Econometría: previsión de un paso adelante - página 116
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Yo mismo no lo entiendo.
Patrón roto: zz_high eurusd(-1 a -100) c @trend
Estoy pronosticando una variable dependiente que toma los valores "0" - ninguna señal y "1" - señal de inversión a la baja. Tomamos 100 barras de EURUSD como variable dependiente, es decir, un valor aleatorio. Tras estimar el coeficiente de regresión obtenemos:
ZZ_HIGH = 1-@CNORM(-(1033.56764818*EURUSD(-1) + 361.005725087*EURUSD(-2) - 659.271726689*EURUSD(-3) + 1289.20797453*EURUSD(-4) - 1024.9175822*EURUSD(-5) - 173.354947231*EURUSD(-6) - 500.755211559*EURUSD(-7) + 487,538133239*EURUSD(-8) - 1741,90012073*EURUSD(-9) + 1250,27027863*EURUSD(-10) + 1204,01840496*EURUSD(-11) - 625,209628018*EURUSD(-12) - 88.4193896778*EURUSD(-13) - 821,374855285*EURUSD(-14) - 754,491291165*EURUSD(-15) + 538,519551372*EURUSD(-16) + 3220,86311608*EURUSD(-17) - 518,070207767*EURUSD(-18) - 2332.53473806*EURUSD(-19) + 569,684891562*EURUSD(-20) - 1619,61207529*EURUSD(-21) + 1641,76931445*EURUSD(-22) - 1414,74117489*EURUSD(-23) - 114,280781428*EURUSD(-24) + 450,449461697*EURUSD(-25) - 337.460964818*EURUSD(-26) + 908,232164753*EURUSD(-27) + 601,738993689*EURUSD(-28) + 861,74494980071*EURUSD(-29) + 259,833316285*EURUSD(-30) - 46,5215488696*EURUSD(-31) - 820.583809759*EURUSD(-32) - 1423,98506887*EURUSD(-33) + 935,969451579*EURUSD(-34) - 803,436564451*EURUSD(-35) + 221,143701299*EURUSD(-36) + 335,777492236*EURUSD(-37) + 650.456824302*EURUSD(-38) + 350,318958532*EURUSD(-39) - 467,384535354*EURUSD(-40) - 1463,62960078*EURUSD(-41) + 1023,33692559*EURUSD(-42) + 531,53858297*EURUSD(-43) - 1804.43807812*EURUSD(-44) + 505,327400995*EURUSD(-45) - 20,3151847226*EURUSD(-46) + 1454,71062626*EURUSD(-47) + 149,481921853*EURUSD(-48) - 1985,4346906*EURUSD(-49) + 8,64522845766*EURUSD(-50) + 1301.22397609*EURUSD(-51) + 1398,9062339*EURUSD(-52) - 1812,25415112*EURUSD(-53) - 815,17727151*EURUSD(-54) - 465,973849717*EURUSD(-55) + 891,665097704*EURUSD(-56) - 33,8677278433*EURUSD(-57) + 1802.96642724*EURUSD(-58) + 103,739651059*EURUSD(-59) + 395,877119657*EURUSD(-60) - 1358,3140469*EURUSD(-61) + 17,0144218275*EURUSD(-62) + 645,959444744*EURUSD(-63) - 1935.40489961*EURUSD(-64) + 847,657103772*EURUSD(-65) - 348,287297241*EURUSD(-66) + 1674,82953896*EURUSD(-67) - 1399,09585978*EURUSD(-68) + 442,848712733*EURUSD(-69) + 498.667519817*EURUSD(-70) + 175,460595585*EURUSD(-71) - 3,23177058628*EURUSD(-72) - 502,970783886*EURUSD(-73) - 486,45378574*EURUSD(-74) - 1284,12753179*EURUSD(-75) + 2212,99339275*EURUSD(-76) + 1011.83438787*EURUSD(-77) - 2762,97407148*EURUSD(-78) + 1603,46426721*EURUSD(-79) - 441,847609369*EURUSD(-80) - 173,0306096*EURUSD(-81) - 672,051786135*EURUSD(-82) - 1106.57500684*EURUSD(-83) + 337,977251734*EURUSD(-84) + 1392,23135411*EURUSD(-85) + 1222,020799*EURUSD(-86) + 327,446848701*EURUSD(-87) - 1208,41468022*EURUSD(-88) + 741,85661795*EURUSD(-89) + 1585.08937121*EURUSD(-90) - 2098,86445785*EURUSD(-91) + 58,0598765644*EURUSD(-92) - 166,744222595*EURUSD(-93) + 67,6457712184*EURUSD(-94) + 98,7949064574*EURUSD(-95) + 1406.32082135*EURUSD(-96) - 1658,83294022*EURUSD(-97) - 273,851042947*EURUSD(-98) + 93,5879401275*EURUSD(-99) + 243,060588194*EURUSD(-100) - 1295,0210728 + 0,08150857192*@TREND)
Todo parece estar ahí.
