Econometría: por qué es necesaria la cointegración - página 25
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
El chamán del análisis técnico de nuevo. ¿Qué hacer a partir de ahora?
En el AT se buscan patrones con características estadísticas desconocidas. Está muy cerca de adivinar con posos de café. Busco las características estadísticas de las filas y sobre esta base predigo el comportamiento futuro. Por ejemplo, a nuestros carneros. En el marco de este enfoque, la vaca sagrada "no se puede sentar en exceso" está muerta. La sobrecongelación es posible, porque llegaremos a cero de todos modos y la pérdida en el camino a cero no tiene la propiedad de crecer indefinidamente.
Lo más sencillo que se desprende del principio de construcción de ambas pruebas es que los residuos de las ecuaciones de regresión incluidos en las pruebas deben ser estacionarios y no estar correlacionados con la propia serie, ya que de lo contrario el método pierde su sentido. Para Granger - todo lo anterior, pero para cualquier número de rezagos en las ecuaciones (que en la práctica es generalmente difícil de implementar - por lo tanto esta prueba es buena principalmente para los datos macroeconómicos donde la longitud de la serie - anual, trimestral, mensual - por lo general el máximo de decenas de muestras, pero no millones)
Y muchas otras sutilezas.... La normalidad de la distribución de los residuos, por ejemplo... (tampoco es muy satisfactorio)
Además, en lo que respecta a la causalidad, Granger ha introducido una excelente definición de la misma, pero como cualquier ideal, dicha formulación ha demostrado ser inverificable en la práctica. Así que la prueba del mismo nombre, aunque se cumplan todos los prerrequisitos, seguramente sólo te mostrará la ausencia de causalidad si realmente no existe, pero no su presencia si realmente existe.
Me gusta la idea de deshacerse de la no estacionariedad y tomar decisiones de trading basadas en una serie estacionaria. La prueba de causalidad es parte de ella. Los retrasos son. La normalidad no es necesaria, la estacionariedad es suficiente.
Pero los problemas persisten. No me queda claro qué causas de no estacionariedad se eliminan al fusionar las dos series. Descartemos los turnos como un problema irresoluble.
Aunque podemos escupir y ejecutar TC en un intervalo grande y ver el resultado.
No me queda claro qué razones de no estacionariedad se eliminan al fusionar las dos series.
La existencia de una combinación lineal estacionaria sugiere una naturaleza similar de las series, su origen, por así decirlo, de la misma fuente de realidad). Pero estas son palabras bastante generales.
Yo en tu lugar, si la cointegración es tan interesante, trataría de determinar cuán estable es, es decir, si aumentamos la longitud del valor atípico, en qué momento la ecuación de cointegración deja de tener soluciones. Y cómo cambian los coeficientes de cointegración en función de la longitud de la fila. Esto puede dar o no mucha información útil.
La existencia de una combinación lineal estacionaria indica la naturaleza similar de las series, su origen, por así decirlo, de la misma fuente de realidad). Pero estas son palabras bastante generales.
Yo en tu lugar, si la cointegración es tan interesante, trataría de determinar cómo de estable es, es decir, si aumentamos la longitud del outlier, en qué momento la ecuación de cointegración deja de tener soluciones. Y cómo cambian los coeficientes de cointegración en función de la longitud de la fila. Esto puede dar mucha información útil (o puede que no:).
Esta es la ecuación de cointegración
EURUSD = C(1)*GBPUSD + C(2) + C(3)*@TREND
Tomamos una muestra de 6.700 barras H1 y movemos la ventana de 118 barras (semana) por ella. Los coeficientes se modifican (el tercero no se muestra). (el tercero no se muestra) y el resultado de la prueba de raíz unitaria.
No puedo sacar ninguna conclusión. Está claro que debemos luchar por la raíz unitaria, pero la herramienta de lucha no está clara.
Esta es la ecuación de cointegración
EURUSD = C(1)*GBPUSD + C(2) + C(3)*@TREND
Tomamos una muestra de 6.700 barras H1 y movemos la ventana de 118 barras (semana) en consecuencia. Los coeficientes se modifican (el tercero no se muestra). (el tercero no se muestra) y el resultado de la prueba de raíz unitaria.
No puedo sacar ninguna conclusión. Está claro que hay que luchar por la raíz unitaria, pero la herramienta de lucha no está clara.
Lo que quiero decir es esto:
Tomamos una muestra de un momento dado de tamaño (por ejemplo) 24 barras y aumentamos su longitud: 25, 26, .... hasta que nos aburramos. Vigila los coeficientes. Fija el momento en que la ecuación ya no se resuelve. Es conveniente repetir este procedimiento para diferentes puntos de partida.
