Una correlación muestral nula no significa necesariamente que no exista una relación lineal - página 49

 
C-4:


En general, sí, es así. Pero con la única salvedad de que necesito métodos que permitan determinar la relación, no utilizando la suposición de que existe tal relación a priori. Por ejemplo, he leído un artículo sobre el análisis de regresión en la wikipedia:

Bien, antes de poder utilizar el mismo análisis de regresión, tenemos que identificar la relación. Pero, ¿cómo lo identificamos? El análisis de regresión es imposible ya que es una consecuencia de la relación, la correlación también es imposible ya que la propia CC no habla de relaciones causa-efecto, ¿correlación cruzada? - parece mejor, pero ahí acaban mis conocimientos...

No es gran cosa. Los modernos "operadores de correlación" -hay incluso puestos así, por lo que se llaman- parten de la hipótesis "nula" de que TODO ESTÁ RELACIONADO, y luego por enumeración calculan la fuerza de esa conexión -de todo- con todo.

Aquí, encontrado en los archivos, guardian.co.uk tiene un blog sobre financieros. Y allí hay algunos artículos estupendos sobre el trabajo real de un trader en un gran banco o fondo de cobertura. Pueden cazar correlaciones hasta DOS SEMANAS, luego el trader lo comprueba todo en algún laboratorio de matemáticas, hace una presentación a sus jefes y luego el banco abre una posición cubierta por algo así como 100 millones.

http://www.guardian.co.uk/commentisfree/joris-luyendijk-banking-blog/2012/apr/02/quantatitive-prop-trader-voices-of-finance

Hay muchas cosas interesantes para los traders profesionales en el blog.

 
anonymous:

El enfoque más conocido es la prueba de causalidad de Granger. También puedes mirar la entropía de transferencia

¿Dónde puedo encontrar documentación sobre ellas y en qué paquetes R se pueden consultar estas pruebas?
 
C-4:
¿Y dónde puedo encontrar documentación sobre ellas y en qué paquetes de R puedo encontrar estas pruebas?


library(MSBVAR); ?granger.test

No hay paquetes para la transferencia de entropía, pero no es difícil consultarlos por sí mismo.

 
¿No hay nadie dispuesto a escribir este Granger en el emcool?
 
GaryKa: Estimados visitantes, ¿qué datos de las series temporales de precios (FX) utilizan para sacar conclusiones sobre estacionariedad, distribuciones, ergodicidad, correlación y otras cosas estadísticas? La pregunta no tiene discusión. ¿Sólo a menudo tomando una de las mejores lecturas cuantificadas por tiempo astronómico? Pero eso es ... cómo decirlo... inaceptable. Tiene sentido analizar la secuencia de lecturas de precios de las operaciones "reales", teniendo en cuenta los volúmenes reales. Quizá ese sea el objetivo: preparar los datos para el análisis.

Lee las definiciones en cualquier libro de texto y entiende lo esencial. No hay ninguna diferencia entre utilizar el precio de compra/venta/precio medio. Las características numéricas pueden ser ligeramente diferentes, pero las conclusiones sobre la estacionalidad serán las mismas.

La pregunta es algo más amplia y comprende varias subpreguntas:


  • (1) ¿Cuál es la lectura del precio en las operaciones reales?

la oferta y la demanda son sólo las mejores ofertas y, . y así sucesivamente. ¿Pueden cambiar cuando no hay comercio real? Sí, pueden hacerlo. ¿Pueden permanecer sin cambios en presencia de un comercio? Sí, absolutamente (parcialmente ejecutado). Precio medio. ¿Qué pasa cuando el diferencial aumenta varias veces, qué pasa con el precio medio o la mejor banda?

