Estatísticas de dependência entre aspas (teoria da informação, correlação e outros métodos de seleção de características) - página 28
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Та же возвратность тоже является установленным свойством ценовых рядов
Só porque as distribuições de mercado são da forma Parreto-Levy, não significa que sejam retornáveis. Pelo mesmo HMT, a não uniformidade dos insumos determina o agrupamento da volatilidade, o que por sua vez implica um aumento do acúmulo de pequenas mudanças percentuais nos retornos que excedem a distribuição normal. Mas nada disso diz nada sobre devoluções. Simplesmente não há informação (influência externa), portanto não há comércio (o mercado está em equilíbrio), portanto não há movimento, e a simples ausência de movimento não indica que o preço está pronto para voltar atrás.
Mas tudo isso é irrelevante para o tema.
Só porque as distribuições de mercado são da forma Parreto-Levy, não significa que sejam retornáveis. Pelo mesmo HMT, a não uniformidade dos insumos determina o agrupamento da volatilidade, o que por sua vez implica um aumento do acúmulo de pequenas mudanças percentuais nos retornos que excedem a distribuição normal. Mas nada disso diz nada sobre devoluções. Simplesmente não há informação (influência externa), portanto não há comércio (o mercado está em equilíbrio), portanto não há movimento, e a simples ausência de movimento não indica que o preço está pronto para voltar atrás.
Mas tudo isso é irrelevante para o tema.
Neste caso, entendi que significava o desejo do mercado de voltar aos preços do passado (retorno).
Retorno significa retorno, que mais uma vez em nosso sentido é a mudança percentual no preço durante o período t.
Retorno - significa retorno ou retorno, que no contexto do mercado pode ser interpretado como o desejo do mercado de retornar aos preços do passado.
Ao se referir a retornos é melhor usar a palavra "retorno" ou dizer "retorno" e ao se referir ao retorno é dizer retorno.
Neste caso, entendi que significava o desejo do mercado de voltar aos preços do passado (retorno).
Retorno significa retorno
, que novamente em nosso sentido é a mudança percentual no preço durante o período t.Retorno significa retorno
ou retorno, que em um contexto de mercado pode ser interpretado como o desejo do mercado de retornar a preços passados.Quando nos referimos a retornos devemos usar "retorno" ou dizer "retorno" e quando nos referimos a retornos devemos dizer retorno.
Alguém já se perguntou se os movimentos de preços podem ser comparados aos de um elevador em um prédio alto com tráfego intenso entre andares? É possível prever a posição do elevador usando os conceitos "bar", "TF", "trend", "flat", "levels", "trends", ....?
facilmente, geralmente as luzes do 1º andar estão acesas!
Neste caso, entendi que significava o desejo do mercado de voltar aos preços do passado (retorno)
retorno
como return
retorno
como return
ou retorno, que no contexto do mercado poderia ser interpretado como um desejo do mercado de retornar aos preços anteriores.Quando nos referimos a retornos devemos usar "return" ou dizer "retorno", mas quando nos referimos a retorno devemos dizer retorno.
É possível que seja este o caso. Mas quando construímos uma série de retornos da seguinte forma: X[t]-X[t-1], ela quase não o mostra. Eu uso as palavras retornos, incrementos, retornos, todos eles são uma série de preços diferenciados.
A inclinação da probabilidade na direção da mudança de sinal é mínima e insignificante. Mas se você calcular a entropia condicional entre a variável dependente e retornos superiores a dois ou mais desfasamentos, então toda a irregularidade é contabilizada no número resultante de modo que a entropia seja reduzida.
Tentei treinar NS sobre dados horários e tomei apenas os desfasamentos mais informativos (42 variáveis, sobre desfasamentos 1, 2, 23, 23, 25,... 479, 480, 481). Infelizmente, o resultado não funcionou muito bem. Precisão da previsão do número de quantil - na região de 30-40%. Embora as irregularidades que a rede neural foi capaz de traduzir para a saída, mas as dependências não são suficientes para a previsão. O problema é que as variáveis independentes são mutuamente informativas na defasagem 1, 2, 24.... e a quantidade total de informações sobre a barra zero é realmente pequena. Devemos pensar como uma opção para tomar prazos diários e mais antigos.
