Equazione di regressione - pagina 14
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
È una strana domanda, ovviamente nella percentuale di profitto per ogni dollaro investito. C'è qualche altra misura sul mercato?
Se a un cinese viene data una forchetta invece dei bastoni, non noterà nemmeno lui alcun vantaggio della forchetta...
Ti ho detto che i quantili e le MNC sono cose completamente diverse. Prendete il metodo di trading per le MNC e sostituite la regressione MNC in esso con una regressione quantile. E il punto?
Così potete stipare qualsiasi regressione nel vostro TS e parlare di mancanza di vantaggio. Non bisogna sostituire senza mezzi termini altre formule, ma cambiare il metodo stesso, procedendo dalla natura della costruzione dello strumento principale - la regressione.
Ti ho detto che i quantili e le MNC sono cose completamente diverse. Prendete il metodo di trading per le MNC e sostituite la regressione MNC in esso con una regressione quantile. E il punto?
Credo di sapere come e cosa uso nelle mie strategie. L'OLS e il quantile sono cose diverse, ma la regressione è comunque una regressione.
C'è anche una stupida aggressività, che stai dimostrando ora.
C'è anche una stupida aggressività, la stai mostrando ora.
Sono d'accordo.
Sono d'accordo con te. Eserciterò il mio diritto di essere un nerd e scriverò qualcosa, e voi potrete correggermi se sto divagando.
L'idea alla base dell'uso di una regressione è che una regressione qualche campione più avanti (all'indietro) di un campione della sua costruzione mostrerà risultati vicini al BP. Una regressione costruita usando ANC su distribuzioni normali è la soluzione migliore - mostra i risultati più vicini. Questo non è il caso dei BP di prezzo. Inoltre, perché una regressione su un VR di prezzo mostri risultati vicini al di fuori del campione della sua costruzione, non deve necessariamente mostrare valori vicini sul campione della sua stessa costruzione. Questa è un'osservazione molto importante. Cioè è possibile costruire una regressione tale che mostri cattivi risultati nel campione della sua costruzione e grandi risultati al di fuori del campione.
Ma questa è più una teoria. È molto importante capire il significato della parola "vicino". La vicinanza fuori dal campione può essere valutata con diversi metodi. Puoi usare l'RMS, puoi usare la mediana, puoi usare l'errore medio assoluto, ecc. Ci sono molti metodi.
Quindi come si indaga sulla regressione? È buono o no? Corretto, come ho scritto sopra, la bontà della regressione è misurata dalla vicinanza dei suoi valori (al BP) fuori dal campione (per un certo numero di campioni) della sua costruzione.
Decidiamo prima un metodo per determinare la vicinanza. Che sia prima l'RMS.
Abbiamo WR EURUSD di 100.000 campioni. Stiamo costruendo la regressione su 100 campioni. E conteremo la vicinanza per 10 campioni in avanti (indietro) dietro il campione del suo edificio.
Quindi, abbiamo costruito la regressione su EURUSD usando i dati BP da 1 a 100. Abbiamo confrontato la sua lettura con BP sui dati dal 101° al 110° - calcolato RMS (sia RMS1).
Ora abbiamo costruito una regressione su EURUSD usando i dati BP dal 2 al 101. Abbiamo confrontato le sue letture con BP sui dati dal 102° al 111° - calcolato RMS (sia RMS2).
E così via fino alla fine di EURUSD BP - 100.000 letture.
Ho un sacco di risultati RMS: RMS1, RMS2, .... - questa è la BP. Dovremmo indagare. Guarda l'aspettativa matematica (mediana) e la varianza (varianza mediana). Costruire la distribuzione. Questo risultato ci dice quanto è buona la nostra regressione. Lasciate che vi ricordi che abbiamo misurato la vicinanza attraverso RMS, avremmo potuto farlo in modo diverso.
Ora prendiamo un'altra regressione, e otteniamo anche, come scritto sopra, il suo BP RMS.
E quando si confrontano diverse regressioni con il loro ORR RMS, allora possiamo parlare di vantaggi o svantaggi di una regressione rispetto all'altra.
P.S. EURUSD è stato preso come esempio. Naturalmente, si potrebbero prendere BP di qualsiasi natura, non necessariamente di natura di prezzo. Per esempio, BP di Equity TS o qualcos'altro.
Anche qui sono d'accordo. Eserciterò il mio diritto di essere un nerd e scriverò qualcosa, e potete correggermi se sto divagando.
