Ökonometrie: Vorhersage mit Zustandsraummodellen - Seite 25
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
Ich habe es in der ganzen Diskussion übersehen - wie hoch ist die durchschnittliche Handelsgröße in Pips?
1. Könnten Sie mir die Art der Autoregression und die Funktion nennen, auf deren Grundlage die Vorhersage getroffen wird?
2. Ich muss bis zu 1000 Balken der Historie verwenden, so dass Fälle mit mehr als 100 Balken nicht ausgeschlossen werden können. Ich sollte Fälle > 1000 Balken berücksichtigen, aber aus irgendeinem Grund ignoriert mein Expert Advisor diese Fälle, obwohl der Indikator sogar 10000 Balken anzeigen kann. Was der Grund für den Expert Advisor ist, weiß ich nicht. Ich kann die 1000-bar-Grenze im Code nicht finden. Vielleicht ist dies eine Systembeschränkung?
Ich habe keine Regression. Es wird ein Zustandsraummodell verwendet. Siehe obige Antwort "Mathematik". Oben habe ich einen allgemeinen Überblick über das Modell gegeben.
Ich unterscheide zwischen der Größe des Fensters, über das die Parameter berechnet werden, und der Stichprobengröße, über die das Ergebnis berechnet wird, das oben in Pips ohne den Spread angegeben ist. Wir sehen eine ziemlich glatte Wachstumslinie in der Bilanz. Vielleicht liege ich falsch, aber für mich ist es sehr wichtig, eine glatte Gleichgewichtslinie zu haben.
Lieber Yusuf!
Zu meiner Schande konnte ich Ihr Modell nicht verstehen - meine Kenntnisse beschränken sich auf den Universitätslehrplan, und wir haben so etwas nicht gelesen.
Gleichzeitig ist es sehr interessant, dass Sie die Gamma-Funktion (und die Gamma-Verteilung?) verwenden, da diese Funktionen in der Wirtschaft weit verbreitet sind.
Hier habe ich die ZZ-Umkehrabstände in Balken genommen und das folgende Histogramm erhalten
Sehr ähnlich der Gamma-Verteilung.
Saldo = 0,1780, d.h. 1780 4-stellige Punkte.
Nach dem letzten Bild hier zu urteilen, gibt es etwa 1000 Geschäfte. Sie beträgt also weniger als 2 Pips.
Saldo = 0,1780, d. h. 1780 4-stellige Punkte.
Das letzte Bild hier zeigt etwa 1000 Trades. Dementsprechend beträgt sie weniger als 2 Pips.
Saldo = 0,1780, d. h. 1780 4-stellige Punkte.
Nach dem letzten Bild hier zu urteilen, gibt es etwa 1000 Angebote. Dementsprechend beträgt er weniger als 2 Pips.
Insgesamt 1038 Takte. Der Handel findet nicht auf jedem Balken statt. Eine durchgehende Einfarbigkeit (rot oder blau) ist ein Handel.
Saldo = 0,1780, d. h. 1780 4-stellige Punkte.
Nach dem letzten Bild hier zu urteilen, gibt es etwa 1000 Angebote. Dementsprechend beträgt sie weniger als 2 Punkte.
Hier sind die Statistiken:
0,0001 0,0004 0,0008 0,0011 0,0014 0,0121 661
Aus der letzten Spalte: von 1.038 Takten war das System 661 Takte außerhalb des Marktes.
Hinzu kommt, dass das Modell beim Überschreiten der Schwelle die Pose einnimmt bzw. verlässt.
Hier sind die statistischen Angaben zum Wert der oberen Schwelle
Min. 1. Qu. Median Mittelwert 3. Qu. Max. NAs
0.00000 0.00011 0.00026 0.00030 0.00044 0.00131 38
Übrigens, der Mittelwert ist vergleichbar mit dem Spread und mah=13 Pips...
Es stellt sich die Frage, wie viele historische Balken mindestens erforderlich sind, damit der Trend bis zum nächsten Balken anhält. Die Wahrscheinlichkeit, dass der Trend bei 10+1 Takten anhält, ist viel höher als bei 50+1 Takten, und 100+1 Takte sollten Sie gar nicht in Betracht ziehen.
In jedem Ökonometriekurs (sind Sie wirklich Ökonometriker?:)) erfahren Sie, wie hoch die Varianz der Modellparameterschätzungen ist und wie schnell die Schätzungen zu den wahren Werten konvergieren: Je kleiner der Stichprobenumfang ist und je weniger strukturelle Änderungen in den Reihen vorliegen, desto größer ist die Varianz der Modellparameterschätzungen. Mit zunehmendem Stichprobenumfang nimmt die Varianz (meist:)) mit eps*sqrt(n) ab, wobei eps>0 und n die Anzahl der Beobachtungen ist.
Parameterschätzungsfehler tragen zum Fehler eines jeden Modells bei. Je geringer die Genauigkeit der Parameterschätzung ist, desto höher ist der Fehler des Modells.
Andererseits ermöglicht ein kleines Fenster die Anpassung an Parameteränderungen. In der Praxis lässt sich dieses Problem viel besser lösen, indem man das Zerfallsproblem für die Modellparameter löst, anstatt die Fenstergröße zu verringern.
Ich habe keine Regression. Es wird ein Zustandsraummodell verwendet. Siehe obige Antwort Math. Oben habe ich einen allgemeinen Überblick über das Modell gegeben.
Ich unterscheide zwischen der Fenstergröße, über die die Parameter berechnet werden, und der Stichprobengröße, über die das Ergebnis berechnet wird, das oben in Pips ohne den Spread angegeben ist. Wir sehen eine ziemlich glatte Wachstumslinie in der Bilanz. Vielleicht liege ich falsch, aber für mich ist es sehr wichtig, eine glatte Gleichgewichtslinie zu haben.