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
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?
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.
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
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
.
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!
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?
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?
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.
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.