Abhängigkeitsstatistik in Anführungszeichen (Informationstheorie, Korrelation und andere Methoden der Merkmalsauswahl) - Seite 28
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
Та же возвратность тоже является установленным свойством ценовых рядов
Nur weil die Marktverteilungen der Parreto-Levy-Form entsprechen, heißt das nicht, dass sie wiederkehrend sind. Durch dieselbe HMT bestimmt die Ungleichmäßigkeit der Inputs die Häufung der Volatilität, was wiederum eine verstärkte Akkumulation kleiner prozentualer Veränderungen der Renditen zur Folge hat, die über die Normalverteilung hinausgeht. Aber all dies sagt nichts über die Rendite aus. Es gibt einfach keine Informationen (externer Einfluss), also gibt es keine Geschäfte (der Markt ist im Gleichgewicht), also gibt es keine Bewegung, und das bloße Fehlen einer Bewegung bedeutet nicht, dass der Preis bereit ist, zurückzugehen.
Aber all dies ist für das Thema irrelevant.
Nur weil die Marktverteilungen der Parreto-Levy-Form entsprechen, heißt das nicht, dass sie wiederkehrend sind. Durch dieselbe HMT bestimmt die Ungleichmäßigkeit der Inputs die Häufung der Volatilität, was wiederum eine verstärkte Akkumulation kleiner prozentualer Veränderungen der Renditen zur Folge hat, die über die Normalverteilung hinausgeht. Aber all dies sagt nichts über die Rendite aus. Es gibt einfach keine Informationen (externer Einfluss), also gibt es keine Geschäfte (der Markt ist im Gleichgewicht), also gibt es keine Bewegung, und das bloße Fehlen einer Bewegung bedeutet nicht, dass der Preis bereit ist, zurückzugehen.
Aber all dies ist für das Thema irrelevant.
In diesem Fall verstand ich darunter den Wunsch des Marktes, zu den Preisen der Vergangenheit zurückzukehren (return).
Rendite bedeutet Rendite, was wiederum in unserem Sinne die prozentuale Veränderung des Preises im Zeitraum t ist.
Rendite - bedeutet Rückgabe oder Rückkehr, was im Zusammenhang mit dem Markt als der Wunsch des Marktes interpretiert werden kann, zu früheren Preisen zurückzukehren.
Wenn man sich auf Rückgaben bezieht, ist es besser, das Wort "Rückgabe" zu verwenden oder "Rückgabe" zu sagen, und wenn man sich auf die Rückgabe bezieht, ist es besser, Rückgabe zu sagen.
In diesem Fall verstand ich darunter den Wunsch des Marktes, zu den Preisen der Vergangenheit zurückzukehren (Return).
Renditen bedeutet Rendite
, was wiederum in unserem Sinne die prozentuale Preisänderung in der Periode t ist.Renditen bedeutet Rückkehr
oder Rendite, was in einem Marktkontext als der Wunsch des Marktes interpretiert werden kann, zu vergangenen Preisen zurückzukehren.Wenn wir uns auf Renditen beziehen, sollten wir "Rückkehr" verwenden oder "Renditen" sagen, und wenn wir uns auf Rendite beziehen, sollten wir Rückkehr sagen.
Hat sich schon einmal jemand gefragt, ob die Preisbewegungen mit denen eines Aufzugs in einem Hochhaus mit starkem Verkehr zwischen den Stockwerken verglichen werden können? Ist es möglich, die Position des Aufzugs mit Hilfe der Begriffe "Bar", "TF", "Trend", "Flat", "Level", "Trends", .... vorherzusagen?
leicht, normalerweise sind die Lichter im 1. Stock an!
In
diesem Fall habe ich es so verstanden, dass der Markt zu den Preisen der Vergangenheit zurückkehren will (Rückkehr)
.Returns
mit Rendite
, was wiederum in unserem Sinne eine prozentuale Veränderung des Preises in der Periode t ist.
Returns
mit Rückkehr
oder Rendite übersetzt, was im Marktkontext als Wunsch des Marktes, zu früheren Preisen zurückzukehren, interpretiert werden könnte.Wenn wir Rendite meinen, sollten wir "return" verwenden oder "returns" sagen, aber wenn wir Rückkehr meinen, sollten wir "return" sagen.
Es ist möglich, dass dies der Fall ist. Wenn wir jedoch eine Rücklaufreihe der Form X[t]-X[t-1] erstellen, ist sie fast nicht zu erkennen. Ich verwende die Begriffe Renditen, Inkremente, Renditen, das sind alles differenzierte Preisreihen.
Die Schieflage der Wahrscheinlichkeit in Richtung Vorzeichenwechsel ist minimal und unbedeutend. Berechnet man jedoch die bedingte Entropie zwischen der abhängigen Variable und den Renditen über zwei oder mehr Verzögerungen, dann werden alle Ungleichheiten in der resultierenden Zahl berücksichtigt, so dass die Entropie reduziert wird.
Ich habe versucht, NS auf stündlichen Daten zu trainieren und habe nur die informativsten Lags genommen (42 Variablen, auf Lags 1, 2, 23, 23, 25,... 479, 480, 481). Leider ist das Ergebnis nicht sehr gut ausgefallen. Genauigkeit der Vorhersage der Quantilzahl - in der Größenordnung von 30-40%. Die Unregelmäßigkeiten konnte das neuronale Netz zwar in die Ausgabe übersetzen, aber die Abhängigkeiten sind für eine Vorhersage nicht ausreichend. Das ganze Problem ist, dass die unabhängigen Variablen bei Lag 1, 2, 24.... gegenseitig informativ sind. und die Gesamtmenge der Informationen über den Null-Balken ist sehr gering. Wir sollten die Möglichkeit in Betracht ziehen, tägliche und ältere Zeitrahmen zu nehmen.
