Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ein klareres Bild:
Auch hier gilt, dass meine Methode den S&P500 nicht vorhersagt. Sie sagt Rezessionen voraus. Die Rezession 2020 ist noch nicht vorbei. Es gibt kein Problem mit der Vorhersage.
...
1. Die Prognostiker werden auf der Grundlage ihrer Fähigkeit ausgewählt, Rezessionen vorherzusagen. Die Auswahl erfolgt automatisch, ohne meinen Einfluss oder meine Meinung.
2. Der Bewertungsmaßstab ist, ob die vorgeschlagene Buy&Sell-Strategie profitabler ist als Buy&Hold.
3. die historischen Darstellungen sind auf die Tiefe der Geschichte der einzelnen Wirtschaftsleistungen beschränkt
Der einzige mögliche Kritikpunkt ist, dass die historischen Ergebnisse keine Garantie für die Genauigkeit der Vorhersage zukünftiger Rezessionen sind. Alle Ergebnisse des gezeigten Diagramms wurden an die Geschichte angepasst, mit Ausnahme des letzten Rezessionssignals im Dezember 2019.
Für einen konstruktiven Dialog schlage ich vor, die Genauigkeit meines Systems/Modells mit anderen fundamentalen oder technischen Rezessionsvorhersagesystemen zu vergleichen. Sie können auch die Rendite und den Drawdown meines Systems mit anderen Handelssystemen für den S&P500 vergleichen.
Ich frage einfach: Hat Ihr Rezessionsvorhersagesystem diese Rezession vorhergesagt und wie lange vorher?
https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html
Ich frage einfach: Hat Ihr Rezessionsvorhersagesystem diese Rezession vorhergesagt und wie lange vorher?
https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html
Lesen Sie überhaupt, was Sie kommentieren, bevor Sie einen Kommentar abgeben?
Vladimir schrieb: "Diese Strategie gab im Dezember 2019 ein Verkaufssignal. Er hat noch kein Kaufsignal gegeben. Es sieht so aus, als würde der Markt sinken." (с).
Die Aufgabe besteht also darin, den S&P 500 Index auf der Grundlage der verfügbaren Wirtschaftsindikatoren vorherzusagen.
Schritt 1: Finden Sie die Indikatoren. Die Indikatoren sind hier öffentlich zugänglich: http://research.stlouisfed.org/fred2/. Es gibt 240.000 davon. Das wichtigste ist das BIP-Wachstum. Dieser Indikator wird jedes Quartal berechnet. Daher beträgt unser Schritt 3 Monate. Alle Indikatoren mit kürzerem Zeithorizont werden auf 3 Monate umgerechnet, der Rest (jährlich) wird verworfen. Außerdem werden Indikatoren für alle Länder außer den USA sowie Indikatoren, die keine lange Historie (mindestens 15 Jahre) aufweisen, nicht berücksichtigt. Also sichten wir mühsam eine Reihe von Indikatoren und erhalten etwa 10 Tausend Indikatoren. Formulieren wir eine spezifischere Aufgabe, um den S&P 500-Index ein oder zwei Quartale im Voraus zu prognostizieren, wobei 10 Tausend Wirtschaftsindikatoren mit einem vierteljährlichen Zeitraum vorliegen. Ich mache alles in Matlab, aber es ist auch möglich, es in R zu machen.
Schritt 2: Umwandlung aller Daten in eine stationäre Form durch Differenzierung und Normalisierung. Es gibt eine ganze Reihe von Methoden. Die Hauptsache ist, dass die umgewandelten Daten aus den ursprünglichen Daten wiederhergestellt werden können. Ohne Stationarität wird kein Modell funktionieren. Die S&P 500-Reihe vor und nach der Umwandlung ist unten dargestellt.
Schritt 3: Wählen Sie ein Modell. Sie könnten ein neuronales Netz haben. Es kann sich um eine multivariablelineare Regression handeln. Es könnte sich um eine polynomiale Regression mit mehreren Variablen handeln. Nachdem wir lineare und nichtlineare Modelle ausprobiert haben, kommen wir zu dem Schluss, dass die Daten so stark verrauscht sind, dass es keinen Sinn macht, ein nichtlineares Modell anzupassen, da das y(x)-Diagramm mit y = S&P 500 und x = einer von 10.000 Indikatoren fast eine runde Wolke ist. Daher formulieren wir die Aufgabe noch konkreter: Vorhersage des S&P 500-Index für ein oder zwei Quartale im Voraus anhand von 10 Tausend Wirtschaftsindikatoren mit einem vierteljährlichen Zeitraum unter Verwendung einer multivariablen linearen Regression.
Schritt 4: Auswahl der wichtigsten Wirtschaftsindikatoren aus 10 Tausend (Reduzierung der Dimension des Problems). Dies ist der wichtigste und schwierigste Schritt. Nehmen wir die Geschichte des S&P 500, die 30 Jahre lang ist (120 Quartale). Um den S&P 500 als lineare Kombination verschiedener Wirtschaftsindikatoren darzustellen, reichen 120 Indikatoren aus, um den S&P 500 während dieser 30 Jahre genau zu beschreiben. Darüber hinaus kann es sich bei den Indikatoren um absolut beliebige Indikatoren handeln, um ein so genaues Modell von 120 Indikatoren und 120 Werten des S&P 500 zu erstellen. Wir werden also die Zahl der Eingaben unter die Zahl der beschriebenen Funktionswerte reduzieren. Wir suchen zum Beispiel die 10-20 wichtigsten Indikatoren/Eingaben. Solche Aufgaben, bei denen Daten durch eine kleine Anzahl von Eingaben beschrieben werden, die aus einer großen Anzahl von möglichen Basen (Wörterbuch) ausgewählt werden, werden als spärliche Kodierung bezeichnet.
Für die Auswahl der Prädiktoren gibt es viele Methoden. Ich habe sie alle ausprobiert. Hier sind die beiden wichtigsten:
Hier sind die ersten 10 Indikatoren mit dem höchsten Korrelationskoeffizienten mit dem S&P 500:
Hier sind die 10 wichtigsten Indikatoren mit der größten gegenseitigen Information mit dem S&P 500:
Lag ist die Verzögerung der Eingabereihen relativ zur simulierten S&P 500-Reihe. Wie Sie aus diesen Tabellen ersehen können, führen verschiedene Methoden zur Auswahl der wichtigsten Eingaben zu unterschiedlichen Eingabesätzen. Da mein oberstes Ziel die Minimierung des Modellfehlers ist, wählte ich die zweite Methode zur Auswahl der Eingaben, d. h. ich ging alle Eingaben durch und wählte diejenige aus, die den geringsten Fehler ergab.
...
Lesen Sie überhaupt, was Sie kommentieren, bevor Sie einen Kommentar abgeben?
Vladimir schrieb: "Diese Strategie gab im Dezember 2019 ein Verkaufssignal. Bislang kein Kaufsignal. Es sieht so aus, als würde der Markt sinken." (с).
Was die Frage nach dem Vorhandensein und dem Einfluss eines unsichtbaren subjektiven Faktors auf die Studie betrifft, schlage ich vor, dass Sie diese Schritte noch einmal sorgfältig durchlesen und sicherstellen, dass die Subjektivität entweder nicht vorhanden ist oder das Endergebnis NICHT verändert...
... Am Ende würden wir gemeinsam zu dem Schluss kommen, dass man sich bei Prognosen nicht so sehr auf die Methode der Datenanalyse selbst verlassen sollte, sondern auf die persönliche Subjektivität, die im Gegensatz zu allen "objektiven" Indikatoren einer Studie richtig sein kann.