Ökonometrie: warum Kointegration notwendig ist - Seite 10

 

faa1947: Что такое подгонка или не подгонка?

Fit (Übertraining, Überoptimierung) ist ein Begriff, der ausschließlich für Finanzmärkte (nichtstationäre Zeitreihen) verwendet wird.
 
LeoV:
Fit (Übertraining, Überoptimierung) ist ein Begriff, der ausschließlich für Finanzmärkte (nichtstationäre Zeitreihen) verwendet wird.

Das ist Blödsinn. Ein Pferd oder so etwas.

Eine Anpassung ist eine Schätzung der Parameter eines parametrischen Modells. Nichts kann überangepasst werden.

Und auf einen nicht-stationären Markt kann überhaupt nichts angepasst werden.

 
faa1947:

Das ist Blödsinn. Ein Pferd oder so etwas.

Eine Anpassung ist eine Schätzung der Parameter eines parametrischen Modells. Nichts kann überangepasst werden.

Und einem nicht-stationären Markt kann man überhaupt nichts anhängen.


Ich werde versuchen, es Ihnen zu erklären.

Jeder Zeitabschnitt in der Vergangenheit ist im Wesentlichen stationär, denn wenn man die Zeitreihe selbst in der Vergangenheit kennt, kann man fast immer eine Funktion oder ein Muster finden, das einen Gewinn für die Daten der Vergangenheit ergibt - das ist überhaupt kein Problem.

Der Begriff Nicht-Stationarität bedeutet im Zusammenhang mit Finanzmärkten, dass wir nicht wissen können, wie sich der Markt in der Zukunft verändern wird, und zwar genau in der Zukunft.

Wenn wir die Daten der Vergangenheit nutzen und wissen, wie sich der Markt in der Vergangenheit verändert hat, können wir immer eine Funktion oder ein Muster finden, das diesen Veränderungen Rechnung trägt. Aber niemand weiß, wie sich der Markt in Zukunft verändern wird. Es ist keine Tatsache, dass sie sich entsprechend den Veränderungen in der Vergangenheit verändern wird. Außerdem wird es sich höchstwahrscheinlich auch nicht ändern.

Aus diesem Grund erhalten wir, wenn wir unseren TS an die Daten der Vergangenheit, an die Marktveränderungen in der Vergangenheit, anpassen (er wurde sogar neu optimiert), einen TS, der in der Zukunft keinen Gewinn bringen kann.

In der Praxis wollen wir nach der Optimierung des TS in der Regel den TS mit den Parametern nehmen, die den größten Gewinn bei geringstem Drawdown ergeben - das ist genau der angepasste TS für die vergangenen Daten. Bei zukünftigen Daten funktioniert eine solche TS nicht, weil diese optimierten Parameter alle notwendigen Änderungen in der Vergangenheit berücksichtigt haben, aber der Markt in der Zukunft wird anders sein, nicht wie in der Vergangenheit, und unsere TS, mit solchen optimierten Parametern, berücksichtigt dies nicht

 
LeoV:


Lassen Sie mich versuchen, es Ihnen zu erklären.

Jeder beliebige Zeitabschnitt in der Vergangenheit ist im Wesentlichen stationär, denn wenn man die Zeitreihe selbst in der Vergangenheit kennt, kann man fast immer eine Funktion oder ein Muster finden, mit dem man aus den Daten der Vergangenheit Gewinne erzielen kann - das ist überhaupt kein Problem.

Der Begriff Nicht-Stationarität bedeutet im Zusammenhang mit Finanzmärkten, dass wir nicht wissen können, wie sich der Markt in der Zukunft verändern wird, und zwar genau in der Zukunft.

Wenn wir die Daten der Vergangenheit nutzen und wissen, wie sich der Markt in der Vergangenheit verändert hat, können wir immer eine Funktion oder ein Muster finden, das diesen Veränderungen Rechnung trägt. Aber niemand weiß, wie sich der Markt in Zukunft verändern wird. Es ist keine Tatsache, dass sie sich entsprechend den Veränderungen in der Vergangenheit verändern wird. Außerdem wird es sich höchstwahrscheinlich auch nicht ändern.

Aus diesem Grund erhalten wir, wenn wir unseren TS an die Daten der Vergangenheit, an die Marktveränderungen in der Vergangenheit, anpassen (er wurde sogar neu optimiert), einen TS, der in der Zukunft keinen Gewinn bringen kann.

In der Praxis wollen wir nach der Optimierung des TS in der Regel den TS mit den Parametern nehmen, die den größten Gewinn bei geringstem Drawdown ergeben - das ist genau der angepasste TS für die vergangenen Daten. Bei zukünftigen Daten funktioniert ein solcher TS nicht, weil diese optimierten Parameter alle notwendigen Änderungen in der Vergangenheit berücksichtigt haben, aber der Markt wird in der Zukunft anders sein, nicht wie in der Vergangenheit, und unser TS mit solchen optimierten Parametern berücksichtigt das nicht.

Ich habe mehrere Jahre damit verbracht, bis ich verstanden habe: Entweder erkennt und modelliert TS die Nicht-Stationarität, dann ist es TS, oder es ist es nicht. Alle Begriffe von Optimierung, Überoptimierung sind Emotionen, reiner Schamanismus und je tiefer die Trance, desto mehr Vertrauen in das, was ich geschaffen habe.