Nichts hindert uns daran, diesen Informationsprozess auf Stationarität zu prüfen und dann auf einen Schlag die gesamte Ökonometrie anzuwenden.
Das verstehe ich nicht ganz.
Die Ökonometrie arbeitet mit nicht-stationären Prozessen, der ungefähre Algorithmus wird in dem Beitrag beschrieben. Wir sollten verstehen, dass die Nicht-Stationarität dazu führt, dass wir nicht den besten Indikator oder eine Reihe von Indikatoren nehmen können, um TS zu erhalten und stabil zu handeln, da aufgrund der Nicht-Stationarität alle Schätzungen von TS (PF, Drawdown und andere) fiktiv sind und in der Zukunft solche Bereiche des Quotienten erscheinen werden, in denen TS das Depot verkauft.
Die Wissenschaft von der Messung wirtschaftlicher Daten - die Ökonometrie - unterscheidet sich von anderen sehr angesehenen Wissenschaften, aber sie ist eine eigenständige, unabhängige Wissenschaft und schlägt vor, konsequent zu handeln, indem sie jedes Zwischenergebnis als Modell festlegt und darauf abzielt, ein stationäres Residuum zu erhalten, das stabile Schätzungen künftiger TS liefert, wenn man auf einem nicht stationären Markt arbeitet.
Dies wird hier anhand eines Beispiels für EURUSD und drei Indikatoren (gerade Linie, exponentielle Glättung, Hodrick-Prescott-Filter) gezeigt.
Leute, lasst uns eine eigene Wissenschaft zur Messung von Wirtschaftsdaten verwenden und nicht versuchen, etwas aus den benachbarten Wissenschaften zu übernehmen, nur weil wir zu faul sind, das Lehrbuch der Ökonometrie zu lesen. In unserem Land gibt es solche Lehrbücher seit dem Jahr 2000, d.h. seit mehr als 10 Jahren bringen die Universitäten Fachleute hervor, die Wirtschaftsdaten wissenschaftlich messen und nicht unter dem Mist namens "Informationsabhängigkeit" leiden.
Und ganz allgemein: Lasst uns zusammenleben.
Ich habe es nicht ganz verstanden.
Die Ökonometrie arbeitet mit nicht-stationären Prozessen, der ungefähre Algorithmus wird in dem Beitrag beschrieben. Wir sollten verstehen, dass die Nicht-Stationarität dazu führt, dass wir nicht den besten Indikator oder eine Reihe von Indikatoren nehmen können, um TS zu erhalten und stabil zu handeln, da aufgrund der Nicht-Stationarität alle Schätzungen von TS (PF, Drawdown und andere) fiktiv sind und in der Zukunft solche Bereiche des Quotienten erscheinen werden, in denen TS das Depot verkauft.
Die Wissenschaft von der Messung wirtschaftlicher Daten - die Ökonometrie - unterscheidet sich von anderen sehr angesehenen Wissenschaften, aber sie ist eine eigenständige, unabhängige Wissenschaft und schlägt vor, konsequent zu handeln, jedes Zwischenergebnis als Modell zu fixieren, mit dem Ziel, ein stationäres Residuum zu erhalten, das stabile Schätzungen der zukünftigen TS liefert, wenn man auf einem nicht-stationären Markt arbeitet.
Dies wird hier anhand eines Beispiels für EURUSD und drei Indikatoren (gerade Linie, exponentielle Glättung, Hodrick-Prescott-Filter) gezeigt.
Leute, lasst uns eine eigene Wissenschaft zur Messung von Wirtschaftsdaten verwenden und nicht versuchen, etwas aus den benachbarten Wissenschaften zu übernehmen, nur weil wir zu faul sind, das Lehrbuch der Ökonometrie zu lesen. In unserem Land gibt es solche Lehrbücher seit dem Jahr 2000, d. h. seit mehr als 10 Jahren werden an den Universitäten Fachleute ausgebildet, die Wirtschaftsdaten wissenschaftlich messen und nicht unter dem Mist namens "Informationsabhängigkeit" leiden.
Und ganz allgemein: Lasst uns in Freundschaft leben.
Übrigens habe ich Ihren Artikel gelesen. Es ist ein wertvoller Artikel, und das Problem der Nicht-Stationarität wird darin gut behandelt. Und ich stimme zu, dass die Nicht-Stationarität von Finanzdaten ein echtes und dringendes Problem ist. Als ich mich monatelang mit neuronalen Netzen beschäftigte, habe ich verschiedene Transformationen der ursprünglichen Zeitreihe ausprobiert, um ihre Stationarität zu verbessern, da NS für dieses Phänomen empfindlich sind und nur unzureichend lernen. Genauer gesagt ist die Fehlerdichte der Ausgabedaten nicht gleichmäßig, was in der Praxis zu starken Drawdowns führt (allerdings bei einem allgemein positiven MO des Modells).
Sagen wir einfach, dass wir es erst einmal mit Rohdaten (nicht ganz roh, aber eine differenzierte Reihe) ausprobiert haben, um zu sehen, was passiert. Ich will damit keineswegs die Bedeutung der Ökonometrie schmälern, obwohl ich keine Lehrbücher gelesen habe.
Wenn ich Zeit habe, werde ich meine Version der Datenvorverarbeitung veröffentlichen, die nach Augenschein eine stationärere Reihe ergibt, aber ich habe keine Stationaritätstests durchgeführt.