Dimentica le citazioni casuali - pagina 63

Nuovo commento
 
C-4:

Da dove vengono 903,50? È questo il file che stai guardando? Il primo numero è 325,25:

1 2 3 4 5 6 7

1992.11.01,00:00,355.75,364.00,352.75,359.25,1901

Altrimenti, sì, ore e minuti sono colonne diverse, tutte le colonne sono separate da virgole (esportazione standard da MT4).

Nel secondo file, la colonna 16 dovrebbe corrispondere alla posizione degli operatori netti: Operatori netti.

Un dato per martedì, e l'altro per domenica... 2012.07.15 corrisponde a 2012.07.17 o corrisponde a 2012.07.22?

 
faa1947:

Alcuni dati per martedì e altri per domenica... Il 2012.07.15 corrisponde al 2012.07.17 o al 2012.07.22?


I dati vengono registrati per il martedì, ma vengono pubblicati (messi a nostra disposizione) solo il venerdì sera. Di conseguenza, per non cadere nella trappola dell'auto-inganno, è necessario fare una compensazione di una settimana. Cioè è ancora meglio usare il prezzo di apertura della settimana successiva:

1992.11.01,00:00,355.75,364.00,352.75,359.25,1901

Perché 1992.11.01 è domenica, non ne ho idea, dovrebbe essere 1992.11.02. Queste sono le uniche citazioni che ho. Ma non è questo il punto. Se il prezzo di apertura era di domenica o come dovrebbe essere di lunedì, allora per esso usiamo i dati COT del martedì precedente, cioè per 1992.11.01 dovremmo usare i dati COT di 1992.10.27

 

Sì, un paio di altri commenti.

È consuetudine considerare il prezzo, e quindi gli indicatori, relativi al tempo. Ma chi ha detto che questa è l'unica metodologia corretta?

È noto che le posizioni degli operatori dipendono dal prezzo (più alto è il prezzo - maggiore è la loro copertura netta). Ma cosa c'entra il tempo? Quindi non sarebbe male disegnare un diagramma puntuale di dipendenza tra il prezzo e le posizioni degli operatori. Mi sembra che sarà più o meno simile al lineare, ed è possibile applicare il test di Granger.

 
C-4:



I risultati sono i seguenti.

Sincronizzate le date. In Zw ho dovuto inserire 6 nalde vuote per allineare. Poi ha interpolato linearmente i valori NA ottenuti.

Ho i seguenti dati.

Net

2000.01.04 -4479 2000.01.09 265.5

2000.01.11 -15963 2000.01.16 264.25

2000.01.18 -22316 2000.01.23 259.75

2000.01.25 -26656 2000.01.30 257

2000.02.01 -19041 2000.02.06 269.5

2000.02.08 -19564 2000.02.13 265

/

/

/ fine

648 2012.05.29 11227 2012.06.03 629.25

649 2012.06.05 34075 2012.06.10 612.25

650 2012.06.12 36996 2012.06.17 673

651 2012.06.19 34250 2012.06.24 741.75

652 2012.06.26 -4088 2012.07.01 790.25

653 2012.07.03 -13515 2012.07.08 834

654 2012.07.10 -23508 2012.07.15 944.75

655 2012.07.17 -38701 2012.07.22 903

Grafico congiunto

Test causale su tutto il campione di 655 osservazioni con uno spostamento di 2 ritardi e 10 ritardi (il risultato è lo stesso)

Test di causalità di Granger a coppie

Data: 08/03/12 Ora: 15:21

Campione: 1 655

Ritardi: 10

Ipotesi nulla: .............................................................................Obs F-Statistica Prob.

NET_OPERATORS nessuna ragione di Granger per SER06_INTERPOLATE 645 2.66043 0.0035

SER06_INTERPOLATE non è una ragione di Grangerper NET_OPERATORS 20.9059 1.E-33

Si legge così: non può rifiutare l'ipotesi che NET_OPERATORS non sia una causa per SER06_INTERPOLATE, cioè le due quantità sono indipendenti.

.

l'idea di testare la causalità sull'intero campione non è corretta.

Prendete le prime 30 osservazioni:

Test di causalità di Granger a coppie

Data: 08/03/12 Ora: 15:44

Campione: 1 30

Ritardi: 2

Ipotesi nulla: Obs F-Statistic Prob.

