Ökonometrie: Vorhersage einen Schritt voraus - Seite 122

 
Farnsworth:

Weniger Emotionen.

Es gibt keine "Trends", von denen Sie sprechen.

Was soll das heißen, es gibt keine? Rechtfertigen, was ist da?

 
faa1947:

Es gibt keine "Trends", von denen Sie sprechen.

Was soll das heißen, es gibt keine? Rechtfertigen, was ist da?

Angenommen, der Preis wird durch einen Prozess der Form dS(t)=mu(t)*dt+sigma(t)*dW erzeugt (oder dS(t)=mu(t)*S(t)*dt+sigma(t)*S(t)*dW, dann handelt es sich nicht um Preisinkremente, sondern um Logarithmen von Beziehungen), wobei mu(t) das Driftverhältnis und sigma(t) das Volatilitätsverhältnis ist.

Wenn es sich um Trends handelt, sollte mu(t) von Null verschieden sein. Versuchen Sie, mu/sigma-Schätzungen zu konstruieren und deren Unverzerrtheit/Nachhaltigkeit/Effektivität zu beweisen (vergessen Sie übrigens nicht, dem sigma(t)-Modell etwas wie COGARCH(p,q) beizufügen).

Wenn die Trends real sind und es Ihnen gelingt, die Parameter genau zu schätzen, können Sie mit diesem Modell Kurse prognostizieren, und es wird eine positive Korrelation zwischen den prognostizierten und den tatsächlichen Kurssteigerungen bestehen (was für den Handel nicht unbedingt ausreicht).

p.s. Sie können vereinfachend davon ausgehen, dass mu(t) eine stückweise konstante Funktion ist. Dann können wir versuchen, die Methode der kleinsten Quadrate und die Tschebyscheff-Ungleichung anzuwenden.

 
faa1947:

Was meinen Sie mit "nein"? Rechtfertigen, was ist da?

Die Emotionen sind längst weg, und das ist schlecht :(

Ich habe ein sehr einfaches Beispiel für "Trends" bei einer zufälligen Reihe gegeben, die nichts anderes als eine Illusion sind. Sehen Sie, ein Zitat ist ein sehr komplexes Multifraktal, das nicht einmal selbstähnlich ist. Es ist so komplex, dass sich die Ordnung in einem Zitat im höchsten Grad der Manifestation dieser Ordnung manifestiert - im Chaos. Dort ist alles anders.

Nun ja, es macht keinen Sinn, die Korrelation anhand einer Primärserie zu bewerten. Bei der Korrelation handelt es sich um eine Statistik, z. B. wenn man 1000 Fälle nimmt und die Korrelation pro Lag schätzen möchte. Für die eurik ist ein Punkt 0,000001. Wie weit, glauben Sie, wird der Preis bei einem solchen minimalen Schritt und mit einigen Eigenschaften der Bahnabweichung für solche Multifraktale in der Größenordnung des Kurses gehen? Natürlich nicht, Sie haben diesen Koeffizienten und er zeigt eine große statistische Nähe. Sehen Sie die Formel, Sie hatten einen Quotienten von 1,5, der Kurs hat sich um sagen wir 0,0003 (wie im Durchschnitt) entfernt. Glauben Sie, dass 1,5 und 1,4997 statistisch gesehen nahe beieinander liegen, wenn Sie sie in die Formel einsetzen? Und das gilt für jeden Bereich. Und die Trends in ihnen sitzen bis zu oooh :)

Alexej (Mathemat) hat sehr interessante Forschungen durchgeführt, und ich war dabei :) Sie bezogen sich auf die Bewertung der Korrelation. Aber die Leute sind in keiner Weise aufgetaucht :(

 
anonymous:

Angenommen, der Preis entsteht durch einen Prozess der Form dS(t)=mu(t)*dt+sigma(t)*dW (oder dS(t)=mu(t)*S(t)*dt+sigma(t)*S(t)*dW, dann handelt es sich nicht um Preisinkremente, sondern um Logarithmen von Beziehungen), wobei mu(t) das Driftverhältnis und sigma(t) das Volatilitätsverhältnis ist.

Wenn es sich um Trends handelt, sollte mu(t) von Null verschieden sein. Versuchen Sie, mu/sigma-Schätzungen zu konstruieren und deren Unverzerrtheit/Nachhaltigkeit/Effektivität zu beweisen (vergessen Sie übrigens nicht, dem sigma(t)-Modell etwas wie COGARCH(p,q) beizufügen).