  • (2) ¿Cuáles son las lecturas de volumen en las operaciones reales?
He aquí un ejemplo, de nuevo inventado (la imagen está tomada del primer puesto de la rama)


La correlación es nula en toda la gama, aunque todo el comercio se concentra en zonas donde la correlación es significativa.
Es obvio que las operaciones de un lote no son equivalentes a las de 100 lotes. Y mientras tanto, los datos de los precios de esas microtransacciones contribuyen de forma significativa a los cálculos de las características selectivas. Conociendo los volúmenes reales, podríamos realizar "medias ponderadas" que serían más adecuadas.
  • (3) Cómo cuantificar los datos
Tome la primera diferencia entre las velas, no es HP BP. Y por qué va a tener una distribución normal si una vela tiene X operaciones y la otra 100X operaciones y todas con volúmenes diferentes. ¿Investigar la historia de las garrapatas, el nivel II de la historia? Cuanto más profundo es, más diferencias hay entre los corredores.
 
C-4: I(0) es simplemente las primeras diferencias de I(1).

Es lógico, no hay discusión. Pero la verdad es otra: I(1) es la "integral" de I(0) - del proceso que se define desde el principio. No es I(0) lo que se define a través de I(1), sino a la inversa.

Las propiedades de I(1) podrían ser cualquier cosa, podría ser SB, podría ser un mercado real con una distribución no normal, la dinámica de la temperatura en Lisboa, lo que sea.

Lo siento, pero eso no es del todo correcto. Hay que partir de I(0), que debe ser siempre estacionario y no otro. Las sucesivas "integraciones" del proceso I(0) conducen a diferentes I(n).

I(1) no puede ser de ninguna manera cotizaciones reales, porque el proceso de diferencias de estas cotizaciones no es estacionario, es decir, no puede ser I(0). Por lo tanto, originalmente (las comillas) no era I(1).

 

El horror.

Con el debido respeto, no puedo entender por qué hay que aplicar la estadística a procesos cuya esencia es explicable y descriptible.

Aquí, he desarrollado algo. Nadie sabe si es bueno o malo. Encienda las estadísticas: ellas decidirán. Cuando nadie lo sabe

 
hMathemat:

Es lógico, no hay discusión. Pero la verdad es otra: I(1) es la "integral" de I(0), del proceso que se define desde el principio. No es I(0) lo que se define a través de I(1), sino a la inversa.

Lo siento, pero eso no es del todo correcto. Hay que partir de I(0), que debe ser siempre estacionario y no otro. Las sucesivas "integraciones" del proceso I(0) dan lugar a diferentes I(n).

I(1) no pueden ser de ninguna manera cotizaciones reales, porque el proceso de diferencias de estas cotizaciones no es estacionario, es decir, no puede ser I(0). Por lo tanto, originalmente (las comillas) no era I(1).

Supongamos que MQ ha decidido lanzar MetaTrader 6 en el que en lugar de los clásicos gráficos en forma de barras y velas se nos dan sólo los incrementos de precios. El mercado sigue sin ser normal, pero ahora usamos y confiamos en I(0).

Ambos procesos de la imagen anterior son del orden I(0), pero el primero es una distribución normal clásica y el segundo es un mercado RTS real y no estacionario. Si la imagen inferior no es un proceso de orden I(0), entonces ¿qué orden es y cómo debemos llamarlo?

 
Integer:
¿No hay nadie dispuesto a emular a este Granger en el emculus?

Para empezar, estaría bien saber cómo funciona.

¿Alguien tiene el libro de Granger de 1969"Investigating Causal Relations by Econometric Models and Cross-Spectral Methods")?

Y también, para ser sincero, sigo sin entender quién tiene más culpa del conflicto entre Israel y Palestina. ¿Los judíos? ¿Los árabes?

Sólo hay un conjunto de datos especial llamado IsraelPalestineConflicte que va con la prueba, se ve así:

Se puede ver que los datos están estrechamente correlacionados, pero no se puede ver de quién es la culpa, y lo que dice Granger no está claro.

 
C-4: Si la imagen inferior no es un proceso de orden I(0), entonces ¿qué orden es y cómo se llama?
No lo sé, tenemos que comprobarlo. Aquí deja que faa compruebe las raíces unidireccionales.