计量经济学:为什么需要协整? - 页 26 1...19202122232425262728 新评论 СанСаныч Фоменко 2012.04.26 11:30 #251 alsu: (a) t统计量假设数据具有正态分布,只适用于这种数据,否则会扭曲结果。 b) matstat中用100%除以t标准值的新方向是什么,请指教。 a) 实际上是z-统计学 b) 它是用来做种子的,以快速估计百分比的误差。 但这不是问题所在。 问题出在根源上。我所读到的一切,建立自己说,其可预测性并不来自于对 "正确 "的要求。这就是我一直想说的。协整被输入物处于一个静止序列的事实所吸引。但可预测性的问题仍然存在。 Alexey Subbotin 2012.04.26 11:58 #252 faa1947: a)实际上是一个Z统计量 所以假设是渐进正态而不是学生正态,这也是远远不能确定的。 b) 这是为了让种子快速估计百分比的误差 但这不是问题所在。 这是问题的根源所在。我所读到的一切,建立自己说,对 "正确 "的要求并不是来自于它的可预测性。这就是我一直想说的。协整被输入物处于一个静止序列的事实所吸引。但可预测性的问题仍然存在。 而最重要的是协整本身的可预测性问题。这就是我建议我们努力的方向。 СанСаныч Фоменко 2012.04.26 12:30 #253 alsu: 被假定为渐进正态,而不是学生正态,这也是很不确定的。 而最重要的是协整本身的可预测性问题。这就是我建议我们努力的方向。 开始了。这将需要一些时间 СанСаныч Фоменко 2012.04.28 05:53 #254 alsu: 这就是我建议我们努力的方向。 以下是结果。拿到了H1 6736条。图片显示的是前500条。118条(周)的窗口。移位一栏。 协整回归 eurusd = c(1)*gbpusd + c(2) + c(3) *@trend 对的区别 进入--从下往上穿越 出口--过零点 不考虑上面的条目--得到的是太复杂的图纸。 在这个部门,我们已经得到了交易 以点为单位的交易 我对协整回归中的系数с(i)的行为非常好奇 我想听听你的意见。 anonymous 2012.04.28 06:48 #255 faa1947: 协整回归 eurusd = c(1)*gbpusd + c(2) + c(3) *@trend 你已经多次引用了你用来估计协整的各种方程式。当你证明你为什么在回归中包括确定性的趋势成分时,我似乎错过了重点。你能再解释一下吗? 据我所知,只有当回归者包含这样的成分时,才应该包括确定性的成分。在这种情况下,你可以正确地使用t统计学的临界值,比如说,从MacKinnon的表格中。我非常怀疑eurusd、gbpusd或它们的一些线性组合存在确定性的线性趋势。 我们知道,当协整关系真正发生时--回归系数估计值(长期模型)具有超稳态的特性。按照你的结果,eurusd和gbpusd的协整关系是存在的。从这两个命题出发,我建议你在两个不重叠的数据区评估你提出的回归比率(一定要用相同的预测因子),然后通过切比雪夫不等式确保这些数据区的C(3)比率估计值在统计上没有明显的差异。如果是这样的话,我们不应该尝试交易回归残差平均值,而是交易确定性的趋势成分。如果C(3)的估计值会有很大差异--我建议修改要估计的回归结构。 СанСаныч Фоменко 2012.04.28 09:08 #256 anonymous: 据我所知,只有当回归者包含这样的成分时,才应该包括确定性的成分。在这种情况下,可以正确使用t统计的临界值,比如说,从MacKinnon的表格中。我非常怀疑eurusd、gbpusd或它们的一些线性组合存在确定性的线性趋势。 我们知道,当协整关系真正发生时--回归系数估计值(长期模型)具有超稳态的特性。按照你的结果,eurusd和gbpusd的协整关系是存在的。从这两个命题出发,我建议你在两个不重叠的数据区评估你提出的回归比率(一定要用相同的预测因子),然后通过切比雪夫不等式确保这些数据区的C(3)比率估计值在统计上没有明显的差异。如果是这样的话,我们不应该尝试交易回归残差平均值,而是交易确定性的趋势成分。如果C(3)的系数估计值有明显的不同--我会建议修改被估计的回归结构。 你已经多次引用了你用来估计协整的不同方程式。当你证明你为什么在回归中包括确定性的趋势成分时,我似乎错过了重点。你能再解释一下吗? 这就是问题所在,我不能要求什么。 