計量経済学:なぜ共統合が必要なのか - ページ 25

 
faa1947:
テクニカル分析のシャーマンを再び。これからどうすればいいのか?
あなたは私たちから隠れることはできない) 数字を数え続けよう)
 
faa1947:
TAでは、未知の統計的特性を持つパターンを探すことになる。コーヒーの粉を読むのに近いですね。私は、行の統計的な特徴を調べ、それを基に将来の行動を予測します。例えば、うちのラムに。この考え方の枠内では、「座りすぎはいけない」という聖域は死滅します。凍りつきすぎは、どうせゼロになるし、ゼロになる途中の損失は無限に増えるという性質がないので、可能なのです。
もちろん、無限に増えるわけではありません、預金が100万でロットが0.01なら)) パターンもファンダメンタルズ次第で探します、私の友人:)そして、市場を数字で表現しようとしている、あらゆる種類の共分散、それはすべて冗談です - ただ、私を信じて)
 
alsu:

両検定の構成原理から導かれる最も単純なことは、検定に含まれる回帰式の残差が定常であり、系列そのものと相関がなければならないということであり、そうでなければこの方法は意味を失うことになる。Grangerの場合 - 上記すべて、ただし方程式のラグ数は任意(実際には実装が難しい - そのためこのテストは主にマクロ経済データに適しており、系列の長さ(年次、四半期、月次)は通常最大数十サンプルであり、数百万サンプルではない)。

その他、いろいろと微妙なところですが...。残差分布の正規性など...(これもあまり充実していない)

さらに、因果関係に関しては、グレンジャーが優れた定義を紹介しましたが、どんな理想もそうですが、そのような定式化は実際には検証不可能であることが証明されています。ですから、同じ名前のテストは、たとえ前提条件がすべて満たされていたとしても、因果関係が本当に存在しない場合はその不在を示すだけで、本当に存在する場合はその存在を示すことはないでしょう。

非定常性を排除し、定常的な系列に基づいて取引判断を行うという発想そのものが好きなんです。因果関係の検証はその一部です。ラグがある。正規性は必要なく、定常性で十分です。

しかし、問題は残ります。2つの系列を統合する際に、非定常性のどのような原因が取り除かれるのか、私にはよくわかりません。シフトは解決不可能な問題として捨てましょう。

大きなインターバルでTCを吐いて走らせ、結果を見ることはできますが。

 
faa1947:

2つの系列を統合することによって、非定常性のどのような理由が取り除かれるのか、私にはよくわかりません。

定常的な線形結合の存在は、系列の類似性、いわば同じ現実の源に由来することを示唆している)。しかし、これはどちらかというと一般的な言葉です。

私だったら、そんなに共和制が面白いなら、どの程度安定しているのか、つまり、異常値の長さを長くしたら、どの時点で共和制の方程式が解を持たなくなるのかを調べてみますね。そして、共結合係数が行の長さの関数としてどのように変化するか。これは、多くの有用な情報を与えてくれるかもしれないし、そうでないかもしれない。

 
alsu:

定常的な線形結合の存在は、系列の類似性、いわば同じ現実の源に由来することを示すものである)。しかし、これはどちらかというと一般的な言葉です。

私だったら、そんなに共和制が面白いなら、どの程度安定しているのか、つまり、異常値の長さを長くしたら、どの時点で共和制の方程式が解を持たなくなるのかを調べてみますね。そして、共結合係数が行の長さの関数としてどのように変化するか。これは多くの有益な情報を与えてくれるかもしれません(そうでないかもしれませんが:)。

ここに共和分方程式があります。

eurusd = c(1)*gbpusd + c(2)+ c(3)*@trend

6,700本のH1バーをサンプルとし、118本(週)のウィンドウをその分動かします。係数が変更されています(3つ目は表示されていません)。(3番目は表示されていない)とユニットルート検定の結果である。

結論は出せない。単位根のために戦うべきことは明らかであるが、戦う手段が明確でない。

 
faa1947:

ここに共和分方程式があります。

eurusd = c(1)*gbpusd + c(2)+ c(3)*@trend

6,700本のH1バーをサンプルとし、それに応じて118本(週)のウィンドウを移動させます。係数が変更されています(3つ目は表示されていません)。(3番目は表示されていない)とユニットルート検定の結果である。

結論は出せない。単位根のために戦わなければならないことは明らかであるが、戦いの道具が明確でないのである。

私が言いたいのは、こういうことです。

24本の小節から、25本、26本、......と長さを伸ばしていく。飽きるまで。係数に注目方程式が解けなくなる瞬間を修正する。この手順は、異なる出発点に対して繰り返すことが望ましい。