Nada nos impede de verificar a estacionaridade deste processo de informação e depois aplicar toda a econometria de uma só vez.
Eu não entendo bem.
A Econometria trabalha com processos não estacionários, o algoritmo aproximado é descrito no post. Devemos entender que a não-estacionariedade nos leva ao fato de que não podemos pegar o melhor indicador ou um conjunto de indicadores e obter TS e comércio de forma estável, pois devido à não-estacionariedade qualquer estimativa de TS (PF, drawdown e outros) é fictícia e no futuro surgirão tais áreas de quociente, onde TS venderá o depósito.
A ciência de medir dados econômicos - econométricos, tem diferenças de outras ciências muito respeitáveis, mas é uma ciência independente separada e se propõe a agir consistentemente, fixando cada resultado intermediário como um modelo, visando obter um resíduo estacionário, dá estimativas de estabilidade de TS futuro quando se trabalha em um mercado não estacionário.
Isto é mostrado por um exemplo para EURUSD e três indicadores (linha reta, suavização exponencial, filtro Hodrick-Prescott) aqui.
Rapazes, vamos usar uma ciência separada para medir dados econômicos, e não tentar tirar algo das ciências vizinhas, só porque somos preguiçosos demais para ler o livro didático econométrico. Em nosso país, existem tais livros didáticos que datam de 2000, ou seja, há mais de 10 anos, as universidades produzem especialistas que medem dados econômicos cientificamente e não sofrem a porcaria chamada "dependência da informação".
E em geral, vamos viver em paz.
Não entendi bem.
A Econometria trabalha com processos não estacionários, o algoritmo aproximado é descrito no post. Devemos entender que a não-estacionariedade nos leva ao fato de que não podemos pegar o melhor indicador ou um conjunto de indicadores e obter TS e comércio de forma estável, porque devido à não-estacionariedade qualquer estimativa de TS (PF, drawdown e outros) é fictícia e no futuro surgirão tais áreas de quociente, onde TS venderá o depósito.
A ciência de medir dados econômicos - econométricos, tem diferenças de outras ciências muito respeitáveis, mas é uma ciência independente separada e se propõe a agir consistentemente, fixando cada resultado intermediário como um modelo, visando obter um resíduo estacionário, dá estimativas de estabilidade do TS futuro quando se trabalha em um mercado não estacionário.
Isto é mostrado por um exemplo para EURUSD e três indicadores (linha reta, suavização exponencial, filtro Hodrick-Prescott) aqui.
Rapazes, vamos usar uma ciência separada para medir dados econômicos, e não tentar tirar algo das ciências vizinhas, só porque somos preguiçosos demais para ler o livro didático econométrico. Em nosso país, existem tais livros didáticos desde 2000, ou seja, há mais de 10 anos, as universidades têm produzido especialistas que medem dados econômicos cientificamente e não sofrem a porcaria chamada "dependência da informação".
E em geral, vamos viver em amizade.
A propósito, eu li seu artigo. É um artigo valioso, e o problema da não-estacionariedade é bem abordado ali. E concordo que a não-estacionariedade dos dados financeiros é um problema real e premente. Durante muitos meses, quando eu estava dominando as redes neurais, tentei diferentes transformações das séries temporais iniciais para melhorar sua estacionaridade, porque as NS são sensíveis a este fenômeno e aprendem de forma inadequada. E, para ser mais exato, a densidade de erros nos dados de saída é obtida de forma desigual que, na prática, leva a fortes drawdowns (no entanto, com um MO geralmente positivo do modelo).
Digamos por enquanto que tentamos simplesmente em dados brutos (não totalmente brutos, mas uma série diferenciada) apenas para ver o que acontece. Não estou de forma alguma diminuindo a importância da econometria, embora não tenha lido nenhum livro didático.
Quando tiver tempo, postarei minha versão de pré-processamento de dados, que, a olho nu, produz uma série mais estacionária, mas ainda não fiz testes de estacionaridade.