Stai pensando in modo ristretto. Tutto quello che stai dicendo è autoregressivo one BP, ma questo è solo un caso speciale molto ristretto di utilizzo dell'analisi di regressione. Di conseguenza, tutto dipende da cosa si regredisce e da quale sia la distribuzione dei parametri risultanti. Se la distribuzione è normale, allora ANC è grande. E se non è normale... E se non è simmetrico... E se uno è improvvisamente interessato ai limiti di questi parametri... È qui che entrano in gioco le opzioni. La domanda riguardava l'ISC alla discarica. No, non rottamato, perché ci sono ancora veri problemi di trading in cui funziona meglio di altri a un costo computazionale molto più basso.
Lei sta pensando in modo ristretto. Tutto quello che stai dicendo è l'autoregressione di una singola BP, ma questo è solo un caso speciale molto ristretto di utilizzo dell'analisi di regressione. Quindi dipende da cosa si sta regredendo e da quale sia la distribuzione dei parametri risultanti. Se la distribuzione è normale, allora ANC è grande. E se non è normale... E se non è simmetrico... E se uno è improvvisamente interessato ai limiti di questi parametri... È qui che entrano in gioco le opzioni. La domanda riguardava l'ISC alla discarica. No, non buttatelo via, perché ci sono ancora veri problemi di trading in cui funziona meglio di altri con un costo computazionale molto inferiore.
Vedi quanto hai scritto, menzionando varie sfumature di sfuggita. Non avrei potuto scoprirli tutti qui. Vi viene dato un esempio, voi fate delle conclusioni sulla ristrettezza.
Ho tirato fuori l'auto-regressione solo perché alsu ha fornito immagini del suo uso.
Il mio post non riguardava le peculiarità dell'analisi di regressione, ma la stima di vari modelli di regressione. Bisogna confrontare le stime di regressione. E non si può dire definitivamente che qualcosa è male e qualcosa no. Il risultato dell'applicazione della regressione mostra, in particolare, la BP del RMS, come ho scritto sopra.
È possibile applicare la regressione a qualsiasi BP, come ho scritto sopra. Ai residui di autocorrelazione, alle code, ecc. In generale a qualsiasi. Ma i metodi di stima della regressione non cambiano dalla natura della BP iniziale.
Ma i metodi per stimare la regressione non cambiano rispetto alla natura del BP originale.
Il metodo di stima della regressione - sì, ma il metodo stesso può essere interessante solo per gli esteti profondi della matematica pura. Personalmente, come professionista, sono interessato alla stima combinata, che include la stima della regressione e allo stesso tempo l'adeguatezza della sua applicazione. Quindi questa stima combinata è misurata in dollari. E nel mio caso ha mostrato il vantaggio della regressione MNC rispetto alla regressione quintile, anche sotto distribuzioni a coda spessa. Per qualcuno, una regressione del quintile può essere più adeguata, se può convertirla in denaro.
- Ti piacciono i gatti?
- No.
- Solo che non sai come cucinarli.
Quindi non si tratta dell'adeguatezza dei metodi di stima della regressione. Si trattava dell'adeguatezza dell'applicazione del modello di regressione stesso ai BP originali.
L'applicabilità della regressione quantile e della regressione MNA direttamente ai BP dei prezzi può essere valutata con i metodi, uno dei quali ho citato. Ovviamente, migliore è la vicinanza che la regressione dà, più si finisce per ottenere in termini monetari, perché una migliore vicinanza indica una stima più accurata (adeguata) delle letture future.
Hai confrontato le regressioni in modo piuttosto soggettivo, semplicemente sostituendole nel tuo TS. Io, invece, ho suggerito un modo oggettivo di confrontare l'adeguatezza della loro applicabilità ai BP originali.
E se non è normale... E se anche non è simmetrico...
Mi interessa la vostra opinione. Se siamo riusciti a trasformare il prezzo VR a un punto tale che la sua distribuzione è simmetrica e molto simile alla normale (non posso dirlo con certezza, perché il campione è sempre finito), cosa possiamo farci? Cioè possiamo dire che il problema di cointegrazione è risolto. Come vede ulteriori azioni in questo caso?
Non ci sono abbastanza informazioni disponibili. Il cammino casuale ha una distribuzione normale. Ma non ci sono soldi da guadagnarci.
Cosa intende per "problema di cointegrazione risolto"? Lo scopo di usare la cointegrazione è di ottenere una BP stazionaria. Se ci riesce, puoi iniziare a tagliare il cavolo. E non importa se questa pressione è normale o no.