Econométrie : pourquoi la co-intégration est nécessaire - page 15

 

"croire - ne pas croire" -- c'est le domaine de la religion, le sujet de recherche de la théologie (du grec theologia, de theos - dieu et logos - mot, doctrine) -- c'est-à-dire la science de dieu :)))))

;)))) quel chemin économétrique co-intégré tordu vous avez pris ! !!

 
Mathemat:

Je comprends votre point de vue.

Mais je ne crois pas à l'arbitrage statique .


Il est montré ci-dessus que le delta est trop faible. Il ne s'agit donc pas d'une question de foi, mais d'un calcul spécifique. En général, il y a un défaut dans l'idée : on cherche le décalage entre ceux qui vont dans la même direction. Nous devrions rechercher une inadéquation lorsqu'ils vont dans des directions différentes.

Je penche pour l'opinion de la personne anonyme qui a écrit sur les portefeuilles. Dans ce cas, dans le cadre de l'idée plus large d'un portefeuille efficient, la cointégration est probablement utile.

Pour les spéculateurs, l'utilité de la cointégration n'est pas claire pour moi. Eh bien, sauf pour justifier les tests. Quelque chose de nouveau, mais jusqu'à présent, les preuves de son utilité sont très faibles.

 
Si les rendements bancaires " 10 pour cent, toute stratégie durable offrant des rendements durables supérieurs aux rendements bancaires devrait attirer l'attention des investisseurs.
 
faa1947:

Mais où est l'esprit constructif ?

Bonne question, mais par souci d'objectivité, vous devriez vous la poser de temps en temps.

Pourtant, je suis sûr que votre modèle décrit en première page n'est pas très viable et.. :

... dit que vous pouvez utiliser cette régression pour la prédiction sans vous inquiéter - elle a un résidu stationnaire.

Si j'étais vous, je serais un peu inquiet. D'après un certain nombre d'indications, vous venez de l'"écraser", et il n'y a pas encore beaucoup de valeur prédictive.

Vous n'avez pas répondu à la question : quelle est votre stationnarité ?

 
Farnsworth:,


et il n'y a pas encore beaucoup de valeur prédictive.

Il n'a aucune valeur pronostique.

Vous n'avez pas répondu à la question : quelle est votre stationnarité ?

Une série est stationnaire si la moyenne et l'autocovariance ne dépendent pas du temps.

Jusqu'à présent, nous avons découvert collectivement que la cointégration est utilisée dans l'arbitrage, mais j'ai calculé que le delta est trop petit, donc il est discutable de l'utiliser dans l'arbitrage.

Ce qui m'intéresse davantage, c'est l'hypothèse selon laquelle on peut faire confiance au test si le quotient est cointégré avec le solde de TC et qu'on ne peut pas faire confiance s'il n'est pas cointégré. J'ai demandé au collectif de donner les données initiales pour l'analyse pour le test d'hypothèse - seul tara a donné cette information. J'ai posté le résultat. Il y a beaucoup d'informations dans le championnat, mais je n'ai pas pu les copier, personne ne m'a aidé à le faire.

 
faa1947:

et il n'y a pas encore beaucoup de valeur prédictive.

L'objectif de la prévision n'a pas été fixé

Si vous faites des prévisions, alors il est clair que l'objectif en tant que tel, dans l'interprétation de la prévision, a été fixé. Une autre chose est que vous ne comprenez pas encore ce qu'il faut faire avec la courbe résultante, mais c'est une toute autre partie du système et du réglage.

Une série est stationnaire si la moyenne et l'autocovariance sont indépendantes du temps.

Pas tout à fait, si l'on suit la théorie, mais pas strictement. La stationnarité est interprétée dans un sens large et étroit. Pas "moyen" mais si la distribution et l'ACF sont stationnaires. Au sens strict, vous devez prouver que vous avez une telle distribution et que les paramètres de cette distribution (pas seulement la moyenne, elle peut ne pas exister) restent les mêmes tout au long du processus. Il est plus que certain que votre ACF n'est pas du tout stationnaire, ce qui signifie que tout votre atrolabe est assuré de ne pas fonctionner, c'est-à-dire que vous ne pouvez même pas le prévoir correctement, sans parler de l'utiliser.

Jusqu'à présent, nous avons découvert collectivement que la cointégration est utilisée dans l'arbitrage, mais je calcule que le delta est trop faible, donc il est discutable de l'utiliser dans l'arbitrage.

