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
Woher stammen die 903,50? Ist das die Datei, die Sie sich ansehen? Die erste Zahl ist 325,25:
1 2 3 4 5 6 7
1992.11.01,00:00,355.75,364.00,352.75,359.25,1901
Ansonsten, ja, Stunden und Minuten sind verschiedene Spalten, alle Spalten sind durch Komma getrennt (Standard-Export von MT4).
In der zweiten Datei sollte die Spalte 16 der Position der Netzbetreiber entsprechen: Netzbetreiber.
Eine Angabe für Dienstag, die andere für Sonntag... Entspricht der 15.07.2012 dem 17.07.2012 oder entspricht er dem 22.07.2012?
Einige Daten für Dienstag und andere für Sonntag... Entspricht der 15.07.2012 dem 17.07.2012 oder entspricht er dem 22.07.2012?
Die Daten werden am Dienstag erfasst, aber erst am Freitagabend veröffentlicht (für uns zugänglich gemacht). Um nicht in die Falle der Selbsttäuschung zu tappen, ist es daher notwendig, einen Ausgleich um eine Woche vorzunehmen. D.h. es ist noch besser, den Eröffnungskurs der folgenden Woche zu verwenden:
1992.11.01,00:00,355.75,364.00,352.75,359.25,1901
Warum 1992.11.01 Sonntag ist, weiß ich nicht, es sollte 1992.11.02 sein. Das sind die einzigen Zitate, die ich habe. Aber darum geht es nicht. Wenn der Eröffnungskurs am Sonntag oder, wie es sein sollte, am Montag war, dann verwenden wir dafür die COT-Daten des vorhergehenden Dienstags, d.h. für den 01.11.1992 sollten wir die COT-Daten des 27.10.1992 verwenden.
Ja, ein paar andere Kommentare.
Es ist üblich, den Preis und damit die Indikatoren im Verhältnis zur Zeit zu betrachten. Aber wer sagt, dass dies die einzig richtige Methode ist?
Es ist bekannt, dass die Positionen der Marktteilnehmer vom Preis abhängen (je höher der Preis, desto höher ihre Nettoabsicherung). Aber was hat die Zeit damit zu tun? Daher wäre es nicht schlecht, ein punktuelles Diagramm der Abhängigkeit zwischen dem Preis und den Positionen der Marktteilnehmer zu zeichnen. Meines Erachtens wird sie mehr oder weniger ähnlich wie die lineare sein, und es ist möglich, den Granger-Test anzuwenden.
Die Ergebnisse sind wie folgt.
Synchronisiert die Daten. In Zw musste ich 6 leere Naludes einfügen, um sie auszurichten. Anschließend wurden die erhaltenen NA-Werte linear interpoliert.
Ich habe die folgenden Daten.
Netz
2000.01.04 -4479 2000.01.09 265.5
2000.01.11 -15963 2000.01.16 264.25
2000.01.18 -22316 2000.01.23 259,75
2000.01.25 -26656 2000.01.30 257
2000.02.01 -19041 2000.02.06 269,5
2000.02.08 -19564 2000.02.13 265
/
/
/ Ende
648 2012.05.29 11227 2012.06.03 629.25
649 2012.06.05 34075 2012.06.10 612.25
650 2012.06.12 36996 2012.06.17 673
651 2012.06.19 34250 2012.06.24 741.75
652 2012.06.26 -4088 2012.07.01 790.25
653 2012.07.03 -13515 2012.07.08 834
654 2012.07.10 -23508 2012.07.15 944.75
655 2012.07.17 -38701 2012.07.22 903
Kausaltest für die gesamte Stichprobe von 655 Beobachtungen mit einer Verschiebung von 2 Lags und 10 Lags (das Ergebnis ist dasselbe)
Paarweise Granger-Kausalitätstests
Datum: 08/03/12 Uhrzeit: 15:21
Stichprobe: 1 655
Verzögerungen: 10
Nullhypothese: .............................................................................Obs F-Statistik Prob.
NET_OPERATORS kein Granger-Grund für SER06_INTERPOLATE 645 2.66043 0.0035
SER06_INTERPOLATE ist kein Granger-Grundfür NET_OPERATORS 20.9059 1.E-33
.
Die Idee, die Kausalität an der gesamten Stichprobe zu testen, ist nicht korrekt.
Nehmen Sie die ersten 30 Beobachtungen:
Paarweise Granger-Kausalitätstests
Datum: 08/03/12 Uhrzeit: 15:44
Probe: 1 30
Verzögerungen: 2
Nullhypothese: Beobachtungen F-Statistik Prob.
