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
(a) Die t-Statistik setzt voraus, dass die Daten normalverteilt sind und ist nur für solche Daten geeignet, da sie sonst das Ergebnis verfälscht.
b) Wie lautet die neue Anweisung in Matstat, 100% durch den Wert des t-Kriteriums zu dividieren, bitte aufklären
a) eigentlich z-Statistiken
b) es ist für Saatgut, um den Fehler in Prozent schnell abzuschätzen.
Aber das ist nicht das Problem.
Das Problem liegt an der Wurzel. Alles, was ich gelesen habe, sagt, dass die Vorhersehbarkeit nicht aus den Anforderungen an "richtig" folgt. Das ist es, worauf ich immer wieder zurückkomme. Die Kointegration wird durch die Tatsache angezogen, dass die Inputs in einer stationären Reihe sind. Die Frage der Vorhersehbarkeit bleibt jedoch bestehen.
a) ist eigentlich eine z-Statistik
Es wird also asymptotisch normal statt Student's angenommen, was ebenfalls alles andere als sicher ist.
b) das Saatgut soll den Fehler in Prozenten schnell abschätzen können
Aber das ist nicht das Problem.
Das ist die Wurzel des Problems. Alles, was ich gelesen habe, sagt, dass sich die Anforderungen an "richtig" nicht aus ihrer Vorhersehbarkeit ergeben. Das ist es, worauf ich immer wieder zurückkomme. Die Kointegration wird durch die Tatsache angezogen, dass die Inputs in einer stationären Reihe sind. Die Frage der Vorhersehbarkeit bleibt jedoch bestehen.
als asymptotisch normal anstelle der Student'schen Normalverteilung angenommen wird, was ebenfalls alles andere als sicher ist.
Und vor allem die Frage der Vorhersagbarkeit der Kointegration selbst. Ich schlage vor, dass wir daran arbeiten.Das ist es, was ich vorschlage, dass wir daran arbeiten.
Hier sind die Ergebnisse. Nahm die H1 6736 Barren. Die Bilder zeigen die ersten 500 Takte. Das Fenster von 118 Takten (Woche). Verschiebung um einen Balken.
Ko-Integrationsregression
EURUSD = C(1)*GBPUSD + C(2) + C(3)*@TREND
Unterschied zwischen Paaren
Eintrag - Überquerung von unten nach oben
Ausgang - Nulldurchgang
Eingaben von oben werden nicht berücksichtigt - man erhält zu komplizierte Zeichnungen.
In diesem Sektor haben wir Angebote
handelt in Pips
Ich bin sehr neugierig auf das Verhalten des Koeffizienten с(i) in der Kointegrationsregression
Ich würde gerne Ihre Meinung hören.
Kointegrationsregression
EURUSD = C(1)*GBPUSD + C(2) + C(3)*@TREND
Sie haben mehrfach die verschiedenen Gleichungen angeführt, die Sie zur Schätzung der Kointegration verwenden. Ich scheine den Punkt übersehen zu haben, als Sie begründeten, warum Sie eine deterministische Trendkomponente in die Regression aufnehmen. Könnten Sie das noch einmal erklären?
Soweit ich weiß, sollte die deterministische Komponente nur dann einbezogen werden, wenn die Regressoren eine solche Komponente enthalten. In diesem Fall können Sie die kritischen Werte der t-Statistiken, z. B. aus den Tabellen von MacKinnon, korrekt verwenden. Ich bezweifle stark, dass es einen deterministischen linearen Trend beim eurusd, gbpusd oder einer linearen Kombination aus beiden gibt.
Wie wir wissen, haben die Schätzungen der Regressionskoeffizienten (langfristige Modelle) die Eigenschaft der Superkonstanz, wenn wirklich eine Kointegration stattfindet. Nach Ihren Ergebnissen ist die Kointegration von eurusd und gbpusd gegeben. Ausgehend von diesen beiden Thesen schlage ich Ihnen vor, die von Ihnen vorgelegten Regressionsverhältnisse (notwendigerweise mit denselben Prädiktoren) in zwei sich nicht überschneidenden Datenbereichen auszuwerten und dann mit Hilfe der Tschebyscheffschen Ungleichung sicherzustellen, dass sich die C(3)-Verhältnisschätzungen in diesen Datenbereichen statistisch nicht signifikant unterscheiden. Wenn dies der Fall ist, sollten wir nicht versuchen, den Mittelwert der Regressionsresiduen zu handeln, sondern die deterministische Trendkomponente. Wenn die Schätzungen von C(3) signifikant abweichen, würde ich empfehlen, die Struktur der zu schätzenden Regression zu überarbeiten.