SER06_INTERPOLATE non causa Granger NET_OPERATORS 28 10.8494 0.0005

NET_OPERATORS non causa granger SER06_INTERPOLATE 0.39443 0.6785

L'immagine è diversa. la seconda linea suona così

Rifiutiamo con il 67% di probabilità l'ipotesi che NET_OPERATORS non sia una causa di Granger per SER06_INTERPOLATE.

Al contrario, non possiamo rifiutare l'ipotesi che NET_OPERATORS non sia una causa!

 
C-4:

Sì, un paio di altri commenti.

È consuetudine considerare il prezzo, e quindi gli indicatori, relativi al tempo. Ma chi ha detto che questa è l'unica metodologia corretta?

È noto che le posizioni degli operatori dipendono dal prezzo (più alto è il prezzo - maggiore è la loro copertura netta). Ma cosa c'entra il tempo? Quindi non sarebbe male disegnare un diagramma puntuale di dipendenza tra il prezzo e le posizioni degli operatori. Mi sembra che sarà più o meno simile al grafico a linee, e può applicare il test di Granger.

Le osservazioni sono legate al tempo, quello che succede tra un'osservazione e l'altra non lo sappiamo. Abbiamo bisogno di interpolare, il che può essere un compito molto semplice (fatto sopra) o molto complicato, come suggerisci tu.

Penso che si debba cercare la dimensione della finestra su cui determinare la causalità e lavorare con quella, la dimensione della finestra trovata. Nego categoricamente l'affermazione che più grande è il campione, meglio è. Questo è affermato da persone che non sono andate oltre il teorema. Ci interessa la tendenza di qualche passo avanti. Siamo interessati alle fluttuazioni del mercato su cui vincere o perdere. E la mancanza media di causalità tra le variabili su 12 anni non dice nulla. 30 settimane sono sei mesi. E la domanda dovrebbe essere posta così: queste 30 settimane sono sufficienti per prevedere un paio di settimane avanti?

 
faa1947:

I risultati sono i seguenti.

Rifiutiamo con il 67% di probabilità l'ipotesi che NET_OPERATORS non sia una causa di Granger per SER06_INTERPOLATE.

Al contrario, non possiamo respingere l'ipotesi che non sia una causa!

Quindi è una causa sì o una causa no?

! (Net_Operators != Ser06_Interpolar) = true;

Cioè Net Operators è molto probabilmente la causa di Ser06_Interpolate?

 

Oh, capisco, per i primi 30 ritardi, sì, gli operatori sono la causa. Per l'intero campione, no, gli operatori non sono la causa. Non è affatto un risultato importante. Tuttavia, avete bisogno di una conferma per tutta la storia, altrimenti logicamente o è la causa o non lo è. E a volte non lo è - è lo stesso 50/50.

Si confrontano gli incrementi o i momenti?

 
È necessario testare su dati che si sa essere dipendenti. Gli indicatori TA senza ritardo, come l'RSI, funzioneranno molto bene. Sappiamo per certo che non il prezzo dipende dall'indicatore costruito nel nostro terminale, ma l'indicatore dipende dal prezzo. Il test di Granger deve mostrare esattamente questa relazione: con una probabilità molto alta, l'rsi dipende dal prezzo.
 
C-4:

Quindi è sì un sì, o sì un no?

! (Net_Operators != Ser06_Interpolar) = true;

Cioè è più probabile che Net Operators sia la causa di Ser06_Interpolate?

Questo è il punto, non solo c'è un sacco di sfumature di grigio, ma il mondo è anche colorato oltre a tutto il resto!

È solo un'apertura di occhi. E cosa fare è un'altra domanda.

 
C-4:

Oh, capisco, per i primi 30 ritardi, sì, gli operatori sono la causa. Per l'intero campione, no, gli operatori non sono la causa. Non è affatto un risultato importante. Tuttavia, avete bisogno di una conferma per tutta la storia, altrimenti logicamente o è la causa o non lo è. E a volte non lo è - è lo stesso 50/50.

Si confrontano gli incrementi o i momenti?

Si ottiene un quadro molto interessante se si fa scorrere una finestra lungo il campione. È bene che il valore di causalità calcolato non cambi, ma molto probabilmente lo fa!

L'ho visto per la prima volta sui coefficienti di una media mobile ponderata - ero proprio inorridito. Non si può lavorare con niente in TA. Non ci si può fidare di tutto ciò che ho ricevuto dal tester, ecc.

1...5657585960616263646566
Nuovo commento