Makroekonomik göstergelere dayalı piyasa tahmini - sayfa 2
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Araştırma için ilginç bir nesne. Bu konuyu düşünerek, makroekonomik verileri dinamik olarak analiz etmenin gerekliliği sonucuna vardım - bence mevsimsel dalgalanmalardan kaynaklanabileceği ve kısa vadeli olduğu için işsizlik başvurularının arttığını söylemek yeterli değil. doğa - piyasada hakim olan eğilime bağlı olarak piyasa tepki verebilir veya vermeyebilir. Bu nedenle, belki de eğilimi tersine çevirme yetenekleri açısından göstergelerin gücünü keşfetmeye çalışın? Bir zikzak alalım veya grafikteki trend dönüş noktalarını belirleyelim ve sadece düzeltmeler yapalım ve dönüm noktasından üç gün önce makroekonomik göstergelerin çıktısını arayalım ve zaten bir grup gösterge topladıktan sonra, bu göstergelerin ne gösterdiğini analiz edin ve sadece sonra desenleri arayın. Gösterge her zaman piyasanın tersine dönmesinin nedeni olmayacaktır - potansiyel, piyasanın eğilimi ve geçmiş dönemlere ilişkin gösterge ve ayrıca diğer ekonomik göstergelerin bir kombinasyonu önemlidir.
Oldukça ilginç bir fikir. Yani sadece trendlerdeki kırılmalara odaklanıyoruz ve bu kırılmaları etkileyen temel göstergeleri belirliyoruz.
Uzun zamandır aykırı değerler hakkında düşünüyorum. Bunlar göz ardı edilmeli mi yoksa tam tersine daha fazla ilgi gösterilmeli mi? Klasik regresyon teorisi onları görmezden gelmeyi öğretir. Ancak bazen bana, trend etrafındaki küçük fiyat dalgalanmalarının gürültü olduğu ve klasik regresyonun buna en çok dikkat ettiği görülüyor. Aykırı değerler muhtemelen daha önemli sinyaldir. Ancak aykırı değerlere daha fazla ağırlık veren bir model oluşturmaya yönelik tüm girişimlerim (örneğin, u>1'i seçerek) daha yüksek bir rms tahmin hatasına yol açtı. Aykırı değerlerin yumuşatılması, daha küçük bir tahmin hatasına yol açtı.
Bu nedenle, tüm girdi değişkenleri listesini manuel olarak ele almalı ve sezgisel olarak veya diğer bazı hususlara dayanarak "bu girdi değişkeni büyük olasılıkla yapar ve bu büyük olasılıkla yapmaz" şeklinde karar vermelidir.
... Kalemlerle belirli bir liste seçtim ve ardından bir algoritma ile filtreledim ve bir liste aldım. Ayrıca, böyle bir listenin değeri temel niteliktedir: Böyle bir "etkileyen" ilk veri kümesini kullanan modeller (3 farklı türde model kullanırım), ana pusu olan fazla uydurma özelliğine sahip DEĞİLDİR . "Gürültü" başlangıç verilerinin kullanılmasının ana sonucu fazla uydurmadır.
Tarihin örnek içi bölümünü seçip örnek dışı bölümünü kontrol ettiler mi? Tüm segment için öngörücüler seçildiyse ve daha sonra aynı segmentin bir kısmı için örnek dışı hata hesaplandıysa, bu geleceğe bir bakıştır.
Daha da sert.
Konuyu büyük bir ilgiyle takip ediyorum.
-Aleks-'in gönderisi göz önüne alındığında, ne tahmin edeceğiniz belli değil: yön mü, büyüklük mü? "Yön" ise, bunlar sınıflandırma modelleridir ve "değer" ise, bunlar regresyon modelleridir ve orada farklı ARIMA ve ARCH ile sorunları vardır. Farklılaşma yardımı ile trend değişikliği sorunu tamamen çözmez; ayrıca makroekonomide mevsimsellik karıştırılmaktadır ....
-Aleks'in tahmin edicilerin seçimindeki fikri çok merak ediliyor. Genel olarak, ilk aşamada iki ön adım yapardım:
1. -Aleks- tarafından seçilmiş, oldukça geniş bir dizi bağımsız değişken.
2. Bir regresyon oluşturdu ve katsayıları önemsiz olan tüm değişkenleri attı.
Son adım gerçekten kolay değil. Yazdığım her şey, bağımsız değişkenler arasında bir korelasyon olmaması şartıyla. Ve her zaman 0,7'nin üzerinde bir korelasyon vardır ve atılan tahmin edicilerin listesi bunun yapılma sırasına bağlıdır.
Bundan sonra, bir sonraki adımda ne yapacağınıza bakıp karar verebilirsiniz.
Durağanlık şartı çok katıdır ve tamamen haksızdır.
.
Ve "durağanlık olmadan" modeller kendileri için oldukça iyi çalışır;)
Bu, sadece regresyon değil, aynı zamanda sinir modelleri, ARMA ve diğerleri gibi herhangi bir model hakkında da söylenebilir. Girdiler ve çıktı arasında bir bağlantı yoksa, herhangi bir model bir tahmin üretecektir, sadece doğru olmayan bir tahmin.
Büyük veya küçük miktarda girdi verilerinin tümü görecelidir.
Oldukça ilginç bir fikir. Yani sadece trendlerdeki kırılmalara odaklanıyoruz ve bu kırılmaları etkileyen temel göstergeleri belirliyoruz.
Uzun zamandır aykırı değerler hakkında düşünüyorum. Bunlar göz ardı edilmeli mi yoksa tersine daha fazla dikkat mi verilmeli? Klasik regresyon teorisi onları görmezden gelmeyi öğretir. Ancak bazen bana, trend etrafındaki küçük fiyat dalgalanmalarının gürültü olduğu ve klasik regresyonun buna en çok dikkat ettiği görülüyor. Aykırı değerler muhtemelen daha önemli sinyaldir. Ancak aykırı değerlere daha fazla ağırlık veren bir model oluşturmaya yönelik tüm girişimlerim (örneğin, u>1'i seçerek) daha yüksek bir rms tahmin hatasına yol açtı. Aykırı değerlerin yumuşatılması, daha küçük bir tahmin hatasına yol açtı.
Böylece, gecikmeyi hesaba katabilir ve ekonomik göstergenin çıkışında fiyat kırılmasından sapma yüzdesini hesaplayabilirsiniz. Hala fikirler var, ancak kullanımlarının kanıtı zaten yerinde anlaşılabilir.
Genel olarak, birçok ekonomik verinin geçen aya veya geçen yıla göre göreceli bir göstergesi vardır; grafiksel olarak çizerken bunun da dikkate alınması gerekecektir ...
Başka bir fikir - muhtemelen, trend değişikliğini etkileyen verilerin kendisi değil, beklenen verilerden veya geçmiş dinamiklerden sapmaları - burada da kontrol edebilirsiniz - göstergenin hareketinin geçmiş dinamiklerini değişimiyle karşılaştırarak (güçlü bir vektör boyunca veya aleyhine değiştirin - SMA yardımıyla bile) ve fiyat hareketi vektöründeki değişime gecikmeli olarak bakın.
Tüm bu çalışmanın tek bir kişinin gücünde olduğundan emin değilim - net bir eylem planı ve ara sonuçları analiz etmek için bir metodoloji - bunları tartışmak - bir cevap verecek olan bir ömür boyu sürecek bir çalışma olabilir. geçmiş ekonomik göstergelerin piyasayı nasıl etkilediğine dair... Bununla birlikte, geliştirilen metodoloji, mevcut piyasa hareketlerindeki kalıpları bulmanızı sağlayacaktır.
Fikri geliştirirken, farklı göstergeleri yayınlanma sıklığına göre bölmeniz gerekir - muhtemelen bir gösterge ne kadar az ortaya çıkarsa, piyasa üzerinde o kadar uzun süre etkisi olur
Numara. ABD için en etkili olanlar UR ve FOMC Meeting yüzde oranıdır. Onlar aylık.
İşsizlikle ilgili veriler resmileştirilirse, FRS toplantılarının tutanakları hiçbir şekilde sayısal biçimde resmileştirilemez.
Yoksa iki parmak gibi olurdu...
Bu kadar çok sayıda değişken için 65 gözlem çok azdır.
İleri test için en az i*10 gözlem + %15-20.
Numara. ABD için en etkili olanlar UR ve FOMC Meeting yüzde oranıdır. Onlar aylık.
İşsizlikle ilgili veriler resmileştirilirse, FRS toplantılarının tutanakları hiçbir şekilde sayısal biçimde resmileştirilemez.
Yoksa iki parmak gibi olurdu...