Soweit ich weiß, sollte die deterministische Komponente nur dann einbezogen werden, wenn die Regressoren eine solche Komponente enthalten. In diesem Fall können die kritischen Werte der t-Statistiken korrekt verwendet werden, beispielsweise aus den Tabellen von MacKinnon. Ich bezweifle stark, dass es einen deterministischen linearen Trend beim eurusd, gbpusd oder einer linearen Kombination aus beiden gibt.
Wie wir wissen, haben die Schätzungen der Regressionskoeffizienten (langfristige Modelle) die Eigenschaft der Superkonstanz, wenn wirklich eine Kointegration stattfindet. Nach Ihren Ergebnissen ist die Kointegration von eurusd und gbpusd gegeben. Ausgehend von diesen beiden Thesen schlage ich Ihnen vor, die von Ihnen vorgelegten Regressionsverhältnisse (notwendigerweise mit denselben Prädiktoren) in zwei sich nicht überschneidenden Datenbereichen auszuwerten und dann mit Hilfe der Tschebyscheffschen Ungleichung sicherzustellen, dass sich die C(3)-Verhältnisschätzungen in diesen Datenbereichen statistisch nicht signifikant unterscheiden. Wenn dies der Fall ist, sollten wir nicht versuchen, den Mittelwert der Regressionsresiduen zu handeln, sondern die deterministische Trendkomponente. Wenn die Schätzungen der C(3)-Koeffizienten signifikant unterschiedlich sind, würde ich vorschlagen, die Struktur der zu schätzenden Regression zu überarbeiten.
Sie haben mehrfach die verschiedenen Gleichungen angeführt, die Sie zur Schätzung der Kointegration verwenden. Ich glaube, ich habe nicht verstanden, warum Sie eine deterministische Trendkomponente in die Regression einbeziehen. Könnten Sie das noch einmal erklären?
Das ist die Sache, ich kann nichts behaupten.
Meiner Meinung nach bringt es nichts, die beiden verschiedenen Grundstücke in der Vergangenheit miteinander zu vergleichen. Realer Handel - verschieben Sie einen Balken nach vorne, und diese neue Darstellung, die sich um einen Balken unterscheidet, ergibt neue Koeffizienten. Die Werte der Koeffizienten с(1) und с(2) sind oben angegeben - sie ändern sich ständig und ganz erheblich. Hier sind die Werte des Koeffizienten c(3)
Hier ist die Schätzung der Kointegrationsgleichung (nicht der Regression):
Abhängige Variable: EURUSD
Methode: Dynamische kleinste Quadrate (DOLS)
Datum: 28.04.12 Uhrzeit: 14:49
Probe: 118 6736
Eingeschlossene Beobachtungen: 6619
Determinanten der kointegrierenden Gleichung: C @TREND
Automatische Vorlauf- und Nachlaufspezifikation (Vorlauf=34 und Nachlauf=34 auf der Grundlage des AIC
Kriterium, max=34)
Langfristige Varianzschätzung ( Bartlett-Kernel, feste Newey-West-Bandbreite =
11.0000)
Keine d.f.-Anpassung für Standardfehler und Kovarianz
Variable Koeffizient Std. Fehler t-Statistik Prob.
GBPUSD 1,477877 0,039584 37,33545 0,0000
C -0,983188 0,064891 -15,15143 0,0000
@TREND 9,03E-07 6,68E-07 1,352241 0,1763
Die t-Statistik und die damit verbundene Wahrscheinlichkeit besagt, dass der Trend der gesamten Stichprobe (118-6736 Balken) vernachlässigt werden kann. Dies ist nicht überraschend, da es bei großen Stichproben höchstwahrscheinlich keine Trends gibt.
Nehmen wir eine Stichprobe mit Fenstergröße = 118 Takte. Das Bild ist anders.