El cálculo de la previsión es de alguna manera completamente igual al hecho.
Me gustaría entender el modelo. ¿Qué es el CNORM? ¿En qué intervalo se entrenó el modelo y en cuál se probó? ¿He entendido bien que las 100 primeras filas de las hojas de cálculo de Excel son datos de formación? ¿Por qué son tan pocos (igual al número de variables dependientes en el modelo)?
Me gustaría entender el modelo. ¿Qué es el CNORM? ¿En qué intervalo se entrenó el modelo y en cuál se probó? ¿He entendido bien que las 100 primeras filas de las hojas de cálculo de Excel son datos de formación? ¿Por qué son tan pocos (igual al número de variables dependientes en el modelo)?
@cnorm(x)
distribución acumulativa normal (CDF)
Se necesitan 500 barras. No se toman los primeros 100 compases, ya que son compases en la fórmula como periodo en la ondulación. Sin entrenamiento, estimando los coeficientes en 500 barras
@cnorm(x)
distribución acumulativa normal (CDF)
Se toman 500 barras. No se toman las 100 primeras barras porque son las que aparecen en la fórmula como período en la ondulación. Sin formación, coeficiente de estimación a 500 bares
Tales modelos a veces pueden dar predicciones precisas, simplemente por la alta probabilidad de coincidencia, debido al pequeño número de posibles estados finales y no significa nada - sólo tome por ejemplo el incremento real para cerrar en el período de las próximas 500 barras por los coeficientes extraídos en las 500 barras anteriores y mida la correlación con el incremento de la previsión - que es la diferencia en los valores de detalle. El coeficiente obtenido estimará objetivamente la calidad de la predicción, en su caso puede utilizar la evaluación de la correlación cuantitativa. Pero, de nuevo, no es una solución para el problema de la previsión, porque para utilizarlo como un sistema "útil" debe ser capaz no sólo de "entrar en el mercado" con éxito, sino también de "salir" de él. Se equivoca al suponer que el error de predicción se acumulará una barra adelante si se toman más barras, de hecho, no se promete... Al igual que la selección de la significación de las variables es una tarea de extracción de conocimiento (Data Mining) que se puede resolver por separado y para la que ya existen técnicas y no se hace en función de si se necesitan o no 100 o 500 barras...
Todo el tema es más rico que el último post que comentaste. La cuestión de la significación de las variables se ha tratado muchas veces. La acumulación de errores de predicción es un hecho médico, ya que se toma el valor de predicción anterior para la siguiente predicción por falta de hecho. Si se toma un hecho, es una predicción un paso adelante.
Pero estas son cuestiones menores y técnicas.
