Diskussion zum Artikel "Kolmogorov-Smirnov-Test bei zwei Stichproben als Indikator für die Nicht-Stationarität von Zeitreihen" - Seite 3

Neuer Kommentar
 
Aleksey Vyazmikin #:

Wie ist das möglich? Habe ich richtig verstanden, dass der Vortag und der Tag vor 100 Tagen ähnliche Bewertungskennzahlen haben, als ob der Vortag und der Tag davor nicht ähnlich wären? D.h. der Unterschied bewegt sich in einem engen Bereich?

Nun, es ist genauso interessant, sich ein Histogramm der Häufigkeit der Verteilungsänderung anzusehen.

Die Smirnov-Distanzen selbst werden sicherlich unterschiedlich sein, wenn sie paarweise nacheinander und auf die von Ihnen vorgeschlagene Weise berechnet werden, aber die Verteilung dieser Distanzen sollte sich nicht ändern.
Es scheint mir, wenn wir tausend Papageien nach Größe in Paaren oder einen letzten Papagei mit allen vorherigen vergleichen, werden wir zu den gleichen Ergebnissen kommen =)
 
Aleksey Nikolayev #:
Sie muss N/2 sein.

Wie kommen Sie zu dieser Schlussfolgerung?

Vielleicht habe ich etwas in der Methode missverstanden....

 
Aleksey Vyazmikin #:

Wie kommen Sie zu diesem Schluss?

Es ist eine sehr oberflächliche Intuition, die auf Theorver/Matstat basiert. Es ist in diesem Forum üblich, diese Wissenschaften gegen Geld aus Ihren Einlagen zu studieren, aber es gibt auch kostenlose Möglichkeiten - Sie können die Methode auf SB ausprobieren und mit realen Preisen vergleichen.

Matstat und die Praxis sagen, dass man nicht versuchen sollte, zu viele Informationen aus einer Stichprobe zu ziehen. Deshalb bin ich einfach nur entsetzt darüber, wie viel MO für Preise verwendet wird.
 
Aleksey Nikolayev #:

Ich verwende in der Regel die Implementierung aus dem Trend-Paket in R. In der Beschreibung gibt es Hinweise auf Quellen.

Ich frage mich, welche Art von Test angewendet werden kann, um zu erkennen, dass der Gewinn aus dem TS nicht zufällig ist

 
mytarmailS #:

Ich frage mich, welcher Test angewendet werden kann, um festzustellen, dass der Gewinn aus der TZ nicht zufällig erzielt wird.

Sie können einen Trendtest durchführen und das Eigenkapital überprüfen. Zum Beispiel gibt es im gleichen Paket sens.slope(), um die Steigung des Trends und das Konfidenzintervall dafür zu berechnen. Auch dieser Test ist in engen Kreisen weithin bekannt.
 
Евгений Черныш #:
Das Smirnow-Kriterium (und ähnliche) ist ein Indikator, wenn ich so sagen darf, für die Null-Ebene, die Basis-Ebene. Es sagt Ihnen nicht, ob Sie kaufen oder verkaufen sollten, sondern wie viele Daten Sie für die Analyse der Indikatoren der ersten Ebene, wie z. B. FDI, benötigen, die bereits Handelssignale liefern. Zumindest sehe ich das so.

Nein, die fraktale Dimension ist ein weiterer Indikator für die "Gewissheit" des Marktes und gibt keine Kauf- oder Verkaufssignale. Deshalb habe ich vorgeschlagen, dass sie ähnlich wie Smirnow sein sollte (angepasst an die Parameter).

 
Stanislav Korotky #:

Nein, die fraktale Dimension ist ein weiterer Indikator für die "Gewissheit" des Marktes und gibt keine Kauf- oder Verkaufssignale. Deshalb habe ich vorgeschlagen, dass sie ähnlich wie Smirnov sein sollte (mit Korrektur für Parameter).

Der Autor hat Ihnen zu Recht gesagt, dass Smirnov einfacher ist, weil es durch eine eindimensionale Verteilung von Inkrementen definiert ist. Die Fraktalität ist zumindest durch die zweidimensionale gemeinsame Verteilung zweier aufeinander folgender Inkremente definiert.

 
Stanislav Korotky #:

Nein, die fraktale Dimension ist ein weiterer Indikator für die "Gewissheit" des Marktes und gibt keine Kauf- oder Verkaufssignale. Deshalb habe ich vorgeschlagen, dass sie ähnlich wie Smirnov sein sollte (mit Korrektur für Parameter).

