Prédiction du marché basée sur des indicateurs macroéconomiques - page 58
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Une image plus claire :
Encore une fois, ma méthode ne permet pas de prédire l'indice S&P500. Il prédit les récessions. La récession de 2020 n'est pas encore terminée. Il n'y a aucun problème avec la prédiction.
...
1. Les prévisionnistes sont sélectionnés en fonction de leur capacité à prévoir les récessions. La sélection est faite automatiquement, sans mon influence ni mon avis.
2. L'échelle d'évaluation consiste à déterminer si la stratégie d'achat et de vente proposée est plus rentable que la stratégie d'achat et de conservation.
3. les graphiques historiques sont limités à la profondeur de l'histoire des performances économiques individuelles.
La seule critique possible est que les résultats historiques ne garantissent pas l'exactitude de la prévision des récessions dans le futur. Tous les résultats du graphique présenté ont été ajustés à l'histoire, à l'exception du dernier signal de récession en décembre 2019.
Pour un dialogue constructif, je suggère de comparer la précision de mon système/modèle avec d'autres systèmes fondamentaux ou techniques de prévision de la récession. Vous pouvez également comparer le rendement + le drawdown de mon système avec d'autres systèmes de trading du S&P500.
Je demande simplement : votre système de prédiction de la récession a-t-il prévu cette récession et combien de temps avant celle-ci ?
https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html
Je demande simplement : votre système de prédiction de la récession a-t-il prévu cette récession et combien de temps avant celle-ci ?
https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html
Lisez-vous au moins ce que vous commentez avant de poster vos commentaires ?
Vladimir a écrit"Cette stratégie a donné un signal de vente en décembre 2019. Il n'a pas encore donné de signal d'achat. Apparemment, le marché va baisser." (с).
La tâche consiste donc à prédire l'indice S&P 500 sur la base des indicateurs économiques disponibles.
Étape 1 : Trouvez les indicateurs. Les indicateurs sont accessibles au public à l'adresse suivante : http://research.stlouisfed.org/fred2/. Ils sont au nombre de 240 000. La plus importante est la croissance du PIB. Cet indicateur est calculé chaque trimestre. Notre étape est donc de 3 mois. Tous les indicateurs à court terme sont recalculés à 3 mois, les autres (annuels) sont rejetés. Nous éliminons également les indicateurs pour tous les pays, à l'exception des États-Unis, et les indicateurs qui n'ont pas un historique profond (au moins 15 ans). Nous passons donc laborieusement au crible un tas d'indicateurs, et obtenons environ 10 000 indicateurs. Nous formulons une tâche plus spécifique pour prédire l'indice S&P 500 pour un ou deux trimestres à venir, en disposant de 10 000 indicateurs économiques avec une période trimestrielle. Je fais tout dans Matlab, bien qu'il soit également possible de le faire dans R.
Étape 2 : Convertir toutes les données en une forme stationnaire en les différenciant et en les normalisant. Il y a beaucoup de méthodes. L'essentiel est que les données transformées puissent être récupérées à partir des données originales. Aucun modèle ne fonctionne sans stationnarité. La série S&P 500 avant et après transformation est présentée ci-dessous.
Étape 3 : Choisissez un modèle. Vous pourriez avoir un réseau neuronal. Il peut s'agir d'unerégression linéaire multivariable. Ça pourrait être une régression polynomiale multi-variable. Après avoir essayé des modèles linéaires et non linéaires, nous concluons que les données sont si bruyantes qu'il est inutile d'ajuster un modèle non linéaire car le graphique y(x) où y = S&P 500 et x = un des 10 000 indicateurs est presque un nuage rond. Ainsi, nous formulons la tâche de manière encore plus concrète : prédire l'indice S&P 500 pour un ou deux trimestres à venir en disposant de 10 mille indicateurs économiques avec une période trimestrielle, en utilisant la régression linéaire multivariable.
Étape 4 : Sélectionner les indicateurs économiques les plus importants parmi 10 000 (réduire la dimension du problème). C'est l'étape la plus importante et la plus difficile. Supposons que nous prenions l'historique du S&P 500 qui s'étend sur 30 ans (120 trimestres). Afin de représenter le S&P 500 comme une combinaison linéaire de divers indicateurs économiques, il suffit de disposer de 120 indicateurs pour décrire avec précision le S&P 500 au cours de ces 30 années. De plus, les indicateurs peuvent être absolument n'importe quel type d'indicateurs, afin de créer un modèle aussi précis de 120 indicateurs et 120 valeurs du S&P 500. Ainsi, nous réduirons le nombre d'entrées en dessous du nombre de valeurs de fonctions décrites. Par exemple, nous recherchons 10 à 20 indicateurs/entrées les plus importants. De telles tâches consistant à décrire des données par un petit nombre d'entrées sélectionnées parmi un grand nombre de bases candidates (dictionnaire) sont appelées codage clairsemé.
Il existe de nombreuses méthodes de sélection des entrées du prédicteur. Je les ai tous essayés. Voici les deux principales :
Voici les 10 premiers indicateurs ayant le coefficient de corrélation maximal avec le S&P 500 :
Voici les 10 principaux indicateurs présentant une information mutuelle maximale avec le S&P 500 :
Lag est le décalage de la série d'entrée par rapport à la série simulée du S&P 500. Comme vous pouvez le voir dans ces tableaux, différentes méthodes de sélection des entrées les plus importantes donnent lieu à différents ensembles d'entrées. Comme mon objectif ultime est de minimiser l'erreur du modèle, j'ai choisi la deuxième méthode de sélection des entrées, c'est-à-dire passer en revue toutes les entrées et sélectionner celle qui donne le moins d'erreur.
...
Lisez-vous au moins ce que vous commentez avant de poster vos commentaires ?
Vladimir a écrit"Cette stratégie a donné un signal de vente en décembre 2019. Aucun signal d'achat jusqu'à présent. Apparemment, le marché va baisser." (с).
En ce qui concerne la question de l'existence et de l'influence d'un facteur subjectif invisible sur l'étude, je vous suggère de relire attentivement ces étapes et de vous assurer que la subjectivité est soit absente, soit ne modifie PAS le résultat final...
... Au final, nous arriverions ensemble à la conclusion qu'en matière de prévision, il ne faut pas tant se fier à la méthode d'analyse des données elle-même, mais plutôt à la subjectivité personnelle, qui peut avoir raison contre tous les indicateurs "objectifs" d'une étude.