Économétrie : parlons du bilan de l'UC. - page 8
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
Voilà, enfin. C'est exactement le sujet du fil de discussion.
Vous ne pouvez pas comparer un 240 avec un 52. Pour moi, c'est une question de principe. Le fait est que 240 et 52 sont des réalisations de variables aléatoires. C'est comme ça que c'est tombé. Et la question fondamentale est la suivante : quelle est la probabilité qu'à l'avenir ce soit la même chose, ou presque la même chose, ou pas du tout la même chose ?
L'analyse résiduelle devrait répondre à cette question et elle est bien plus importante que la taille du bénéfice du test.
Quel est l'idiot qui rejetterait une TS rentable si sa distribution a ou non des queues grasses ?
Il existe un TS rentable donnant, par exemple, un bénéfice de 30 % par mois pendant un an, mais il présente des queues épaisses dans la distribution des soldes du modèle de tableau d'équilibre. Et alors ?
tu es vraiment stupide)) J'ai déjà expliqué que c'est un signe que les résultats passés ne sont pas fiables. Y compris "30% de bénéfice par mois pendant un an". Vous pouvez faire la même chose avec Martin et il y aura des retraits d'actions, qui seront en fait des queues épaisses dans la zone négative. Cependant, certaines personnes sont assez intelligentes pour ne pas faire ce genre de commerce.
Eh bien, vous êtes certainement stupide)) J'ai déjà expliqué que c'est un signe que l'on ne peut pas se fier aux résultats passés. Y compris "30% de bénéfice par mois pendant un an". Vous pouvez faire la même chose avec Martin et il y aura des retraits d'actions, qui seront en fait des queues épaisses dans la zone négative. Cependant, certaines personnes sont assez intelligentes pour ne pas faire ce genre de commerce.
Stupide, pardonne-moi !
Relisez le fil de discussion huit fois - il n'y a pas d'équité, juste un tableau d'équilibre...... Peut-être que c'est toi qui es stupide ?
Essayez à nouveau - vous avez un TS rentable, construit (pour une raison quelconque) un modèle de régression utilisant le graphique d'équilibre. Les résidus sont normalement distribués, mais avec des queues épaisses. Et qu'est-ce que cela signifie ?
P.S. Je vais écrire la réponse correcte ci-dessous...
Vous avez fait des pieds et des mains pour répondre à cette question. DEMI a donné une réponse tirée d'un manuel sur l'analyse de régression, mais il y a peu d'analyse de régression dans la modélisation du kotir. Et il ne montre la normalité nulle part.
Donc peu importe si c'est une analyse de régression ou autre. La somme d'un grand nombre de distributions indépendantes tend à être normale.
Quel est l'idiot qui rejettera une TS rentable si sa distribution a ou n'a pas de queues grasses ?
Il existe un TS rentable donnant, par exemple, un bénéfice de 30 % par mois pendant un an, mais il présente des queues épaisses dans la distribution des soldes du modèle de tableau d'équilibre. Et alors ?
Je crois savoir que les queues de poisson sont des variances variables, des valeurs aberrantes dans le quotient. Et ce n'est pas une bonne chose. Le résultat du CT précédent ne peut être extrapolé pour l'avenir. Cela suggère que le TS va "s'éventer". Il s'agit d'une caractéristique du TS construit sur l'AT, où les statistiques du TS ne sont pas contrôlées. Vous le faites - ça marche pendant un mois, trois mois, mon record est de 6 mois. C'est pourquoi j'ai commencé à réfléchir au sujet de cette rubrique.
Si le résidu est stationnaire, alors la rentabilité de la TS sera inchangée avec une spécification : elle fluctuera dans la variance. Si vous soustrayez la variance de la rentabilité et que vous obtenez toujours un plus, alors c'est parfait.
Si le résidu est normal, la règle du sigma fonctionne.
.
C'est comme ça que ça devrait être.
Stupide, pardonne-moi !
Relisez le fil de discussion huit fois - il n'y a pas d'équité, juste un tableau d'équilibre...... Peut-être que c'est toi le débile ?
