Économétrie : Prévision par modèle d'espace d'état - page 25
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
Je l'ai manqué avec toutes les discussions - alors quelle est la taille moyenne des transactions en pips ?
1. Pouvez-vous me donner le type d'autorégression, la fonction sur la base de laquelle la prédiction est faite.
2. Je dois utiliser jusqu'à 1000 barres d'historique, donc les cas >100 barres ne peuvent être exclus. Je devrais prendre en compte les cas > 1000 barres mais pour une raison quelconque, mon conseiller expert ignore ces cas même si l'indicateur peut afficher jusqu'à 10000 barres. Je ne sais pas ce qui se passe dans le conseiller expert. Je ne trouve pas la limite de 1000 barres dans le code. Peut-être s'agit-il d'une contrainte du système ?
Je n'ai pas de régression. Un modèle d'espace d'état est utilisé. Voir la réponse ci-dessus Mathématiques. J'ai donné ci-dessus une vue générale du modèle.
Je fais la distinction entre la taille de la fenêtre sur laquelle les paramètres sont calculés et la taille de l'échantillon sur lequel le résultat est calculé, qui est donnée ci-dessus en pips hors spread. Nous voyons une ligne de croissance du bilan assez lisse. Je me trompe peut-être, mais pour moi, il est très important d'avoir une ligne d'équilibre lisse.
Cher Yusuf !
À ma grande honte, je n'ai pas été en mesure de comprendre votre modèle - mes connaissances sont très limitées au programme universitaire et nous n'avons rien lu de tel.
En même temps, le fait que vous utilisiez la fonction gamma (et la distribution gamma ?) est très intéressant car ces fonctions sont largement utilisées en économie.
Ici, j'ai pris les distances de retournement ZZ en barres et j'ai obtenu l'histogramme suivant
Très similaire à la distribution gamma.
Solde = 0,1780, soit 1780 pips à 4 chiffres.
A en juger par la dernière photo ici, il y a environ 1000 métiers. Il est donc inférieur à 2 pips.
Solde = 0,1780, c'est-à-dire 1780 points à 4 chiffres.
La dernière image ici montre environ 1000 transactions. En conséquence, il est inférieur à 2 pips.
Solde = 0,1780, c'est-à-dire 1780 points à 4 chiffres.
A en juger par la dernière photo ici, il y a environ 1000 transactions. Par conséquent, il est inférieur à 2 pips.
Un total de 1038 barres. Les transactions ne se font pas sur toutes les barres. Une couleur continue (rouge ou bleu) est une transaction.
Solde = 0,1780, c'est-à-dire 1780 points à 4 chiffres.
A en juger par la dernière photo ici, il y a environ 1000 transactions. Par conséquent, il est inférieur à 2 points.
Voici les statistiques :
0,0001 0,0004 0,0008 0,0011 0,0014 0,0121 661
D'après la dernière colonne : sur 1 038 barres, le système était à 661 barres du marché.
A cela, il faut ajouter que le modèle entre/sort de la pose lors du franchissement du seuil.
Voici les statistiques sur la valeur du seuil supérieur
Min. 1er Qu. Médiane Moyenne 3ème Qu. Max. NA's
0.00000 0.00011 0.00026 0.00030 0.00044 0.00131 38
A propos, la moyenne est comparable au spread et mah=13 pips...
Il faut répondre à la question suivante : combien de barres d'historique minimum sont nécessaires pour que la tendance persiste jusqu'à la prochaine barre ? La probabilité que la tendance persiste à 10+1 barres est beaucoup plus élevée qu'à 50+1 barres et on pourrait ne pas considérer du tout 100+1 barres.
Tous les cours d'économétrie (êtes-vous vraiment économiste? :)) vous indiquent quelle est la variance des estimations des paramètres du modèle et la vitesse de convergence des estimations vers les valeurs réelles : plus la taille de l'échantillon est petite et s'il n'y a pas de changements structurels dans la série - plus la variance des estimations des paramètres du modèle est grande. Lorsque la taille de l'échantillon augmente, la variance (le plus souvent :)) diminue comme eps*sqrt(n), eps>0, n étant le nombre d'observations.
Les erreurs d'estimation des paramètres contribuent à l'erreur de tout modèle. Par conséquent, plus la précision de l'estimation des paramètres est faible, plus l'erreur du modèle est élevée.
D'autre part, une petite fenêtre permet de s'adapter aux changements de paramètres. En pratique, ce problème est bien mieux résolu en résolvant le problème de la décroissance des paramètres du modèle plutôt que de réduire la taille de la fenêtre.
Je n'ai pas de régression. Un modèle d'espace d'état est utilisé. Voir la réponse ci-dessus Math. J'ai donné ci-dessus une vue générale du modèle.
Je fais la distinction entre la taille de la fenêtre sur laquelle les paramètres sont calculés et la taille de l'échantillon sur lequel le résultat est calculé, qui est donné ci-dessus en pips hors spread. Nous voyons une ligne de croissance du bilan assez lisse. Je me trompe peut-être, mais pour moi, il est très important d'avoir une ligne d'équilibre lisse.