Wenn die Trends real sind und es Ihnen gelingt, die Parameter genau zu schätzen, können Sie mit diesem Modell Kurse prognostizieren, und es wird eine positive Korrelation zwischen den prognostizierten und den tatsächlichen Kurssteigerungen bestehen (was für den Handel nicht unbedingt ausreicht).

p.s. Sie können vereinfachend davon ausgehen, dass mu(t) eine stückweise konstante Funktion ist. Dann können wir versuchen, die Methode der kleinsten Quadrate und die Tschebyscheff-Ungleichung anzuwenden.

Das ist in etwa das, was ich zu tun versuche.
 
Farnsworth:

Die Emotionen sind längst verflogen, und das ist schade :(

Ich habe ein sehr einfaches Beispiel für "Trends" bei einer zufälligen Reihe gegeben, die nichts anderes als eine Illusion sind. Sehen Sie, ein Zitat ist ein sehr komplexes Multifraktal, das nicht einmal selbstähnlich ist, es ist so komplex, dass sich die Ordnung in einem Zitat im höchsten Grad der Manifestation dieser Ordnung manifestiert - im Chaos. Dort ist alles anders.

Nun ja, es macht keinen Sinn, die Korrelation anhand einer Primärserie zu bewerten. Bei der Korrelation handelt es sich um eine Statistik, z. B. wenn man 1000 Fälle nimmt und die Korrelation pro Lag schätzen möchte. Für die eurik ist ein Punkt 0,000001. Wie weit, glauben Sie, wird der Preis bei einem solchen minimalen Schritt und mit einigen Eigenschaften der Bahnabweichung für solche Multifraktale in der Größenordnung des Kurses gehen? Natürlich nicht, Sie haben diesen Koeffizienten und er zeigt eine große statistische Nähe. Sehen Sie die Formel, Sie hatten einen Quotienten von 1,5, der Kurs hat sich um sagen wir 0,0003 (wie im Durchschnitt) entfernt. Glauben Sie, dass 1,5 und 1,4997 statistisch gesehen nahe beieinander liegen, wenn Sie sie in die Formel einsetzen? Und das gilt für jeden Bereich. Und die Trends in ihnen sitzen bis zu oooh :)

Alexej (Mathemat) hat sehr interessante Forschungen durchgeführt, und ich war dabei :) Sie bezogen sich auf die Bewertung der Korrelation. Aber die Leute sind in keiner Weise aufgetaucht :(

Ich habe ein sehr einfaches Beispiel für "Trends" bei einer zufälligen Reihe gegeben, die nichts anderes als eine Illusion sind.

Ein stochastischer Trend, der im Allgemeinen nicht von einem deterministischen Trend zu unterscheiden ist - siehe einen Artikel mit Beweisen.

Sehen Sie, ein Zitat ist ein sehr komplexes Multifraktal, das nicht einmal selbstähnlich ist, es ist so komplex, dass sich die Ordnung in einem Zitat im höchsten Grad der Manifestation dieser Ordnung manifestiert - im Chaos. Dort ist alles anders.

Lassen wir die Schwierigkeiten beiseite, auch die Fraktale.

Wir sprechen hier über etwas ganz anderes. Es gibt ein Problem der Nicht-Stationarität. Wir versuchen, wenigstens etwas zu lösen, wissen Sie, wenigstens etwas.

Mann, es macht keinen Sinn, die Korrelation einer Primärreihe zu schätzen. Die Korrelation ist zum Beispiel eine statistische Größe.

Für mich gibt es kein Problem mit der Korrelation - das ist eine ganz und gar unscharfe Sache.

Ich nehme den Quotienten und berechne den ACF. Ich sehe eine Autokorrelation. Für mich ist das ein Hinweis auf das Vorhandensein einer deterministischen Komponente. Einerseits ist es gut, denn seine Anwesenheit ist eine Chance für den Erfolg. Andererseits ist es schlecht, weil es zwar eine deterministische Komponente gibt, aber nichts über Statistik im Allgemeinen und über Korrelation im Besonderen gesagt werden kann.

Ich habe die deterministische Komponente extrahiert, was erfolgreich ist. Betrachtung der Rückstände - was kann getan werden usw.

Ich hatte von Anfang an nicht vor, über Regression zu sprechen, schon gar nicht über die besondere Art der Regression, die ich dargelegt habe. Die angegebene Regression ist ein Element zur Demonstration der Zerlegung einer Reihe in solche Komponenten, mit denen wir umzugehen wissen. Ich habe gezeigt, dass es möglich ist, zwei deterministische Komponenten und GARCH zu unterscheiden.

Und dann ist da noch die Frage der Vorhersehbarkeit.

