Prédiction du marché basée sur des indicateurs macroéconomiques - page 11
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Peut-être une telle naïveté découle-t-elle de l'absence de mise en œuvre de ce modèle ?
Pourquoi ne l'avez-vous pas encore mis en œuvre ?
Je me souviens qu'il y a quelques années, il y avait un buzz sur la recherche de professeurs, à cette époque vous ne pouviez pas simplement apprendre mql, vous pouviez devenir un as.
Il est impossible de transformer une série initiale non stationnaire en une série stationnaire équivalente. Il est possible de manipuler la série originale de diverses manières, mais il faut savoir que le résultat peut ne pas être équivalent à la série originale. C'est ce qui se passe lorsqu'on effectue une "conversion d'une série non stationnaire en série stationnaire".
Pourquoi est-ce impossible ? C'est tout à fait possible et cela se fait depuis des décennies. La preuve est assez simple. S'il existe un modèle avec des données non stationnaires :
(1) y = f(x1,x2,...)
alors il doit exister un modèle sur les données stationnaires transformées (différenciées)
(2) dy = df/dx1*dx1 + df/dx2*dx2 + ...
Où dy, dx1, dx2 ... sont nos données stationnaires. La transformation pour revenir à des données non stationnaires est assez simple :
y[i] = y[i-1] + dy
Trouver des modèles (1) de données non stationnaires est assez difficile. Il est beaucoup plus facile de trouver des modèles (2) de données stationnaires. Permettez-moi également d'essayer d'expliquer de manière plus simple. Si je vous donne la valeur de la production brute pour un trimestre donné, soit 100 milliards de dollars au niveau national (entrée non stationnaire x1), pouvez-vous prédire l'indice Dow Jones (sortie non stationnaire y) ? Personne au monde ne peut résoudre un tel problème. Et si je vous dis que la production brute a diminué de 5 % (dx1), pouvez-vous prédire l'évolution de l'indice Dow Jones sur la même période (dy) ? Cette opération est beaucoup plus facile car elle ne nécessite pas de connaître les valeurs absolues de la production brute et de l'indice. Au moins le signe de la variation de l'indice (moins) peut être prédit avec une précision de 100 %. Et nous en avons bien plus besoin pour gagner de l'argent que de connaître la valeur absolue de Dow, 15000 ou 18000.
Bien que je ne nie pas qu'il soit très important pour les spécialistes des fusées de connaître uniquement la position de la cible, et non les incréments de la cible, afin d'atteindre la cible. C'est peut-être pour cela qu'il est difficile pour les ingénieurs en missiles de gagner de l'argent sur le marché : ils ne peuvent pas se défaire de leur notion de prix comme cible mobile :)
J'ai essayé mon modèle pour prédire la croissance du PIB. Le modèle a trouvé au moins 3 prédicteurs, chacun d'entre eux augmentant la précision des prédictions. La ligne bleue ci-dessous représente l'évolution réelle du PIB, la ligne rouge représente les prédictions sans tenir compte de l'avenir :
Le modèle prévoit la croissance du PIB pour le trimestre en cours (T1 2015) et le trimestre suivant (T2 2015). Le marché devrait également monter.
J'ai essayé mon modèle pour prédire la croissance du PIB. Le modèle a trouvé au moins 3 prédicteurs, chacun d'entre eux augmentant la précision des prédictions. La ligne bleue ci-dessous représente l'évolution réelle du PIB, la ligne rouge représente les prévisions sans se projeter dans l'avenir :
Le modèle prévoit la croissance du PIB pour le trimestre en cours (T1 2015) et le trimestre suivant (T2 2015). Le marché devrait également monter.
Qu'est-ce que "prévoir sans anticiper" ? Cette section est-elle un test de modèle avancé ?
Oui, test avant. Bien que même le test avant puisse être trompé si les prédicteurs sont sélectionnés en connaissant l'ensemble de l'historique. Par exemple, vous pouvez trouver de nombreux articles recommandant certains indicateurs du marché, tels que la croissance du produit brut, le taux de chômage, l'indice des prix à la consommation, etc. Et ensuite prédire le passé sur la base de ces prédicteurs sans se rendre compte que ces prédicteurs ont été recommandés sur la base de toute l'histoire disponible. Dans mon cas, les prédicteurs et le modèle ne sont choisis que sur les données jusqu'au trimestre prédit.