Si la dinámica de los ratios es clara (no hay ruido), podemos sacar conclusiones sobre las características generales de la cointegración. Para el segundo parámetro, estimar la constante temporal de cointegración.
Lo que quiero decir es esto:
Si la dinámica de los coeficientes es clara (no hay ruido), será posible sacar conclusiones sobre las características generales de la cointegración. Para el segundo parámetro, estimar la constante temporal de cointegración.
Arriba están los gráficos de los coeficientes cuando la ventana se desplaza una barra. No se puede hablar de estabilidad. ¿Está mal especificado el nivel de cointegración? Por lo general, el problema radica en la especificación de la tendencia. El residuo después de la desviación debe ser estacionario. No lo es. Así que en lugar de un coeficiente, es ruido.
No sé cómo explicar..... Lo intentaré.
Lo que tú/nosotros/ellos calculamos no son coeficientes. Son estimaciones. Nunca conoceremos los coeficientes, sólo podemos estimarlos con cierto grado de probabilidad. Como la serie es aleatoria, naturalmente las estimaciones son ruidosas. De lo contrario, tendríamos que admitir que nuestra serie no es aleatoria, sino completamente determinista. Por lo tanto, el ruido es normal, pero es en los diferentes tamaños de muestra donde deberíamos ver alguna dependencia, aunque sea ruidosa. Esto indicaría que los cálculos de cointegración tienen sentido práctico.
Bueno, no sé cómo explicar..... Lo intentaré.
Lo que tú/nosotros/ellos calculamos no son coeficientes. Son sus estimaciones. Nunca conoceremos los coeficientes, sólo podemos estimarlos con cierto grado de probabilidad. Dado que la serie es aleatoria, es natural que las estimaciones sean ruidosas. De lo contrario, tendríamos que admitir que nuestra serie no es aleatoria, sino completamente determinista. Así que el ruido es normal, pero es con diferentes tamaños de muestra que deberíamos ver alguna dependencia, aunque sea ruidosa. Esto indicaría que los cálculos de cointegración tienen sentido práctico.
He aquí la estimación del coeficiente de regresión de cointegración
Variable dependiente: EURUSD
Método: mínimos cuadrados dinámicos (DOLS)
Fecha: 26/04/12 Hora: 10:29
Muestra: 6619 6736
Observaciones incluidas: 118
Determinística de la ecuación de cointegración: C @TREND @TREND^2
Especificación automática de leads y lags (lead=12 y lag=12 basada en AIC
criterio, max=12)
Estimación de la varianza a largo plazo ( kernel de Bartlett, ancho de banda fijo de Newey-West =
5.0000)
Sin ajuste de f.d. para errores estándar y covarianza
Variable Coeficiente Std. Error t-Statistic Prob.
GBPUSD 1,129724 0,137650 8,207248 0,0000
C 35,58951 22,84113 1,558133 0,1228
@TEND -0,011004 0,006888 -1,597440 0,1137
@TEND^2 8,39E-07 5,16E-07 1,626326 0,1074
Veamos la columna del estadístico t. Si se divide el 100% por el valor de esta barra, se obtiene el error de la estimación del coeficiente, que es enorme. ¿Podría ser esta la vara de medir?
He aquí una estimación del coeficiente de regresión de cointegración
Variable dependiente: EURUSD
Método: mínimos cuadrados dinámicos (DOLS)
Fecha: 26/04/12 Hora: 10:29
Muestra: 6619 6736
Observaciones incluidas: 118
Determinística de la ecuación de cointegración: C @TREND @TREND^2
Especificación automática de leads y lags (lead=12 y lag=12 basada en AIC
criterio, max=12)
Estimación de la varianza a largo plazo (kernel de Bartlett, ancho de banda fijo de Newey-West =
5.0000)
Sin ajuste de f.d. para errores estándar y covarianza
Variable Coeficiente Std. Error t-Statistic Prob.
GBPUSD 1,129724 0,137650 8,207248 0,0000
C 35,58951 22,84113 1,558133 0,1228
@TEND -0,011004 0,006888 -1,597440 0,1137
@TEND^2 8,39E-07 5,16E-07 1,626326 0,1074
Obsérvese la columna de la estadística t. Si se divide el 100% por el valor de esta columna, se obtiene el error de la estimación del coeficiente, que es enorme. ¿Podría ser esta la vara de medir?
(a) El estadístico t supone que los datos tienen una distribución normal y sólo sirve para esos datos, de lo contrario distorsiona el resultado.
b) ¿cuál es la nueva dirección en el matstat para dividir el 100% por el valor del criterio t, por favor ilumine