SER06_INTERPOLATE hat keine Granger-Kausalität für NET_OPERATORS 28 10.8494 0.0005
NET_OPERATORS ist nicht Granger Cause SER06_INTERPOLATE 0.39443 0.6785
Das Bild ist anders. Die zweite Zeile klingt wie folgt
Wir verwerfen mit 67% Wahrscheinlichkeit die Hypothese, dass NET_OPERATORS keine Granger-Ursache für SER06_INTERPOLATE ist .
Umgekehrt können wir die Hypothese, dass NET_OPERATORS keine Ursache ist, nicht verwerfen!
Ja, ein paar andere Kommentare.
Es ist üblich, den Preis und damit die Indikatoren im Verhältnis zur Zeit zu betrachten. Aber wer sagt, dass dies die einzig richtige Methode ist?
Es ist bekannt, dass die Positionen der Marktteilnehmer vom Preis abhängen (je höher der Preis, desto höher ihre Nettoabsicherung). Aber was hat die Zeit damit zu tun? Daher wäre es nicht schlecht, ein punktuelles Diagramm der Abhängigkeit zwischen dem Preis und den Positionen der Marktteilnehmer zu zeichnen. Es scheint mir, dass es dem Liniendiagramm mehr oder weniger ähnlich sein wird, und es kann den Granger-Test anwenden.
Beobachtungen sind an die Zeit gebunden, was zwischen den Beobachtungen geschieht, wissen wir nicht. Wir müssen interpolieren, was entweder eine sehr einfache Aufgabe sein kann (wie oben beschrieben) oder eine sehr komplizierte, wie Sie vorschlagen.
Ich denke, man muss nach der Größe des Fensters suchen, in dem die Kausalität festgestellt werden kann, und mit dieser gefundenen Fenstergröße arbeiten. Die Behauptung, je größer die Stichprobe, desto besser, weise ich rundweg zurück. Dies wird von Leuten behauptet, die nicht über das Theorem hinausgegangen sind. Wir interessieren uns für den Trend, der ein paar Schritte voraus ist. Wir sind an Marktschwankungen interessiert, bei denen wir gewinnen oder verlieren können. Und der durchschnittliche Mangel an Kausalität zwischen den Variablen über 12 Jahre sagt nichts aus. 30 Wochen sind sechs Monate. Und die Frage sollte so gestellt werden: Reichen diese 30 Wochen aus, um ein paar Wochen vorauszusagen?
Die Ergebnisse sind wie folgt.
Wir verwerfen mit 67% Wahrscheinlichkeit die Hypothese, dass NET_OPERATORS keine Granger-Ursache für SER06_INTERPOLATE ist .
Umgekehrt können wir die Hypothese, dass es sich nicht um eine Ursache handelt, nicht verwerfen!
Ist also eine Ja-Ursache oder eine Ja-Nein-Ursache?
! (Net_Operators != Ser06_Interpolar) = true;
D.h. Net Operators ist höchstwahrscheinlich die Ursache von Ser06_Interpolate?
Oh, ich verstehe, für die ersten 30 Verzögerungen sind die Betreiber verantwortlich. Für die gesamte Stichprobe gilt: Nein, die Betreiber sind nicht die Ursache. Das ist überhaupt kein wichtiges Ergebnis. Trotzdem braucht man eine Bestätigung für die ganze Geschichte, sonst ist es logischerweise entweder die Ursache oder nicht. Und manchmal ist es so, manchmal nicht - es ist das gleiche 50/50.
Werden die Inkremente oder Momente verglichen?
Ist also ein Ja ein Ja oder ein Ja ein Nein?
! (Net_Operators != Ser06_Interpolar) = true;
D.h. ist es wahrscheinlicher, dass Net Operators die Ursache für Ser06_Interpolate ist?
Das ist es ja, es gibt nicht nur viele Grautöne, sondern die Welt ist auch noch bunt!
Es ist einfach ein Augenöffner. Und was zu tun ist, ist eine andere Frage.
Oh, ich verstehe, für die ersten 30 Verzögerungen sind die Betreiber verantwortlich. Für die gesamte Stichprobe gilt: Nein, die Betreiber sind nicht die Ursache. Das ist überhaupt kein wichtiges Ergebnis. Trotzdem braucht man eine Bestätigung für die ganze Geschichte, sonst ist es logischerweise entweder die Ursache oder nicht. Und manchmal ist es so, manchmal nicht - es ist das gleiche 50/50.
Werden die Inkremente oder Momente verglichen?
Es ergibt sich ein sehr interessantes Bild, wenn man ein Fenster entlang der Probe führt. Es ist gut, wenn sich der berechnete Kausalitätswert nicht ändert, aber höchstwahrscheinlich tut er es doch!
Ich habe das zum ersten Mal bei den Koeffizienten eines gewichteten gleitenden Durchschnitts gesehen - ich war entsetzt. Sie können mit nichts in der TA arbeiten. Alles, was ich vom Prüfer erhalten habe, ist nicht vertrauenswürdig, usw.