Ich kenne mehrere Möglichkeiten, der Nicht-Stationarität des Marktes Rechnung zu tragen. Die Kointegration ist eine Methode, die gerade deshalb wertvoll ist, weil das Ergebnis eine stationäre Reihe ist, und hier sind Optimierung und Überoptimierung nicht angebracht.

 
Avals:

Ja. Sie erhalten im Wesentlichen eine Art von synthetischem Material. Wenn das synthetische Instrument ein reales Instrument mit einem Plus-Eintrag hat, dann handelt es überkauft und verkauft, überverkauft und kauft. Bei einem Minus ist es genau umgekehrt, und die Gewichte geben die Anteile in Losen an.

Die Ko-Integration ist die Grundlage für den gesamten Spread-Handel. Sie können nur Spreads in kointegrierten Instrumenten handeln



Spread-Trading ist die Gewissheit, dass der Kurs von den Extremen wieder auf Null zurückkehrt. aber nach wie langer Zeit?
 
faa1947: Ich habe mich mehrere Jahre lang mit dieser ganzen Sache beschäftigt, bis mir klar wurde: Entweder die TS identifiziert und modelliert Nicht-Stationarität und dann ist es eine TS, oder sie ist es nicht. Alle Begriffe wie Optimierung oder Überoptimierung sind reine Emotionen, reiner Schamanismus, und je tiefer die Trance, desto mehr Vertrauen in das, was geschaffen wird.

Ich kenne mehrere Möglichkeiten, der Nicht-Stationarität des Marktes Rechnung zu tragen. Die Kointegration ist eine Möglichkeit und ist gerade deshalb wertvoll, weil das Ergebnis eine stationäre Reihe ist.


Diese Begriffe sind nicht von mir erfunden worden. Sie sind allgemein bekannte Begriffe, die von Händlern verwendet werden. Wenn sie Ihnen jetzt nicht gefallen, heißt das nicht, dass Sie in Zukunft nicht mit ihnen einverstanden sein werden, denn das Leben fließt und verändert sich.

Sie sind mit dem Begriff Kointegration einfach überoptimiert )))))

Was Sie behaupten, ist im Wesentlichen eine Vorhersage der Zukunft. Das heißt, wenn man aus einer nicht-stationären Reihe eine stationäre Reihe macht, kann man mit 100-prozentiger Wahrscheinlichkeit vorhersagen, wie der Markt morgen aussehen wird.

Versuchen Sie, sich für den Nobelpreis zu bewerben oder so....))))

 
LeoV:


Diese Begriffe sind nicht von mir erfunden worden. Es sind bekannte Begriffe, die von Händlern verwendet werden. Wenn sie Ihnen jetzt nicht gefallen, heißt das nicht, dass Sie in Zukunft nicht mit ihnen einverstanden sein werden, denn das Leben fließt und verändert sich.

Sie sind mit dem Begriff Kointegration einfach überoptimiert )))))

Was Sie behaupten, ist im Wesentlichen eine Vorhersage der Zukunft. Das heißt, indem man eine nicht-stationäre Reihe in eine stationäre Reihe umwandelt, kann man vorhersagen, wie sich der Markt morgen entwickeln wird.

Versuchen Sie, sich für den Nobelpreis zu bewerben oder so....))))

Diese Begriffe sind nicht von mir erfunden worden. Es sind bekannte Begriffe, die von Händlern verwendet werden.

Sicherlich nicht von Ihnen. Dies ist TA - ein Land, das von Schamanen und Pinocchios bevölkert wird. Lesen Sie eine Fibel und als Offenbarung "Vorwärts-Test, Vorwärts-Test, Über-Optimierung ..."


In diesem Thema wird erörtert, wie die Stationarität der Differenz zwischen zwei nicht-stationären Reihen ausgenutzt werden kann. Bisher hat sich nur der Spread-Handel durchgesetzt. Aber sie qualifiziert sich nicht für den Nobelpreis.

 
faa1947: In diesem Abschnitt wird erörtert, wie die Stationarität der Differenz der beiden nicht-stationären Reihen genutzt werden kann.

In diesem Fall muss die Nicht-Stationarität der beiden Reihen identisch sein, so dass sie (die Nicht-Stationarität) durch Subtraktion ausgelöscht wird.

Wenn es anders ist, dann erhalten wir nach der Subtraktion eine dritte Art von unstetigen Reihen.

Wie und anhand welcher Parameter kann man die Nicht-Stationarität zweier nicht-stationärer Reihen vergleichen?

 
LeoV:

In diesem Fall muss die Nicht-Stationarität der beiden Reihen identisch sein, so dass sie (die Nicht-Stationarität) durch Subtraktion ausgelöscht wird.

Wenn es anders ist, dann erhalten wir nach der Subtraktion eine dritte Art von unstetigen Reihen.

Wie und anhand welcher Parameter kann man die Nicht-Stationarität zweier nicht-stationärer Reihen vergleichen?

Nach einem bestimmten Algorithmus werden die Tests auf Serien mit gleichem Integrationsgrad angewendet. Genug für ein Forum.
 
faa1947:

Spread-Trading - die Gewissheit, dass der Kurs von den Extremen zum Nullpunkt zurückkehrt. aber wie lange noch?
ja, was eher zu einer Rückkehr als zu einer weiteren Ausweitung der Spanne führen dürfte