Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
а) t-статистика предполагает, что данные имеют нормальное распределение, и только для таких данных и предназначена, иначе она искажает результат.
б) что за новое направление в матстате делить 100% на значение t-критерия, просветите, плиз
а) вообще-то z-статистика
б) это для семя что по быстрому оценить ошибку в процентах
Но дело не в этом.
Проблема в корне. Все что я вычитал, сам построил говорит о том, что из требований к "правильной" не вытекает ее прогнозируемость. Все время к этому клоню. Коинтеграция привлекла тем, что входы по стационарному ряду. Но вопрос о прогнозируемости остается.
а) вообще-то z-статистика
значит предполагается асимптотически нормальное вместо Стьюдента, что также далеко не факт.
б) это для семя что по быстрому оценить ошибку в процентах
Но дело не в этом.
Проблема в корне. Все что я вычитал, сам построил говорит о том, что из требований к "правильной" не вытекает ее прогнозируемость. Все время к этому клоню. Коинтеграция привлекла тем, что входы по стационарному ряду. Но вопрос о прогнозируемости остается.
значит предполагается асимптотически нормальное вместо Стьюдента, что также далеко не факт.
И прежде всего вопрос прогнозируемости самой коинтеграции. Я же и предлагаю поработать над этим.Я же и предлагаю поработать над этим.
Вот результаты. Взял Н1 6736 баров. На картинках первые 500 баров. Окно 118 баров (неделя). Сдвигаем на один бар.
Регрессия коинтеграции
EURUSD = C(1)*GBPUSD + C(2) + C(3)*@TREND
Разность между парами
вход - пересечение снизу вверх ско
выход - пересечение нуля
Входы сверху не рассматриваю - слишком сложные рисунки получаются.
На данно участке получили сделки
Сделки в пипсах
очень любопытно поведение коэф с(i) в регрессии коинтеграции
Хотелось бы Ваше мнение.
Регрессия коинтеграции
EURUSD = C(1)*GBPUSD + C(2) + C(3)*@TREND
Вы много раз приводили различные уравнения, которые вы используете для оценивания коинтеграции. Я по-видимому упустил момент, когда вы обосновывали, почему включаете в регрессию детерминированную трендовую компоненту. Не могли бы вы пояснить ещё раз?
Насколько мне известно, детерминированную компоненту следует включать лишь в том случае, когда регрессоры содержат такую компоненту. В этом случае можно будет корректно использовать критические значения t-статистик, скажем, из таблиц MacKinnon'а. Я сильно сомневаюсь, что детерминированный линейный тренд есть в eurusd, gbpusd или какой-то их линейной комбинации.
Как известно, когда коинтеграция действительно имеет место - оценки коэффициентов регрессии (long-run model) обладают свойством сверхсостоятельности. Следуя вашим результатам, коинтеграция eurusd и gbpusd присутствует. Исходя из этих двух положений, предлагаю вам оценить коэффициенты приведённой вами регрессии (обязательно с одними и теми же предикторами) на двух непересекающихся участках данных, после чего удостовериться при помощи неравенства Чебышева в том, что оценки коэффициента C(3) на этих участках данных отличаются статистически незначимо. Если это так - нужно пытаться торговать не средневозвратность остатков регрессии, а детерминированную трендовую компоненту. Если оценки коэффициента C(3) будут существенно отличаться - я бы посоветовал пересмотреть структуру оцениваемой регрессии.
Насколько мне известно, детерминированную компоненту следует включать лишь в том случае, когда регрессоры содержат такую компоненту. В этом случае можно будет корректно использовать критические значения t-статистик, скажем, из таблиц MacKinnon'а. Я сильно сомневаюсь, что детерминированный линейный тренд есть в eurusd, gbpusd или какой-то их линейной комбинации.
Как известно, когда коинтеграция действительно имеет место - оценки коэффициентов регрессии (long-run model) обладают свойством сверхсостоятельности. Следуя вашим результатам, коинтеграция eurusd и gbpusd присутствует. Исходя из этих двух положений, предлагаю вам оценить коэффициенты приведённой вами регрессии (обязательно с одними и теми же предикторами) на двух непересекающихся участках данных, после чего удостовериться при помощи неравенства Чебышева в том, что оценки коэффициента C(3) на этих участках данных отличаются статистически незначимо. Если это так - нужно пытаться торговать не средневозвратность остатков регрессии, а детерминированную трендовую компоненту. Если оценки коэффициента C(3) будут существенно отличаться - я бы посоветовал пересмотреть структуру оцениваемой регрессии.
Вы много раз приводили различные уравнения, которые вы используете для оценивания коинтеграции. Я по-видимому упустил момент, когда вы обосновывали, почему включаете в регрессию детерминированную трендовую компоненту. Не могли бы вы пояснить ещё раз?