Essayez à nouveau - vous avez un TS rentable, construit (pour une raison quelconque) un modèle de régression en utilisant le graphique d'équilibre. Les résidus sont normalement distribués, mais avec des queues épaisses. Et qu'est-ce que cela signifie ?
P.S. Je vais écrire la réponse correcte ci-dessous...
seulement l'équité, si la balance faa a été analysée, elle est incorrecte car elle cache les drawdowns dans les trades. Mais ce sont des termes purement MT.
si le MOI est inchangé, c'est bien. Le système peut être échangé - robustesse. Si ce n'est pas le cas, il n'y a pas de confiance dans les résultats passés et le système ne peut pas être négocié.
Je crois savoir que les queues épaisses sont des variances variables, des valeurs aberrantes dans le quotient. Et ce n'est pas bon. Le résultat du CT précédent ne peut être extrapolé pour l'avenir. Cela suggère que le TS va "s'éventer". Il s'agit d'une caractéristique du TS construit sur l'AT, où les statistiques du TS ne sont pas contrôlées. Vous le faites - il fonctionne pendant un mois, trois mois, mon record est de 6 mois. C'est pourquoi j'ai commencé à réfléchir au sujet de cette rubrique.
Si le résidu est stationnaire, la rentabilité de la TS sera inchangée avec une spécification : elle fluctuera dans la variance. Si la variance est soustraite de la rentabilité et qu'elle reste positive, alors elle est idéale.
Si le résidu est normal, la règle du sigma fonctionnera.
.
Il devrait en être ainsi.
Je publierai la réponse comme promis ci-dessus - nous avons besoin de la normalité des résidus uniquement pour des estimations d'intervalle fiables (pour calculer la largeur de l'intervalle de confiance) - une procédure importante pour les problèmes appliqués. Mais si les estimations par intervalle ne sont pas nécessaires, nous pouvons construire une régression pour n'importe quelle distribution de la valeur observée dans l'échantillon et des résidus.
Donc des résidus normalement distribués, anormalement, avec des queues épaisses, avec des queues fines, sans queues - tous les mêmes...................................................
En laissant tomber la tendance, vous laissez tomber l'essentiel, car c'est la tendance qui détermine la direction et la pente du processus en question. Pour rendre les choses plus claires, considérons deux réalisations similaires aux précédentes, mais la première est de +240% et la seconde de -52%. Enlevez les tendances et vous obtenez du bruit. Dans ce cas, que donnera l'analyse de ce bruit ? De cette façon, le "bébé" est déversé et il ne reste que "l'eau".
Je pense que ce n'est pas la première fois que je vous l'explique personnellement - personne ne lance de tendance nulle part.
J'ai écrit plus haut : la tendance "encombre" les statistiques et j'ai donné la preuve sur les calculs. C'est pourquoi je souligne la tendance afin d'avoir des chiffres réels sur le bruit.
D'après ce que je comprends, les queues de poisson sont des variances variables, des valeurs aberrantes dans le quotient. Et ce n'est pas bon. Le résultat du CT précédent ne peut être extrapolé pour l'avenir. Cela suggère que le TS va "s'éventer". Il s'agit d'une caractéristique du TS construit sur l'AT, où les statistiques du TS ne sont pas contrôlées. Vous le faites - il fonctionne pendant un mois, trois mois, mon record est de 6 mois. C'est pourquoi j'ai commencé à réfléchir au sujet de cette rubrique.
Si le résidu est stationnaire, la rentabilité de la TS sera inchangée avec une spécification : elle fluctuera dans la variance. Si la variance est soustraite de la rentabilité et qu'elle reste positive, alors elle est idéale.
Si le résidu est normal, la règle du sigma fonctionnera.
.
C'est comme ça que ça devrait fonctionner.
donc, si l'on suppose que la rentabilité de l'ES est inchangée, c'est-à-dire que mo=const, pourquoi une déstratification compliquée au lieu de simplement soustraire la tendance linéaire des capitaux propres ? Par exemple, le modèle de tendance y=kx, où k=mo, x-transactions, y-fonds propres.