Abhängige Variable: EURUSD
Methode: Dynamische kleinste Quadrate (DOLS)
Datum: 28.04.12 Uhrzeit: 15:00
Stichprobe: 118 236
Eingeschlossene Beobachtungen: 119
Determinanten der kointegrierenden Gleichung: C @TREND
Automatische Vorlauf- und Nachlaufspezifikation (Vorlauf=1 und Nachlauf=0 auf der Grundlage von AIC)
Kriterium, max=12)
Langfristige Varianzschätzung (Bartlett-Kernel, feste Newey-West-Bandbreite =
5.0000)
Keine d.f.-Anpassung für Standardfehler und Kovarianz
Variable Koeffizient Std. Fehler t-Statistik Prob.
GBPUSD 0,410017 0,131928 3,107892 0,0024
C 0,652893 0,209209 3,120769 0,0023
@TREND 0.000202 1.90E-05 10.59269 0.0000
Es scheint einen Trend zu geben, aber die Werte der t-Statistik sind zu niedrig , was auf einen großen Fehler im geschätzten Koeffizienten hindeutet.
Daraus lässt sich schließen, dass ein Detrending immer durchgeführt werden sollte. Aber es handelt sich nicht um einen linearen Trend. Ich habe gewisse Einschränkungen bei der Trendgleichung. Sie könnten zum Beispiel einen Hodrick-Prescott-Filter verwenden.
Hier ist das Ergebnis der Einbeziehung zweier deterministischer Trends
Abhängige Variable: EURUSD
Methode: Dynamische kleinste Quadrate (DOLS)
Datum: 04/28/12 Uhrzeit: 15:06
Stichprobe: 118.236
Eingeschlossene Beobachtungen: 119
Determinanten der Kointegrationsgleichung: HP_EUR HP_GBP
Automatische Vorlauf- und Nachlaufspezifikation (Vorlauf=0 und Nachlauf=0 auf der Grundlage von AIC)
Kriterium, max=12)
Langfristige Varianzschätzung (Bartlett-Kernel, feste Newey-West-Bandbreite =
5.0000)
Keine d.f.-Anpassung für Standardfehler und Kovarianz
Variable Koeffizient Std. Fehler t-Statistik Prob.
GBPUSD 0,604971 0,094954 6,371191 0,0000
HP_EUR 1.002990 0.028777 34.85379 0.0000
HP_GBP -0,607497 0,096679 -6,283619 0,0000
Viel anständiger als der vorherige Fall. Die Hauptsache ist, dass das Ding stabiler ist, wenn es um eine Stange verschoben wird.
Das habe ich. Fast.
Paarweiser Handel. Festes Los=1. 1036 Balken auf H1.
Karten zitieren
Gleichgewicht ohne Spreads.
Links - Schrittweite, d.h. 0,8 = 8000 Punkte
Grafik der Handelsergebnisse
Gesamtstatistik für zwei Währungspaare:
gewinn.faktor
[1] 6.210877
> gewinn.plus
[1] 1.1192 = * 10000 = 11192 Pips
> Gewinn.minus
[1] 0,1802 = *10000 = 1802 Punkte
> sd(Gewinn) - sko
[1] 0,001738898 * 10000 = 17 Pips
> Zusammenfassung (Gewinn)
Min. ......st Qu.... Median Mittelwert ....... 3. Qu. Max.
-0.0047000 0.0000000 0.0006000 0.0009064 0.0015000 0.0192000
Aus der letzten Zeile: max. Drawdown in Pips = 47 Pips. Maximal profitabler Handel = 192 Pips.
Zum Aufbau des Handelssystems wurden Bibliotheken verwendet:
library(mFilter)
Bibliothek(tsDyn)
bibliothek(lmtest)
library(fUnitRoots)
bibliothek(zoo)
Hierher umgezogen.
Hier ist ein weiterer Abschnitt, die Anzahl der Balken ist 2,5 mal höher auf H1
Die letzten 1000 Takte der Bilanz
Und dies ist die letzte Statistik.
> gewinn.faktor
[1] 6.843426
> gewinn.plus
[1] 2.8366
> Gewinn.minus
[1] 0.4145
> sd(Gewinn)
[1] 0.001760334
> Zusammenfassung (Gewinn)
Min. 1. Qu. Median Mittelwert 3. Qu. Max.
-0.004000 0.000100 0.000700 0.001054 0.001700 0.017300
Bitte beachten Sie, dass sich der Gewinnfaktor und der Drawdown nicht wesentlich verändert haben.
Ich warte auf konkrete Ergebnisse zum Vergleich mit (18).