Oh, c'est le choix de la croyance de chacun :o)

Plus intéressant pour moi l'hypothèse selon laquelle on peut faire confiance autest si le quotient est cointégré avec le solde de TC, et on ne peut pas faire confiance s'il n'est pas cointégré. J'ai demandé au collectif de donner des données initiales pour l'analyse afin de tester l'hypothèse - seule Tara a donné de telles informations. J'ai posté le résultat. Il ya beaucoup d'informations dans le championnat, mais je n'ai pas pu les copier, personne ne m'a aidé à le faire.

Sur ce forum, il y a un collègue, HideYourRichess, avec qui je me dispute de temps en temps, mais il y a des endroits où il y a "accord", respectivement, différentes manières d'arriver à cette compréhension (j'ai utilisé l'analyse fractale). Le test d'exactitude de toute courbe d'équilibre est donc très simple : moins il y a de "diffusion" et plus la courbe est "linéaire" (entre guillemets, il faut la déchiffrer), plus le résultat est fiable et on peut lui faire confiance. Et j'ai compris que les paramètres fractals de cette courbe devaient se situer dans certaines plages. On peut faire une analogie, également à partir de l'analyse fractale. Les sons ou la musique sont souvent classés simplement, en "aime" et "n'aime pas" et ce n'est pas si important le blues ou le jazz. Il s'avère donc que le terme "aimer" a ses propres "limites fractales" et qu'un son qui entre dans cette fourchette commence à "aimer". Je l'ai peut-être expliqué vaguement, mais ce n'est pas la question.

Et en substance, la tâche de votre CT est de convertir un quotient parfaitement incurvé en une ligne droite de préférence à coefficient positif (et il semble que ce soit ce qu'avtomat essaie de transmettre dans ses "croquis"). Et c'est là que je ne comprends pas très bien de quelle cointégration de TC et kotir vous parlez. OK, disons que vous voulez cointégrer la courbe d'équilibre et le kotir en obtenant une troisième courbe. Qu'est-ce que ça vous apporterait ?

 
Farnsworth:

Si vous faites des prévisions, alors il est clair que l'objectif en tant que tel, dans l'interprétation des prévisions, est fixé. Une autre chose est que vous ne comprenez pas encore ce qu'il faut faire avec la courbe résultante, mais c'est une toute autre partie du système et du réglage.

Pas vraiment, si vous suivez toujours la théorie, mais pas strictement. La stationnarité est interprétée dans un sens large et étroit. Pas "moyen" mais si la distribution et l'ACF sont stationnaires. Au sens strict, vous devez prouver que vous avez une telle distribution et que les paramètres de cette distribution (pas seulement la moyenne, elle peut ne pas exister) restent les mêmes tout au long du processus. Il est plus que certain que votre ACF n'est pas du tout stationnaire, ce qui signifie que tout votre atrolabe est assuré de ne pas fonctionner, c'est-à-dire que vous ne pouvez même pas le prévoir correctement, et encore moins l'utiliser.

Oh, c'est le choix de la foi de chacun :o)

J'ai un collègue HideYourRichess sur ce forum, bien que je me dispute avec lui de temps en temps, mais il y a des lieux d'"accord", respectivement, différentes manières de cette compréhension (j'ai utilisé l'analyse fractale). Ainsi, le test de l'exactitude de toute courbe d'équilibre est très simple, moins il y a de "diffusion" et plus il y a de "linéarité" (entre guillemets, il faut déchiffrer) de cette courbe - plus le résultat est fiable et on peut lui faire confiance. Et j'ai compris que les paramètres fractals de cette courbe devaient se situer dans certaines plages. On peut faire une analogie, également à partir de l'analyse fractale. Les sons ou la musique sont souvent classés simplement, en "aime" et "n'aime pas" et ce n'est pas si important le blues ou le jazz. Il s'avère donc que le terme "aimer" a ses propres "limites fractales" et qu'un son qui entre dans cette fourchette commence à "aimer". Je l'ai peut-être expliqué vaguement, mais ce n'est pas la question.

Et en substance, la tâche de votre CT est de convertir un quotient parfaitement incurvé en une ligne droite de préférence à coefficient positif (et il semble que ce soit ce qu'avtomat essaie de transmettre dans ses "croquis"). Et c'est là que je ne comprends pas très bien de quelle cointégration de TC et kotir vous parlez. OK, disons que vous voulez cointégrer la courbe d'équilibre et le kotir en obtenant une troisième courbe. Qu'est-ce que ça vous rapporte ?

Je suis assis dans EViews et je fais confiance à l'outil plutôt qu'à ma propre compréhension des termes. Cela me permet d'utiliser un produit prêt à l'emploi au lieu de lire un nombre insensé de livres, au contenu souvent douteux. En outre, au bout du compte, tout s'emboîte et je dispose toujours de suffisamment d'outils dont l'efficacité a été prouvée à de nombreuses reprises.