Wenn Sie bereit sind, über die fraktale Ebene hinaus zu diskutieren, können Sie das gerne tun. Ich weiß mit Sicherheit, dass das Modell keine Periodizität aufweist, vielleicht fehlt es an Mathematik

Vorschlagen. Bis zu einem kommerziellen Produkt ist es noch ein weiter Weg. Aber im Laufe der Diskussion werden wir unser Niveau und das Niveau des Forums zweifelsohne anheben. Und gleichzeitig werden wir die Erfinder von Fahrrädern ausquetschen.

 
anonymous:

Angenommen, der Preis wird durch einen Prozess der Form dS(t)=mu(t)*dt+sigma(t)*dW (oder dS(t)=mu(t)*S(t)*dt+sigma(t)*S(t)*dW, dann handelt es sich nicht um Preisinkremente, sondern um Logarithmen der Beziehung) erzeugt, wobei mu(t) das Driftverhältnis und sigma(t) das Volatilitätsverhältnis ist.

Wenn es sich um Trends handelt, sollte mu(t) von Null verschieden sein. Versuchen Sie, mu/sigma-Schätzungen zu konstruieren und deren Unverzerrtheit/Nachhaltigkeit/Effektivität zu beweisen (vergessen Sie übrigens nicht, dem sigma(t)-Modell etwas wie COGARCH(p,q) beizufügen).

Wenn die Trends real sind und es Ihnen gelingt, die Parameter genau zu schätzen, können Sie mit diesem Modell Kurse prognostizieren, und es wird eine positive Korrelation zwischen den prognostizierten und den tatsächlichen Kurssteigerungen bestehen (was für den Handel nicht unbedingt ausreicht).

p.s. Sie können vereinfachend davon ausgehen, dass mu(t) eine stückweise konstante Funktion ist. Dann können wir versuchen, die Methode der kleinsten Quadrate und die Tschebyscheff-Ungleichung anzuwenden.

HP mit Lambda = 1 anstelle der empfohlenen 1600 verwendet wird. Könnte eine schlechte Vorhersagbarkeit aufgrund von HP sein. Ich weiß es nicht. Vielleicht brauchen wir Polynome, die nicht linear in den Variablen sind? Sie müssen jedoch sicher sein, dass die schlechte Vorhersagbarkeit von der Glättungsfunktion abhängt.
 
faa1947:

Ich habe ein sehr einfaches Beispiel für "Trends" bei einer zufälligen Reihe gegeben, die nichts anderes als eine Illusion sind.

Ein stochastischer Trend, der im Allgemeinen nicht von einem deterministischen Trend zu unterscheiden ist - siehe einen Artikel mit Beweisen.

Es ist kaum zu glauben.

Versuchen Sie, die Modellparameter y(t)=alpha+rho*y(t-1)+beta*t zu schätzen. Im Falle eines stochastischen Trends ist rho=1, beta=0; im Falle eines deterministischen Trends ist abs(rho)<1.

UPD: "beta*t" kann etwas anderes sein, je nach dem gewählten deterministischen Trendmodell.

 
anonymous:

Es ist kaum zu glauben.

Versuchen Sie, die Modellparameter y(t)=alpha+rho*y(t-1)+beta*t zu schätzen. Im Falle eines stochastischen Trends wäre rho=1, beta=0; im Falle eines deterministischen Trends wäre abs(rho)<1.

UPD: "beta*t" kann etwas anderes sein, je nach dem gewählten deterministischen Trendmodell.

Ich hasse es, nach einem Link zu diesem Artikel zu suchen. Aber es riecht sehr nach Dissertation und praktischer Nutzlosigkeit. Ich bleibe also bei meiner Regression und versuche, das Problem der schlechten Vorhersagbarkeit dieses speziellen einfachen Modells zu verstehen, aber mit der Idee, die Reihe in ihre Komponenten zu zerlegen.
 

An die FAA

Das ist gar nicht so weit von einem kommerziellen Produkt entfernt. Ich meine mein System. Ich muss gestehen, dass ich mich nicht sehr für Ihre Arbeit interessiere. Aber ich werde Ihre Fortschritte verfolgen :)

 
Farnsworth:

Ja, als wäre es kein Forum, sondern eine private Korrespondenz zwischen Ihnen und der FAA. Na ja... Okay, ich werde mich nicht in intellektuelle Unterhaltungen auf höchstem Niveau einmischen.

Und damals wie heute bin ich, wie Sie sagen, nicht dumm, und ich antworte Ihnen persönlich. Sprechen Sie deutlicher, sonst verstehe ich diesen Beitrag nicht.


Ein bisschen Humor kann nie schaden. Das hilft in der Regel.
Grund der Beschwerde: