Diskussion zum Artikel "Implementierung des Augmented Dickey Fuller-Tests in MQL5"
Sehen Sie sich den neuen Artikel an: Implementierung des Augmented Dickey Fuller-Tests in MQL5.
Autor: Francis Dube
Hallo Francis,
Ich habe den Artikel gelesen und den Code getestet, der bei mir gut funktioniert hat. In deinem Artikel hast du definiert:
Cointegration
Korrelation und Kointegration sind statistische Konzepte, die zur Messung von Beziehungen zwischen Variablen verwendet werden, insbesondere im Kontext von Zeitreihendaten. Beide messen zwar Beziehungen, dienen aber unterschiedlichen Zwecken und werden in verschiedenen Szenarien angewendet. Die Korrelation ist das statistische Maß für die Stärke und Richtung der linearen Beziehung zwischen zwei Variablen.
Und wir wissen, dass die Korrelation positiv und negativ sein kann .
Meine Frage ist nun, ob es auch eine Kointegration geben kann , die ebenfalls negativ ist? Im Allgemeinen deckt Ihr Artikel den positiven Teil ab.
Wie könnte der Code geändert werden, um den zweiten Fall abzudecken, d. h. zwei Symbole, die wahrscheinlich kointegriert sind, aber negativ, d. h. wenn eines dieser Symbole steigt, fällt sein Paar und umgekehrt, mit einem Vertrauensniveau von > 90 %?
Ich danke Ihnen im Voraus.
Hallo, Francis,
Ich habe den Artikel gelesen und den Code getestet, der gut funktioniert. In Ihrem Artikel haben Sie definiert:
Und wir wissen, dass die Korrelation positiv und negativ sein kann .
Meine Frage ist, können wir auch eine Kointegration haben , die ebenfalls negativ ist? Insgesamt deckt Ihr Artikel den positiven Teil ab.
Wie können wir den Code ändern, um den zweiten Fall abzudecken, d. h. zwei Symbole, die wahrscheinlich kointegriert sind, aber negativ, d. h. wenn eines dieser Symbole steigt, sinkt sein Paar und umgekehrt, mit einem Konfidenzniveau von > 90 %?
Vielen Dank im Voraus.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Implementierung des Augmented Dickey Fuller-Tests in MQL5 :
In diesem Artikel demonstrieren wir die Implementierung des Augmented Dickey-Fuller-Tests und wenden ihn zur Durchführung von Kointegrationstests mit der Engle-Granger-Methode an.
Einfach ausgedrückt ist ein ADF-Test ein Hypothesentest, mit dem wir feststellen können, ob ein bestimmtes Merkmal der beobachteten Daten statistisch signifikant ist. In diesem Fall ist das zu ermittelnde Merkmal die Stationarität einer Reihe. Eine statistische Hypothese ist eine Annahme über einen Datensatz, der durch eine Stichprobe repräsentiert wird. Wir können die wirkliche Wahrheit nur erfahren, wenn wir mit dem gesamten Datensatz arbeiten. Was in der Regel aus dem einen oder anderen Grund nicht möglich ist. Es wird also eine Stichprobe eines Datensatzes getestet, um eine Annahme für den gesamten Datensatz zu treffen. Es ist wichtig, sich daran zu erinnern, dass der Wahrheitsgehalt einer statistischen Hypothese bei der Arbeit mit Stichproben nie mit Gewissheit feststeht. Was wir erhalten, ist, ob eine Annahme wahrscheinlich wahr oder falsch ist.
Bei einem ADF-Test betrachten wir zwei Szenarien:
Autor: Francis Dube