere, und das bei viel geringerem Rechenaufwand.
Sie denken zu eng. Alles, was Sie sagen, ist Autoregression eines einzelnen BP, aber das ist nur ein sehr enger Spezialfall der Regressionsanalyse. Es hängt also davon ab, worauf man regressiert und wie die Verteilung der resultierenden Parameter ist. Wenn die Verteilung normal ist, dann ist ANC großartig. Und wenn es nicht normal ist... Und wenn sie nicht symmetrisch ist... Und wenn man plötzlich an den Grenzen dieser Parameter interessiert ist... Das ist der Punkt, an dem die Optionen ins Spiel kommen. Die Frage bezog sich auf das ISC zur Mülldeponie. Nein, werfen Sie es nicht weg, denn es gibt immer noch echte Handelsprobleme, bei denen es besser funktioniert als andere, und das mit viel weniger Rechenaufwand.
Sie sehen, wie viel Sie geschrieben haben, wobei Sie verschiedene Nuancen nur am Rande erwähnt haben. Hätte ich sie nicht alle hier aufdecken können? Ihnen wird ein Beispiel gegeben, Sie ziehen Schlüsse über die Enge.
Ich habe die automatische Regression nur erwähnt, weil alsu Bilder von ihrer Verwendung zur Verfügung gestellt hat.
In meinem Beitrag ging es nicht um die Eigenheiten der Regressionsanalyse, sondern um die Schätzung verschiedener Regressionsmodelle. Sie müssen die Regressionsschätzungen vergleichen. Und es ist unmöglich, eindeutig zu sagen, dass etwas schlecht ist und etwas nicht. Das Ergebnis der Anwendung der Regression zeigt insbesondere den BP des RMS, wie ich oben schrieb.
Wie ich oben geschrieben habe, ist es möglich, die Regression auf jeden BP anzuwenden. Zu Autokorrelationsresiduen, zu Schwänzen, etc. Generell zu jedem. Die Methoden der Regressionsschätzung ändern sich jedoch nicht durch die Art des ursprünglichen BP.
Die Methoden zur Schätzung der Regression unterscheiden sich jedoch nicht von der Art des ursprünglichen BP.
Die Methode der Regressionsschätzung - ja, aber die Methode selbst kann nur für tiefgründige Ästheten der reinen Mathematik von Interesse sein. Als Praktiker bin ich an einer kombinierten Schätzung interessiert, die die Schätzung der Regression und gleichzeitig die Angemessenheit ihrer Anwendung umfasst. Diese kombinierte Schätzung wird also in Dollar gemessen. Und in meinem Fall zeigte sich der Vorteil der MNC-Regression gegenüber der Quintil-Regression, selbst bei Verteilungen mit dicken Schwänzen. Für jemanden mag eine Quintilregression angemessener sein, wenn er sie in Geld umrechnen kann.
- Mögen Sie Katzen?
- Nein.
- Du weißt nur nicht, wie man sie zubereitet.
Es geht also nicht um die Angemessenheit der Regressionsschätzungsmethoden. Es ging um die Angemessenheit der Anwendung des Regressionsmodells selbst auf die ursprünglichen BPs.
Die Anwendbarkeit der Quantilsregression und der MNA-Regression direkt auf die Preis-BP kann mit den Methoden bewertet werden, von denen ich eine zitiert habe. Es liegt auf der Hand, dass man umso mehr Geld erhält, je näher die Regression an den Messwerten liegt, da eine bessere Annäherung eine genauere (adäquate) Schätzung der zukünftigen Messwerte bedeutet.
Sie haben die Regressionen auf eine ziemlich subjektive Weise verglichen, indem Sie sie einfach in Ihren TS eingepasst haben. Ich hingegen schlug eine objektive Methode vor, um die Angemessenheit ihrer Anwendbarkeit auf die ursprünglichen BPs zu vergleichen.
Und wenn es nicht normal ist... Und wenn sie auch nicht symmetrisch ist...
Ich bin an Ihrer Meinung interessiert. Wenn es uns gelungen ist, den Preis VR so zu transformieren, dass seine Verteilung symmetrisch und der Normalverteilung sehr ähnlich ist (ich kann es nicht mit Sicherheit sagen, da die Stichprobe immer endlich ist), was können wir dann damit machen? D.h. wir können sagen, dass das Kointegrationsproblem gelöst ist. Wie sehen Sie das weitere Vorgehen in diesem Fall?
Es sind nicht genügend Informationen verfügbar. Die Zufallsbewegung hat eine Normalverteilung. Aber damit ist kein Geld zu verdienen.
Was meinen Sie mit "Ko-Integrationsproblem gelöst"? Der Zweck der Kointegration besteht darin, einen stationären BP zu erhalten. Wenn das gelingt, können Sie mit dem Schneiden des Kohls beginnen. Und es spielt keine Rolle, ob dieser Blutdruck normal ist oder nicht.