就我而言,比较过去不同的两个情节没有任何作用。真正的交易 - 向前移动一个柱子,这个新的情节相差一个柱子,将给出新的系数。 系数с(1)和с(2)的值如上所示--它们一直在变化,而且变化幅度很大。下面是系数c(3)的数值 下面是对协整方程的估计(不是回归)。 因变量:欧元兑美元 方法:动态最小二乘法(DOLS)。 日期: 04/28/12 时间: 14:49 样本:118 6736 包括观察:6619 协整方程的确定性:C @TREND 自动领先和滞后规格(基于AIC的领先=34,滞后=34 准则,最大=34) 长期方差估计值(Bartlett核,Newey-West固定带宽=)。 11.0000) 没有对标准误差和协方差进行d.f.调整 变量 系数 Std.误差 t-统计学 概率。 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和其相应的概率说,整个 样本(118-6736条)的趋势可以忽略不计。这并不令人惊讶,因为大样本中很可能没有趋势。 让我们取一个窗口大小的样本=118条。画面是不同的。 因变量:欧元兑美元 方法:动态最小二乘法(DOLS)。 日期:04/28/12 时间:15:00 样本:118 236 包括观察:119 协整方程的确定性:C @TREND 自动领先和滞后规范(基于AIC的领先=1,滞后=0 准则,最大=12) 长期方差估计值(Bartlett核,Newey-West固定带宽=)。 5.0000) 没有对标准误差和协方差进行d.f.调整 变量 系数 Std.误差 t-统计学 概率。 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 似乎有一个趋势,但t-Statistic 值太低,这表明估计系数有巨大的误差。 由此我们得出结论,应该始终进行去趋势处理。但这不是一个线性趋势。我对趋势方程有一定的限制。例如,你可以使用Hodrick-Prescott过滤器。 下面是包括两个决定性趋势的结果 因变量:欧元兑美元 方法:动态最小二乘法(DOLS)。 日期: 04/28/12 时间: 15:06 样本:118,236 包括观察:119 协整方程的确定性: HP_EUR HP_GBP 自动领先和滞后规范(基于AIC的领先=0和滞后=0 准则,最大=12) 长期方差估计值(Bartlett核,Newey-West固定带宽=)。 5.0000) 没有对标准误差和协方差进行d.f.调整 变量 系数 Std.误差 t-统计学 概率。 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 比以前的案子体面多了。最主要的是,这个东西在移位一栏时更稳定。 Econometrics: why co-integration is СанСаныч Фоменко 2012.11.24 16:23 #257 我做到了。几乎。配对交易。固定批次=1。H1上的1036条。引用图表没有价差的平衡。左边 - 增量,即0.8 = 8000点贸易结果图表两个货币对的总统计数据。利润.因素[1] 6.210877>利润.加[1] 1.1192 = * 10000 = 11192点>利润.减去[1] 0.1802 = *10000 = 1802点>SD(利润) - SKO[1] 0.001738898 * 10000 = 17点> summary(profit)闵行区。......1st Qu....中位数 平均值 .......第3个Qu.最大。-0.0047000 0.0000000 0.0006000 0.0009064 0.0015000 0.0192000从最后一行来看:最大跌幅(点)=47点。最大获利交易=192点。图书馆被用来建立交易系统。library(mFilter)library(tsDyn)library(lmtest)library(fUnitRoots)library(zoo) 随机流理论和外汇 Econometrics: why co-integration is Random Flow Theory and СанСаныч Фоменко 2012.11.24 16:33 #258 移到了这里。这里是另一个部分,条数 是H1的2.5倍。平衡的最后1000条而这是最后的统计数字。>利润.因素[1] 6.843426>利润.加[1] 2.8366>利润.减去[1] 0.4145> sd(利润)[1] 0.001760334> summary(profit)闵行区。1st Qu.中位数 平均数 第三季度最大。-0.004000 0.000100 0.000700 0.001054 0.001700 0.017300请注意,利润系数和缩减没有什么变化。 Econometrics: why co-integration is 随机流理论和外汇 Юсуфходжа 2012.11.24 16:41 #259 等待具体的结果,与(18)进行比较。 СанСаныч Фоменко 2012.11.24 16:52 #260 yosuf: 等待具体的结果,与(18)进行比较。 即使是你所发布的内容也是令人窒息的。 1...19202122232425262728 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
(a) t统计量假设数据具有正态分布,只适用于这种数据,否则会扭曲结果。
b) matstat中用100%除以t标准值的新方向是什么,请指教。
a) 实际上是z-统计学
b) 它是用来做种子的,以快速估计百分比的误差。
但这不是问题所在。
问题出在根源上。我所读到的一切,建立自己说,其可预测性并不来自于对 "正确 "的要求。这就是我一直想说的。协整被输入物处于一个静止序列的事实所吸引。但可预测性的问题仍然存在。
a)实际上是一个Z统计量
所以假设是渐进正态而不是学生正态,这也是远远不能确定的。
b) 这是为了让种子快速估计百分比的误差
但这不是问题所在。
这是问题的根源所在。我所读到的一切,建立自己说,对 "正确 "的要求并不是来自于它的可预测性。这就是我一直想说的。协整被输入物处于一个静止序列的事实所吸引。但可预测性的问题仍然存在。
被假定为渐进正态,而不是学生正态,这也是很不确定的。
而最重要的是协整本身的可预测性问题。这就是我建议我们努力的方向。这就是我建议我们努力的方向。
以下是结果。拿到了H1 6736条。图片显示的是前500条。118条(周)的窗口。移位一栏。
协整回归
eurusd = c(1)*gbpusd + c(2) + c(3) *@trend
对的区别
进入--从下往上穿越
出口--过零点
不考虑上面的条目--得到的是太复杂的图纸。
在这个部门,我们已经得到了交易
以点为单位的交易
我对协整回归中的系数с(i)的行为非常好奇
我想听听你的意见。
协整回归
eurusd = c(1)*gbpusd + c(2) + c(3) *@trend
你已经多次引用了你用来估计协整的各种方程式。当你证明你为什么在回归中包括确定性的趋势成分时,我似乎错过了重点。你能再解释一下吗?
据我所知,只有当回归者包含这样的成分时,才应该包括确定性的成分。在这种情况下,你可以正确地使用t统计学的临界值,比如说,从MacKinnon的表格中。我非常怀疑eurusd、gbpusd或它们的一些线性组合存在确定性的线性趋势。
我们知道,当协整关系真正发生时--回归系数估计值(长期模型)具有超稳态的特性。按照你的结果,eurusd和gbpusd的协整关系是存在的。从这两个命题出发,我建议你在两个不重叠的数据区评估你提出的回归比率(一定要用相同的预测因子),然后通过切比雪夫不等式确保这些数据区的C(3)比率估计值在统计上没有明显的差异。如果是这样的话,我们不应该尝试交易回归残差平均值,而是交易确定性的趋势成分。如果C(3)的估计值会有很大差异--我建议修改要估计的回归结构。
据我所知,只有当回归者包含这样的成分时,才应该包括确定性的成分。在这种情况下,可以正确使用t统计的临界值,比如说,从MacKinnon的表格中。我非常怀疑eurusd、gbpusd或它们的一些线性组合存在确定性的线性趋势。
我们知道,当协整关系真正发生时--回归系数估计值(长期模型)具有超稳态的特性。按照你的结果,eurusd和gbpusd的协整关系是存在的。从这两个命题出发,我建议你在两个不重叠的数据区评估你提出的回归比率(一定要用相同的预测因子),然后通过切比雪夫不等式确保这些数据区的C(3)比率估计值在统计上没有明显的差异。如果是这样的话,我们不应该尝试交易回归残差平均值,而是交易确定性的趋势成分。如果C(3)的系数估计值有明显的不同--我会建议修改被估计的回归结构。
你已经多次引用了你用来估计协整的不同方程式。当你证明你为什么在回归中包括确定性的趋势成分时,我似乎错过了重点。你能再解释一下吗?