Encore une fois, comment ce graphique est-il construit ? Avez-vous pris un modèle construit avant 2000 et l'avez exécuté sans ré-entraînement sur ces données ou quoi ?
Avancer de combien de valeurs ?
1)
Pourquoi est-ce impossible ? C'est tout à fait possible et cela se fait depuis des décennies. La preuve est assez simple. S'il existe un modèle avec des données non stationnaires :
(1) y = f(x1,x2,...)
alors il doit exister un modèle sur les données stationnaires transformées (différenciées)
(2) dy = df/dx1*dx1 + df/dx2*dx2 + ...
Où dy, dx1, dx2 ... sont nos données stationnaires. La transformation pour revenir à des données non stationnaires est assez simple :
y[i] = y[i-1] + dy
2)
Trouver des modèles (1) de données non stationnaires est assez difficile. Il est beaucoup plus facile de trouver des modèles (2) de données stationnaires. Permettez-moi également d'essayer d'expliquer de manière plus simple. Si je vous donne la valeur de la production brute pour un trimestre donné, soit 100 milliards de dollars au niveau national (entrée non stationnaire x1), pouvez-vous prédire l'indice Dow Jones (sortie non stationnaire y) ? Personne au monde ne peut résoudre un tel problème. Et si je vous dis que la production brute a diminué de 5 % (dx1), pouvez-vous prédire l'évolution de l'indice Dow Jones sur la même période (dy) ? Cette opération est beaucoup plus facile car elle ne nécessite pas de connaître les valeurs absolues de la production brute et de l'indice. Au moins le signe de la variation de l'indice (moins) peut être prédit avec une précision de 100 %. Et nous en avons bien plus besoin pour gagner de l'argent que de connaître la valeur absolue de dy, 15000 ou 18000.
3)
Bien que je ne nie pas qu'il soit très important pour les ingénieurs de missiles de connaître uniquement la position de la cible, et non les incréments de la cible, afin d'atteindre la cible. C'est peut-être pour cela que les spécialistes des fusées ont du mal à gagner de l'argent sur le marché : ils ne peuvent pas se défaire de leur idée que le prix est une cible mobile :)
1) C'est, pour le moins, de la merde.
2) Démontrez-le avec un exemple concret. Heureusement, il y a suffisamment de séries dans le terminal, et elles sont toutes non stationnaires. À quoi ressemblerait la série transformée, selon vous ? Stationnaire ?
3) Les spécialistes des fusées connaissent leur métier.
Pensez à ce qu'ils sont
1) processus aléatoire stationnaire
2) processus aléatoire non stationnaire
et quelle est la différence entre eux.
2) Démontrez avec un exemple concret. Heureusement, il y a beaucoup de séries dans le terminal, et elles sont toutes non stationnaires. À quoi ressemblerait la série transformée, selon vous ? Stationnaire ?
Encore une fois, comment ce graphique est-il construit ? Avez-vous pris un modèle construit avant 2000 et l'avez exécuté sans ré-entraînement sur ces données ou quoi ?
Avancer de combien de valeurs ?
L'exemple figure dans mon premier message. Pour le reste de votre message, veuillez vous exprimer en étayant au moins un peu vos conclusions, sinon cela ressemble à une dispute avec un élève de CM2.
Eh bien, je ne bougerai pas de ma grotte de CM2... ;))
Je noterai seulement que c'est votre affirmation du premier message.
gpwr:
Sans stationnarité, aucun modèle ne fonctionne.
n'est vrai que pour la classe limitée de modèles que "vos universités" vous ont enseignés.
Mais cette classe limitée ne limite pas du tout l'ensemble des modèles possibles.
Il est clair, dès le premier message, que beaucoup de travail a été fait. Et, je pense, pas inutile. Bonne chance.