В том-то и дело, что что-либо утверждать я не могу.
По моим представлениям сравнение разных двух участков в прошлом ничего не дает. Реальная торговля - сдвигаем на один бар вперед и этот новый участок, отличающийся на один бар даст новые коэффициенты. Выше приведены значения коэф с(1) и с(2) - они все время меняются и довольно значительно. Вот значения коэф с(3)
Вот оценка уравнения коинтеграции (не регрессии):
Dependent Variable: EURUSD
Method: Dynamic Least Squares (DOLS)
Date: 04/28/12 Time: 14:49
Sample: 118 6736
Included observations: 6619
Cointegrating equation deterministics: C @TREND
Automatic leads and lags specification (lead=34 and lag=34 based on AIC
criterion, max=34)
Long-run variance estimate (Bartlett kernel, Newey-West fixed bandwidth =
11.0000)
No d.f. adjustment for standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
GBPUSD 1.477877 0.039584 37.33545 0.0000
C -0.983188 0.064891 -15.15143 0.0000
@TREND 9.03E-07 6.68E-07 1.352241 0.1763
t-Statistic и соответствующая ей вероятность говорит, что трендом всей выборке (118-6736 баров) можно пренебречь. Это не удивительно, так как на больших выборках трендов скорее всего нет.
Возьмем выборку размером в окно = 118 баров. Картина другая.
Dependent Variable: EURUSD
Method: Dynamic Least Squares (DOLS)
Date: 04/28/12 Time: 15:00
Sample: 118 236
Included observations: 119
Cointegrating equation deterministics: C @TREND
Automatic leads and lags specification (lead=1 and lag=0 based on AIC
criterion, max=12)
Long-run variance estimate (Bartlett kernel, Newey-West fixed bandwidth =
5.0000)
No d.f. adjustment for standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
GBPUSD 0.410017 0.131928 3.107892 0.0024
C 0.652893 0.209209 3.120769 0.0023
@TREND 0.000202 1.90E-05 10.59269 0.0000
Вроде бы тренд имеется, но слишком низкие значения t-Statistic, что говорит об огромной ошибке оценки коэф.
Из этого делается вывод, что детрендирование нужно делать всегда. Но это не линейный тренд. У меня определенные ограничения по уравнению тренда. Можно использовать, например, фильтр Ходрика-Прескотта.
Вот результат от включения двух детерминированных трендов
Dependent Variable: EURUSD
Method: Dynamic Least Squares (DOLS)
Date: 04/28/12 Time: 15:06
Sample: 118 236
Included observations: 119
Cointegrating equation deterministics: HP_EUR HP_GBP
Automatic leads and lags specification (lead=0 and lag=0 based on AIC
criterion, max=12)
Long-run variance estimate (Bartlett kernel, Newey-West fixed bandwidth =
5.0000)
No d.f. adjustment for standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
GBPUSD 0.604971 0.094954 6.371191 0.0000
HP_EUR 1.002990 0.028777 34.85379 0.0000
HP_GBP -0.607497 0.096679 -6.283619 0.0000
Гораздо приличнее, чем в предыдущем случае. Главное при сдвиге на один бар эта штука более устойчивая.
Уговорил. Почти.
Парный трейдинг. Постоянный лот=1. 1036 баров на Н1.
Графики котиров
Баланс без учета спрэда.
Слева - приращение, т.е. 0.8 = 8000 пипсов
График результатов сделок
Статистика суммарная для двух валютных пар:
profit.factor
[1] 6.210877
> profit.plus
[1] 1.1192 = * 10000 = 11192 пипсов
> profit.minus
[1] 0.1802 = *10000 = 1802 пипсов
> sd(profit) - ско
[1] 0.001738898 * 10000 = 17 пипсов
> summary(profit)
Min. ......1st Qu.... Median Mean ....... 3rd Qu. Max.
-0.0047000 0.0000000 0.0006000 0.0009064 0.0015000 0.0192000
Из последней строчки: максимальная просадка в пипсах = 47 пипсов. Максимальная прибыльная сделка = 192 пипса.
При построении торговой системы использовались библиотеки:
library(mFilter)
library(tsDyn)
library(lmtest)
library(fUnitRoots)
library(zoo)
Переехал сюда.
Вот другой участок, количество бар в 2.5 раз больше на Н1
Последние 1000 бар баланса
А это итоговая статистика.
> profit.factor
[1] 6.843426
> profit.plus
[1] 2.8366
> profit.minus
[1] 0.4145
> sd(profit)
[1] 0.001760334
> summary(profit)
Min. 1st Qu. Median Mean 3rd Qu. Max.
-0.004000 0.000100 0.000700 0.001054 0.001700 0.017300
Прошу заметить, что профит фактор и просадка изменились не очень.
Жду конкретных результатов, чтобы сравнить с (18).