这就是问题所在,我不能要求什么。
就我而言,比较过去不同的两个情节没有任何作用。真正的交易 - 向前移动一个柱子,这个新的情节相差一个柱子,将给出新的系数。 系数с(1)和с(2)的值如上所示--它们一直在变化,而且变化幅度很大。下面是系数c(3)的数值
下面是对协整方程的估计(不是回归)。
因变量:欧元兑美元
方法:动态最小二乘法(DOLS)。
日期: 04/28/12 时间: 14:49
样本:118 6736
包括观察:6619
协整方程的确定性:C @TREND
自动领先和滞后规格(基于AIC的领先=34,滞后=34
准则,最大=34)
长期方差估计值(Bartlett核,Newey-West固定带宽=)。
11.0000)
没有对标准误差和协方差进行d.f.调整
变量 系数 Std.误差 t-统计学 概率。
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和其相应的概率说,整个 样本(118-6736条)的趋势可以忽略不计。这并不令人惊讶,因为大样本中很可能没有趋势。
让我们取一个窗口大小的样本=118条。画面是不同的。
因变量:欧元兑美元
方法:动态最小二乘法(DOLS)。
日期:04/28/12 时间:15:00
样本:118 236
包括观察:119
协整方程的确定性:C @TREND
自动领先和滞后规范(基于AIC的领先=1,滞后=0
准则,最大=12)
长期方差估计值(Bartlett核,Newey-West固定带宽=)。
5.0000)
没有对标准误差和协方差进行d.f.调整
变量 系数 Std.误差 t-统计学 概率。
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
似乎有一个趋势,但t-Statistic 值太低,这表明估计系数有巨大的误差。
由此我们得出结论,应该始终进行去趋势处理。但这不是一个线性趋势。我对趋势方程有一定的限制。例如,你可以使用Hodrick-Prescott过滤器。
下面是包括两个决定性趋势的结果
因变量:欧元兑美元
方法:动态最小二乘法(DOLS)。
日期: 04/28/12 时间: 15:06
样本:118,236
包括观察:119
协整方程的确定性: HP_EUR HP_GBP
自动领先和滞后规范(基于AIC的领先=0和滞后=0
准则,最大=12)
长期方差估计值(Bartlett核,Newey-West固定带宽=)。
5.0000)
没有对标准误差和协方差进行d.f.调整
变量 系数 Std.误差 t-统计学 概率。
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
比以前的案子体面多了。最主要的是,这个东西在移位一栏时更稳定。
我做到了。几乎。
配对交易。固定批次=1。H1上的1036条。
引用图表
没有价差的平衡。
左边 - 增量,即0.8 = 8000点
贸易结果图表
两个货币对的总统计数据。
利润.因素
[1] 6.210877
>利润.加
[1] 1.1192 = * 10000 = 11192点
>利润.减去
[1] 0.1802 = *10000 = 1802点
>SD(利润) - SKO
[1] 0.001738898 * 10000 = 17点
> summary(profit)
闵行区。......1st Qu....中位数 平均值 .......第3个Qu.最大。
-0.0047000 0.0000000 0.0006000 0.0009064 0.0015000 0.0192000
从最后一行来看:最大跌幅(点)=47点。最大获利交易=192点。
图书馆被用来建立交易系统。
library(mFilter)
library(tsDyn)
library(lmtest)
library(fUnitRoots)
library(zoo)
移到了这里。
这里是另一个部分,条数 是H1的2.5倍。
平衡的最后1000条
而这是最后的统计数字。
>利润.因素
[1] 6.843426
>利润.加
[1] 2.8366
>利润.减去
[1] 0.4145
> sd(利润)
[1] 0.001760334
> summary(profit)
闵行区。1st Qu.中位数 平均数 第三季度最大。
-0.004000 0.000100 0.000700 0.001054 0.001700 0.017300
请注意,利润系数和缩减没有什么变化。
等待具体的结果,与(18)进行比较。