El uso de los incrementos fue. Nada funciona, porque en los incrementos no hay tendencia, pero sí una tendencia predicha. y aquí está la cuestión principal del tema: ¿qué propiedades del modelo dan garantía de predictibilidad? Se ha propuesto todo un conjunto de propiedades de este tipo para un modelo de regresión ordinario. Lo que comentas es un modelo de ruptura y aquí hay otros modelos que no entiendo.
Le agradecería que comentara alguno de los muchos puntos de este hilo.
...El uso de incrementos fue. Nada funciona, ya que no hay tendencia en los incrementos, pero la tendencia se predice. y aquí la cuestión principal del tema es: ¿qué propiedades del modelo dan garantía de predictibilidad? Se ha propuesto todo un conjunto de propiedades de este tipo para un modelo de regresión ordinario. Lo que comentas es un modelo probit y aquí hay otros modelos que no entiendo...
Aquí hay un enlace a mi trabajo que ha estado allí durante mucho tiempo(https://www.mql5.com/ru/code/8295).... ACF y si te fijas bien hay dos curvas. La primera curva es (línea azul), la segunda roja es la ACF de las cotizaciones. Puedes compararlos (visualmente)...
Hay un modelo (existe y se conoce desde hace tiempo) con el que se puede describir la corit con suficiente precisión para la práctica y no es un modelo de regresión. Es cierto que los libros de texto de econometría probablemente no digan nada sobre este modelo... busca otros libros de texto
Buena suerte a todos. ¡Felicidad y buena salud en el próximo año!
¡Feliz Año Nuevo! Que todos los modelos conquisten.
El uso de incrementos fue. Nada funciona, ya que no hay tendencia en los incrementos, pero la tendencia se predice.
Usted afirma:
1. Que al cambiar a incrementos se pierde la tendencia. Esto no es cierto, ya que la presencia de una tendencia afectará directamente a la expectativa condicional de los incrementos. Por lo tanto, la predicción de una es equivalente a la predicción de la otra.
2. Que el modelo incremental no tiene la propiedad de la reversibilidad. De nuevo, esto no es cierto, porque conocemos el último nivel de precios. Al predecir los incrementos, tomar una suma acumulada de ellos y añadir el último valor de precio conocido, obtenemos una transición uno a uno en el espacio tiempo/precio.
Tenemos un modelo de regresión primitivo. Se demuestra que dentro de la muestra tiene un factor de beneficio mucho mayor que 10. Fuera de la muestra es un poco más de 1 e incluso eso es dudoso. Este modelo está construido "correctamente".
Pregunta: ¿por qué este modelo "correcto" no tiene la propiedad de estabilidad o previsibilidad?
Puedes ser un teórico y construir modelos con R^2 cercano a uno y no ganar nada. Puedes ser un profesional y evaluar los modelos en términos de beneficios esperados y riesgos asociados. El primer caso es bueno si quieres escribir un artículo/disertación/lo que sea. Si quieres ganar dinero, estima los modelos por el beneficio/riesgo primero, y sólo después por R^2 y otras estadísticas.
Sólo se pueden mirar las pruebas dentro de la muestra después de haber obtenido un resultado positivo estable fuera de la muestra. De lo contrario, estará perdiendo el tiempo.
Siguiente paso. Aplicabilidad de los difusores estocásticos al mercado, enlaces, por favor.
Los difusores son especialmente populares cuando se valoran derivados como las opciones. También hay aplicaciones en el arbitraje estadístico.
Es lo mismo para ti. El NS en los paquetes (EViews no lo tiene, pero otros sí) toma el lugar del suavizado, y esto es sólo una pequeña parte del problema y no la más importante a resolver. En el caso de NS, es un arte. Si tomas splines y wavelets, es matemático.
NS sustituye a los modelos de regresión no lineal.
Me gustaría entender el modelo. ¿Qué es el CNORM? ¿En qué intervalo se entrenó el modelo y en cuál se probó? ¿He entendido bien que las 100 primeras filas de las hojas de cálculo de Excel son datos de formación? ¿Por qué son tan pocos (igual al número de variables dependientes en el modelo)?
Me gustaría entender una cosa, si estás prediciendo ZZ, ¿cómo calculas el paso de ZigZag predicho?
Aquí hay un enlace a mi trabajo que ha estado allí durante mucho tiempo(https://www.mql5.com/ru/code/8295).... ACF y si te fijas bien hay dos curvas. La primera curva es (línea azul), la segunda roja es la ACF de las cotizaciones. Puedes compararlos (visualmente)...
Hay un modelo (existe y se conoce desde hace tiempo) con el que se puede describir la corit con suficiente precisión para la práctica y no es un modelo de regresión. Es cierto que los libros de texto de econometría probablemente no digan nada sobre este modelo... busca otros libros de texto
Buena suerte a todos. ¡¡¡Felicidad y salud en el próximo año!!!
(en sus términos "modelo correcto")
Correcto significa que tiene ciertas propiedades. Estas propiedades no son discutidas por nadie.
entonces la mejor predicción 1 paso por delante es el filtro de Kalman. Puedes buscarlo en el foro aquí...
En EViews hay un modelo llamado espacio de estado, por lo que el filtro de Kalman. Pero no puedo formular un modelo de este tipo, aunque a todas luces es el más prometedor.
Aquí hay un enlace a mi trabajo ha estado mintiendo durante mucho tiempo(https://www.mql5.com/ru/code/8295).... ACF y si te fijas bien hay dos curvas. La primera curva es (línea azul), la segunda roja es la ACF de las cotizaciones. Puedes compararlos (visualmente)...
Tu post sobre el AFC no entiendo nada.Para mí el AFC es un indicador de presencia de dependencias en las comillas que yo modelo
hay un modelo (existe y se conoce desde hace tiempo) que puede utilizarse para describir el kotir con suficiente precisión para la práctica, y no es un modelo de regresión.
¿Y si no intrigas?
anonymous:
1. Que la tendencia se pierde en la transición a los incrementos. Esto no es cierto, ya que la presencia de una tendencia afectará directamente a la expectativa condicional de los incrementos. Por lo tanto, la predicción de una es equivalente a la predicción de la otra.
2. Que el modelo incremental no tiene la propiedad de la reversibilidad. De nuevo, esto no es cierto, porque conocemos el último nivel de precios. Al predecir los incrementos, tomar la suma acumulada de ellos y añadir el último valor conocido del precio, obtenemos una transición inequívoca en el espacio tiempo/precio
Sólo afirmo una cosa: el resultado en los incrementos es mucho peor que en los niveles. Así soy yo y no generalizo este resultado. Es posible que otra persona lo consiga.
Uno puede ser un teórico, construir modelos con R^2 cercano a uno y no ganar nada con ello. Es posible ser un profesional y evaluar los modelos desde la perspectiva del beneficio esperado y los riesgos asociados. El primer caso es bueno si quieres escribir un artículo/disertación/lo que sea. Si quieres ganar dinero, estima los modelos por el beneficio/riesgo primero, y sólo después por R^2 y otras estadísticas.
Sólo se pueden mirar las pruebas dentro de la muestra después de haber obtenido un resultado positivo estable fuera de la muestra. De lo contrario, estará perdiendo el tiempo.
No estoy de acuerdo con muchos en el foro en este punto. Si quieres un camión y consigues una bicicleta, una prueba de bicicleta exitosa no probará que tienes un camión. Todo es aleatorio, y es inevitable que salga a la luz en el mundo real.
NS sustituye a los modelos de regresión no lineal.
Una vez más. La NS no resuelve los problemas en toda su diversidad. Su comentario sobre la no linealidad lo demuestra. ¿Qué son los modelos de regresión no lineal? ¿Por variables o por parámetros? ¿Y los parámetros son aproximadamente constantes o variables aleatorias? y si son aleatorias, ¿cuáles son sus características? Se trata de la cuestión de la NS. Tienen su propio lugar.