Ich habe nicht aufgepasst, tut mir leid. Ich habe einen kurzen Blick von meinem Telefon aus geworfen und dachte, es handele sich um eine der Varianten eines technischen Standardindikators.

Der FDI-Indikator versucht, dieselbe Frage zu beantworten wie der Hirst-Indikator: "Ist die gegebene Zeitreihe ein Random Walk oder nicht?".

Der Smirnov-Indikator beantwortet die Frage: "Ist diese Zeitreihe homogen (stationär) oder nicht?"

Der Smirnov-Indikator kann zwei Random Walks voneinander unterscheiden, wenn sie unterschiedliche statistische Eigenschaften haben, aber er bestimmt nicht, ob es sich bei realen Preisen um Random Walks handelt. Genauer gesagt reagiert der Smirnov-Indikator auf das Vorhandensein von Abhängigkeiten in den Daten, wie aus der Smirnov-Abstandsverteilung für Autoregression und logistisches Mapping hervorgeht, aber er erfasst in erster Linie (und das ist seine Hauptaufgabe) die Heterogenität in den Daten. Ich habe in der Arbeit darüber geschrieben und ich wiederhole, dass ich nicht weiß, wie man einen rein nicht-stationären Einfluss vom Vorhandensein von Abhängigkeiten in den Reihen trennen kann, so dass der Smirnov-Indikator nur indirekt bei der SB-Frage helfen kann.

Andererseits benötigt der FDI die Definition des Stichprobenfensters. Nimmt man ein festes gleitendes Fenster (z. B. 30) und stellt die Verteilung der Werte dieses Indikators dar, so ergibt sich folgendes Bild:

PDF FDI(30) EURUSD Täglich


Wie Sie sehen können, ist die Verteilung des Indikators ein weißes Gaußsches Rauschen mit einem Mittelwert von etwa 1,5.
Und was bedeutet das für diesen Indikator? Dass er, in einem festen gleitenden Fenster berechnet, die Hypothese des effizienten Marktes akzeptiert. Eine andere Frage ist, wie er diese fraktale Dimension berechnet, wie korrekt dieser Algorithmus ist. Dazu kann ich nichts sagen, da ich nicht weiß, wie sie korrekt berechnet wird.
 
Aleksey Nikolayev #:

Wie der Autor richtig schreibt, ist Smirnow eine einfachere Sache, da sie durch eine eindimensionale Verteilung von Inkrementen definiert ist. Die Fraktalität ist mindestens durch eine zweidimensionale gemeinsame Verteilung zweier aufeinander folgender Inkremente definiert.

Bei diesem FDI-Indikator wird überhaupt keine empirische Verteilungsfunktion verwendet. Es handelt sich weder um eine univariate noch um eine multivariate Verteilung, sondern es werden Preisschritte in einem gleitenden Fenster genommen, jeder Schritt wird durch den Stichprobenumfang normalisiert, dann wird die Summe dieser absoluten normalisierten Werte (Länge) ermittelt, woraufhin die Formel zur Ermittlung der FDI angewendet wird.

val[i]=1+(MathLog(length)+MathLog(2))/MathLog(2*inpFdiPeriod);
 
Евгений Черныш #:

Dieser FDI-Indikator verwendet überhaupt keine empirische Verteilungsfunktion. Er ist weder univariat noch multivariat, sondern nimmt Preisinkremente in einem gleitenden Fenster auf, jedes Inkrement wird durch den Stichprobenumfang normalisiert, dann wird die Summe dieser absoluten normalisierten Werte (Länge) ermittelt, und dann wird die Formel zur Ermittlung der ADI angewendet.

Ich meinte die Fraktalität als solche, nicht einen spezifischen Indikator dafür. Sie wird in der Regel mit der Persistenz/Antipersistenz einer Reihe in Verbindung gebracht, die mit der Abhängigkeit benachbarter Inkremente zusammenhängt, die wiederum durch ihre gemeinsame Verteilung bestimmt wird.

Wenn wir über spezifische Indikatoren für Fraktalität sprechen, ist der FDI nicht sehr gut, da er viele Daten für die Berechnung erfordert und keine Werte für das Konfidenzintervall der Dimensionalität liefert.

123456
Neuer Kommentar