Esqueça as citações aleatórias - página 63

Novo comentário
 
C-4:

De onde veio o 903,50? É esse o arquivo que você está vendo? O primeiro número é 325,25:

1 2 3 4 5 6 7

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

Caso contrário, sim, horas e minutos são colunas diferentes, todas as colunas são separadas por vírgulas (exportação padrão do MT4).

No segundo arquivo, a coluna 16 deve corresponder à posição dos operadores de rede: Operadores de rede.

Um dado para terça-feira, e o outro para domingo. 2012.07.15 corresponde a 2012.07.17 ou corresponde a 2012.07.22?

 
faa1947:

Alguns dados para terça-feira e outros para domingo... 2012.07.15 corresponde a 2012.07.17 ou corresponde a 2012.07.22?


Os dados são gravados para terça-feira, mas só são publicados (colocados à nossa disposição) na sexta-feira à noite. Assim, para não cair na armadilha do auto-engano, é necessário fazer uma compensação de uma semana. Ou seja, é ainda melhor usar o preço de abertura da semana seguinte:

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

Porque 1992.11.01 é domingo, não tenho idéia, deveria ser 1992.11.02. Estas são as únicas citações que tenho. Mas não a questão. Se o preço de abertura foi no domingo ou como deveria ser na segunda-feira, então para ele usamos os dados do COT da terça-feira anterior, ou seja, para 1992.11.01 devemos usar os dados do COT de 1992.10.27

 

Sim, alguns outros comentários.

É costume considerar o preço, e portanto os indicadores, em relação ao tempo. Mas quem disse que esta é a única metodologia correta?

Sabe-se que as posições dos operadores dependem do preço (quanto mais alto o preço - quanto mais alta a cobertura líquida). Mas o que o tempo tem a ver com isso? Portanto, não seria ruim desenhar um diagrama pontual de dependência entre o preço e as posições dos operadores. Parece-me que será mais ou menos semelhante ao linear, e é possível aplicar o teste Granger.

 
C-4:



Os resultados são os seguintes.

Sincronizou as datas. Em Zw tive que inserir 6 naludes vazios para alinhar. Em seguida, interpolou linearmente os valores de NA obtidos.

Obtive os seguintes dados.

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

/

/

/ fim

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

Gráfico conjunto

Teste causal em toda a amostra de 655 observações com um deslocamento de 2 lags e 10 lags (o resultado é o mesmo)

Testes de causalidade da Granger em pares

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

Amostra: 1 655

Faixas: 10

Hipótese Nula: Obs F-Statistic Prob.

NET_OPERATORS no Granger reason for SER06_INTERPOLATE 645 2.66043 0.0035

SER06_INTERPOLATE não é uma razão Grangerpara NET_OPERATORS 20.9059 1.E-33

Lê assim: não pode rejeitar a hipótese de que NET_OPERATORS não é uma causa para SER06_INTERPOLATE, ou seja, as duas quantidades são independentes.

.

a idéia de testar a causalidade em toda a amostra não é correta.

Faça as primeiras 30 observações:

Testes de causalidade da Granger em pares

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

Amostra: 1 30

Faixas: 2

Hipótese Nula: Obs F-Statistic Prob.

SER06_INTERPOLATE não Granger Cause NET_OPERATORS 28 10.8494 0.0005

NET_OPERATORS não Granger Cause SER06_INTERPOLATE 0,39443 0,6785

A imagem é diferente. a segunda linha soa assim

Rejeitamos com 67% de probabilidade a hipótese de que NET_OPERATORS não é uma causa Granger para SER06_INTERPOLATE.

Inversamente, não podemos rejeitar a hipótese de que NET_OPERATORS não é uma causa!

 
C-4:

Sim, alguns outros comentários.

É costume considerar o preço, e portanto os indicadores, em relação ao tempo. Mas quem disse que esta é a única metodologia correta?

Sabe-se que as posições dos operadores dependem do preço (quanto mais alto o preço - quanto mais alta a cobertura líquida). Mas o que o tempo tem a ver com isso? Portanto, não seria ruim desenhar um diagrama pontual de dependência entre o preço e as posições dos operadores. Parece-me que será mais ou menos semelhante ao gráfico de linhas, e pode aplicar o teste Granger.

O que acontece entre as observações que não sabemos. Precisamos interpolar, o que pode ser uma tarefa muito simples (feita acima) ou muito complicada, como você sugere.

Acho que é preciso procurar o tamanho da janela na qual determinar a causalidade e trabalhar com isso, o tamanho da janela encontrada. Eu nego categoricamente a alegação de que quanto maior a amostra, melhor. Isto é afirmado por pessoas que não foram além do teorema. Estamos interessados na tendência alguns passos à frente. Estamos interessados em flutuações de mercado nas quais se pode ganhar ou perder. E a falta média de causalidade entre as variáveis ao longo de 12 anos não diz nada. 30 semanas é de seis meses. E a pergunta deve ser colocada assim: estas 30 semanas são suficientes para prever um par de semanas à frente?

 
faa1947:

Os resultados são os seguintes.

Rejeitamos com 67% de probabilidade a hipótese de que NET_OPERATORS não é uma causa Granger para SER06_INTERPOLATE.

Por outro lado, não podemos rejeitar a hipótese de que não é uma causa!

Então, a causa é um sim ou um sim não?

! (Net_Operators != Ser06_Interpolar) = verdadeiro;

Isto é, Operadores de Rede é muito provavelmente a causa do Ser06_Interpolate?

 

Ah, vejo que, para os primeiros 30 desfasamentos, sim, os operadores são a causa. Para toda a amostra, não, os operadores não são a causa. Não é um resultado importante em absoluto. Mesmo assim, você precisa de uma confirmação para toda a história, caso contrário, logicamente, ou é a causa ou não. E às vezes não é - é o mesmo 50/50.

Os incrementos ou momentos são comparados?

 
É necessário testar com dados que se sabe serem dependentes. Os indicadores de AT sem atraso, como o RSI, funcionarão muito bem. Sabemos com certeza, que o preço não depende do indicador, construído em nosso terminal, mas o indicador depende do preço. O teste granger deve mostrar exatamente esta relação: com uma probabilidade muito alta, o rsi depende do preço.
 
C-4:

Então sim é um sim, ou sim é um não?

! (Net_Operators != Ser06_Interpolar) = verdadeiro;

Isto é, é mais provável que os Operadores de Rede sejam a causa do Ser06_Interpolate?

O problema é que não só há muitos tons de cinza, como o mundo também é colorido em cima de tudo o resto!

É apenas um abre-olhos. E o que fazer é outra questão.

 
C-4:

Ah, vejo que, para os primeiros 30 desfasamentos, sim, os operadores são a causa. Para toda a amostra, não, os operadores não são a causa. Não é um resultado importante em absoluto. Mesmo assim, você precisa de uma confirmação para toda a história, caso contrário, logicamente, ou é a causa ou não. E às vezes não é - é o mesmo 50/50.

Os incrementos ou momentos são comparados?

Você obtém uma imagem muito interessante se você passar uma janela ao longo da amostra. É bom se o valor de causalidade calculado não mudar, mas o mais provável é que mude!

Vi isso pela primeira vez nos coeficientes de uma média móvel ponderada - fiquei horrorizado. Você não pode trabalhar com nada em TA. Tudo o que recebi do testador não pode ser confiável, etc.

1...5657585960616263646566
Novo comentário