比率のダイナミクスが明確であれば(ノイズでなければ)、共和分の一般的な特性について結論を出すことができる。第2パラメータについては、共和分時定数を推定する。

 
alsu:

私が言いたいのは、こういうことです。

係数のダイナミクスが明確であれば(ノイズでなければ)、共和分の一般的な特性について結論を出すことができるだろう。第2パラメータについては、共和分時定数を推定する。

上記は、ウィンドウを1小節分ずらしたときの係数のグラフです。安定性というものがないのです。共和分水準の指定が不適切ではないか?通常、トレンドの仕様が問題となります。デトレンド後の残差は定常であることが望ましい。そうではありません。つまり、係数の代わりにノイズになっているわけです。
 
faa1947:
上記は、ウィンドウを1小節分ずらしたときの係数のグラフです。安定性というものがないのです。共和分水準の指定が不適切ではないか?通常、トレンドの指定が問題となるところです。デトレンド後の残差は定常であることが望ましい。そうではありません。つまり、係数の代わりにノイズが入るわけです。

どう説明したらいいのか......やってみます。

あなた/私たち/彼らが計算するのは、係数ではありません。推定値です。その係数を知ることはできないが、ある程度の確率で推定することは可能である。系列がランダムである以上、当然ながら推定値にはノイズが含まれる。そうでなければ、このシリーズはランダムではなく、完全に決定論的であることを認めざるを得ない。ですから、ノイズは当たり前なのですが、サンプルサイズが異なれば、ノイズはあるにせよ、何らかの依存性が見られるはずです。これは、共和分計算が実用的な意味を持つことを示すものだろう。

 
alsu:

うーん......どう説明したらいいのか......。 やってみます。

あなた/私たち/彼らが計算するのは、係数ではありません。それは、彼らの見積もりです。係数を知ることはできないが、ある程度の確率で推定することはできる。系列がランダムである以上、当然ながら推定値にはノイズが含まれる。そうでなければ、このシリーズはランダムではなく、完全に決定論的であることを認めざるを得ない。ですから、ノイズは当たり前ですが、サンプルサイズが異なれば、ノイズはあるにせよ、何らかの依存性が見られるはずです。これは、共和分計算が実用的な意味を持つことを示すものだろう。

以下は共統合回帰係数推定値である。

被説明変数:EURUSD

手法:動的最小二乗法(DOLS)

日付:2012年4月26日 時間:10:29

サンプル:6619 6736

含まれる観測データ:118件

積分方程式決定係数:C @TREND @TREND^2

自動リード&ラグ仕様(AICに基づきリード=12、ラグ=12とする

基準, max=12)

ロングラン分散推定値(Bartlettカーネル、Newey-West固定帯域幅=)

5.0000)

標準誤差と共分散のためのd.f.調整なし

変数 係数 標準偏差誤差 t-Statistic Prob.

gbpusd 1.129724 0.137650 8.207248 0.0000

c 35.58951 22.84113 1.558133 0.1228

@trend -0.011004 0.006888 -1.597440 0.1137

@trend^2 8.39e-07 5.16e-07 1.626326 0.1074

t-Statisticの 欄を見てみましょう。100%をこのバーの値で割ると、係数の推定値の誤差がわかる。 巨大である。これが目安になるのでしょうか?


 
faa1947:

以下は共統合回帰係数の推定値である。

被説明変数:EURUSD

手法:動的最小二乗法(DOLS)

日付:2012年4月26日 時間:10:29

サンプル:6619 6736

含まれる観測データ:118件

積分方程式決定係数:C @TREND @TREND^2

自動リード&ラグ仕様(AICに基づきリード=12、ラグ=12とする

基準, max=12)

ロングラン分散推定値(Bartlettカーネル、Newey-West固定帯域幅=)

5.0000)

標準誤差と共分散のためのd.f.調整なし

変数 係数 標準偏差誤差 t-Statistic Prob.

gbpusd 1.129724 0.137650 8.207248 0.0000

c 35.58951 22.84113 1.558133 0.1228

@trend -0.011004 0.006888 -1.597440 0.1137

@trend^2 8.39e-07 5.16e-07 1.626326 0.1074

t-Statisticの 欄に注目。100%をこの欄の値で割ると、係数の推定値の誤差がわかる。 巨大である。これが目安になるのでしょうか?

(a)t統計量はデータが正規分布であることを前提としており、そのようなデータの場合のみで、それ以外の場合は結果を歪めてしまいます。

b) 100%をt基準の値で割るというmatstatの新しい方向性は何でしょうか、ご教示ください。