Diskussion zum Artikel "Implementierung des Augmented Dickey Fuller-Tests in MQL5"

[MetaQuotes]

Neuer Artikel Implementierung des Augmented Dickey Fuller-Tests in MQL5 :

In diesem Artikel demonstrieren wir die Implementierung des Augmented Dickey-Fuller-Tests und wenden ihn zur Durchführung von Kointegrationstests mit der Engle-Granger-Methode an.

Einfach ausgedrückt ist ein ADF-Test ein Hypothesentest, mit dem wir feststellen können, ob ein bestimmtes Merkmal der beobachteten Daten statistisch signifikant ist. In diesem Fall ist das zu ermittelnde Merkmal die Stationarität einer Reihe.  Eine statistische Hypothese ist eine Annahme über einen Datensatz, der durch eine Stichprobe repräsentiert wird. Wir können die wirkliche Wahrheit nur erfahren, wenn wir mit dem gesamten Datensatz arbeiten. Was in der Regel aus dem einen oder anderen Grund nicht möglich ist. Es wird also eine Stichprobe eines Datensatzes getestet, um eine Annahme für den gesamten Datensatz zu treffen. Es ist wichtig, sich daran zu erinnern, dass der Wahrheitsgehalt einer statistischen Hypothese bei der Arbeit mit Stichproben nie mit Gewissheit feststeht. Was wir erhalten, ist, ob eine Annahme wahrscheinlich wahr oder falsch ist.

Bei einem ADF-Test betrachten wir zwei Szenarien:

• Die Nullhypothese, dass eine „Einheitswurzel“ in der Zeitreihe vorhanden ist.

• Die Alternativhypothese, dass die Zeitreihe keine „Einheitswurzel“ aufweist.

Autor: Francis Dube