La cointégration que je teste :

Je teste la racine unitaire des citations originales

Je sélectionne un vecteur qui, lorsqu'on soustrait un quotient d'un autre, donne un quotient stationnaire dans le résidu (test de racine unitaire).


Bon, supposons que vous vouliez cointégrer la courbe d'équilibre et le quotient en obtenant une troisième courbe. Qu'est-ce que ça vous donne ?

Et voici l'hypothèse. Si les deux séries sont cointégrées, c'est-à-dire que la différence entre elles est stationnaire, alors le test peut être fiable et il importe peu qu'elle soit positive, négative, en ligne droite ou en courbe.

S'il n'est pas cointégré, le test n'est pas fiable. Il doit être testé. Je voulais le faire de manière expérimentale. Cela a été confirmé pour les données sur le tara. Le résultat est ci-dessus.

 

à la faa

Я сижу внутри EViews м доверяю этому инструменту, а не собственному пониманию терминов. Это дает мне возможность использовать готовый продукт вместо чтения безумного кол-ва книг, зачастую сомнительного содержания. Причем в конечном итоге у меня все стыкуется и всегда хватает инструментов много кратно проверенной работоспособности.

oui, ce n'est qu'un outil et la fausseté de l'interprétation des statistiques et des données estimées ne sera pas garantie "automatiquement". Cela dépend entièrement de l'analyste.

Et voici l'hypothèse. Si les deux séries sont cointégrées, c'est-à-dire que la différence entre elles est stationnaire, alors le test peut être fiable et il importe peu qu'elle soit positive, négative, en ligne droite ou en courbe. S'il n'est pas cointégré, le test n'est pas fiable. Il doit être testé. Je voulais le faire de manière expérimentale. Pour les données de Tara, cela s'est avéré vrai. Le résultat est ci-dessus.

Je pense qu'il s'agit plutôt d'une illusion. Comment allez-vous co-intégrer ? Laissez-moi deviner - assignez-le à EW, et ce qu'il fera, c'est le tirer par les oreilles dans presque n'importe quel modèle et vous obtiendrez une fausse stationnarité. Il n'y a pas de critères ici, toute courbe de profit peut être cointégrée avec une cotation (n'importe laquelle) en choisissant un modèle. Qu'est-ce que ça vous apporte ? Où comprendrez-vous que lorsque vous "optimisez" (ce que vous ferez), vous devrez vous arrêter et comment séparerez-vous les paramètres en mauvais/bon ?

PS : essayez toujours de compliquer le modèle, de le rendre plus sensible ou autre. Votre modèle "écrase" le processus, en fait - il change beaucoup l'échelle. En conséquence, le processus "avance" par incréments si petits qu'il ne peut pas aller très loin.

DEMANDE : Spécialement mise en valeur.

Générez votre nouveau processus avec une longueur de disons 3000 points. Prenez les 1000 premiers comptes et les 1000 derniers comptes. Il y en aura encore 1000 entre temps. Et l'afficher ici pour le premier segment et le segment le plus éloigné de l'ACF. Et nous regarderons tous ensemble à l'œil nu votre "stationnarité".

 
Farnsworth:

à la faa

...

CEPENDANT : Spécialement mis en évidence.

Générez votre nouveau processus avec une longueur de disons 3000 points. Prenez les 1000 premiers comptes et les 1000 derniers comptes. Il y en aura encore 1000 entre temps. Et l'afficher ici pour le premier segment et le segment le plus éloigné de l'ACF. Et nous regarderons tous ensemble à l'œil nu votre "stationnarité".

Oui, j'allais oublier - je suis intéressé par les incréments, mais pour l'entreprise vous pouvez aussi montrer l'ACF de la source (sur le même graphique pour chaque espèce, ce serait plus pratique)

Un petit complément : ACF est possible pour les 100-300 premiers échantillons, probablement plus ne sera pas nécessaire.

 
Farnsworth:

Oui, j'ai failli oublier - les incréments, ils m'intéressent, mais pour l'entreprise, vous pouvez aussi utiliser la source ACF (sur un graphique pour chaque espèce, donc ce serait plus pratique)

Un petit complément : ACF est possible pour les 100-300 premiers échantillons, probablement plus ne sera pas nécessaire.

La stationnarité est vérifiée par un test de racine unitaire. Les subtilités existantes dues à l'ACF sont résolues par le test ou le choix du type de test (j'en ai plusieurs à ma disposition). Je ne vois aucune raison de ne pas utiliser les réalisations existantes et de commencer à répéter ce qui a été fait il y a 20 ans, par exemple par Hamilton.