Diskussion zum Artikel "Ökonometrischer Ansatz zur Chartanalyse" - Seite 2
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
Hinzufügen. Wir werden es erneut veröffentlichen.
Falsch, und wiki hat Fehler. Nehmen Sie die Gleichverteilung. Sie können die Kurtosis berechnen, aber es gibt überhaupt keine Schwänze. Man hat Ihnen also ganz richtig gesagt, dass es im allgemeinen Fall keinen Zusammenhang zwischen der Schwere, der Länge, dem Vorhandensein von Ausläufern und dem Kurtosis-Koeffizienten gibt. Nehmen Sie eine Dreiecksverteilung - das ist dasselbe.
Was genau ist falsch?
Alexey-, ehrlich gesagt, sind mir in der Zeitreihenforschung, insbesondere bei den von mir im Artikel beschriebenen Renditereihen, solche Verteilungen, von denen Sie sprechen (Dreiecks- und Gleichverteilung), noch nie begegnet. Es ist sehr wahrscheinlich, dass sie einem ganz anderen Zweck dienen. Es ist also nicht nötig, auf irgendwelche Randbeispiele zu verweisen, ich kann kein anderes Wort finden, pardon. Und wenn Sie etwas behaupten, seien Sie so freundlich, ein konkretes analytisches Beispiel zu nennen.
Die Verteilungen, die am häufigsten, wenn auch nicht immer, in der obigen Analyse verwendet werden, sind die Normalverteilung, die Student-Verteilung und die Cauchy-Verteilung.
...um diesen Koeffizienten zu verwenden, muss erstens die empirische Verteilungsfunktion bestimmt werden, was aus Sicht der Mathematik keine triviale Aufgabe ist, und zweitens muss im Rahmen einiger probabilistischer Kriterien die Hypothese geprüft und akzeptiert werden, dass die Verteilung einen einzigen Modus hat, was bei Finanzreihen nicht immer erfüllt ist und ebenfalls eine nicht triviale Aufgabe darstellt. Ohne die Durchführung dieser Schritte ist eine weitere Berechnung unmöglich, wenn sie den "Excess-Koeffizienten" erfordert.
Wertvolle Beobachtung. Wenn man die Verteilungsanpassung in einem Artikel behandeln würde, gäbe es genug Material für einen zweiten Artikel. Vielleicht werde ich oder jemand anderes in Zukunft einen Artikel zu diesem Thema schreiben. Ich wollte lediglich auf die Merkmale einer Zeitreihe hinweisen, die die Verwendung nichtlinearer Modelle erfordern.
-Alexey-:
Es wird nichts darüber geschrieben, was zu tun ist, wenn der Test ergibt, dass die Reihe nicht für das angenommene Modell geeignet ist.
Es wird nichts darüber gesagt, warum und auf welcher Grundlage eine Reihe von so genannten "Erträgen" und nicht eine andere verwendet wird.
Welche sind attraktiv und zu welchem Zweck? Warum attraktiv und nicht zweckmäßig? Was ist ein gültiges mathematisches Kriterium für die Wahl der Art der Umwandlung?Ja, es wird nichts geschrieben :-)
Denn die Logik ist einfach. Wenn ein Test, hier ein Q-Test, keine Autokorrelation zeigt, dann macht es keinen Sinn, ein nichtlineares Modell zu verwenden. Verwenden Sie lineare Modelle.
Die Renditereihe wird unter der Voraussetzung verwendet, dass die Stationarität der Zeitreihe gewährleistet ist. Dies ist z. B. für die spätere Modellierung wichtig.
Der Vermögenspreis ist nicht stationär. Die Renditen sind in der Regel stationär.
Darüber hinaus ist es möglich, verschiedene Reihen miteinander zu vergleichen, d. h. bildlich gesprochen, Igel mit Igeln zu kreuzen.
Normalerweise ist die Frequenz der Reihen relativ hoch (täglich, stündlich usw.), so dass die Renditereihen entweder durch kontinuierliche Aufzinsung (was wir getan haben) oder durch einfache Aufzinsung erhalten werden können. Der Unterschied wäre gering.
Die Frage nach dem Unterschied zwischen den Begriffen "attraktiv" und "zweckmäßig" ist meines Erachtens umstritten.
Sind Sie der Meinung, dass die Kritiker bei der Verteidigung der Dissertation anwesend sein sollten, oder sollten sie sie einfach ohne Verteidigung akzeptieren und mit der praktischen Forschung beginnen? Ich denke, es wird Sie interessieren, dass die Korrelationen nicht korrekt berechnet sind. Kritik ist dazu da, das Material zu verbessern, niemand behauptet, dass der Artikel gut ist. Damit der Gewinn für Ihre Systeme nicht gering ist, sondern größer.
Kritik ist sehr notwendig. Denn in einem Streitfall finden wir in der Regel die Wahrheit.
-Alexey-, und was ist die Unrichtigkeit der Berechnung, können Sie das präzisieren?
DieAutokorrelation in Ertragsreihen ist in der Regel schwach oder nicht vorhanden.
Was genau ist falsch?
-Alexey-, ehrlich gesagt, sind mir in der Zeitreihenforschung, insbesondere bei den von mir im Artikel beschriebenen Renditereihen, solche Verteilungen, wie Sie sie meinen (Dreiecks- und Gleichmäßigkeitsverteilungen), noch nie begegnet. Es ist sehr wahrscheinlich, dass sie einem ganz anderen Zweck dienen. Es ist also nicht nötig, auf irgendwelche Randbeispiele zu verweisen, ich kann kein anderes Wort finden, pardon. Und wenn Sie etwas behaupten, seien Sie so freundlich, ein konkretes analytisches Beispiel zu nennen.
Die Verteilungen, die am häufigsten, wenn auch nicht immer, in der obigen Analyse verwendet werden, sind die Normalverteilung, die Student-Verteilung und die Cauchy-Verteilung.
Sie werden zwar am häufigsten verwendet, aber die tatsächliche Verteilung ist weder die Normal- noch die Cauchy- noch die Student-Verteilung, sondern kommt der Laplace-Verteilung am nächsten. Wie oben richtig festgestellt wurde, ist die Aufgabe, die Verteilung zu identifizieren, nicht trivial, aber das heißt nicht, dass sie unmöglich ist. Auf jeden Fall bin ich persönlich von den Tests zur Übereinstimmung mit der Doppelexponentialverteilung mit dem Ergebnis R^2 = 0,999 recht überzeugt.
Nun zu dieser Grafik:
Hier sind übrigens nur Laplace-Verteilungen eingezeichnet, was bedeutet, dass sie alle einen Überschussanteil von genau 3 haben. Es hat also wiederum nichts mit der "Dicke der Schwänze" zu tun - die ist bei allen hier vorgestellten Graphen gleich.
PS: Ich würde auch über Ökonometriker sprechen, die sich gegenseitig von einem Lehrbuch zum anderen und dann zu paedivikia abschreiben, aber gut, ich lasse es bis zum nächsten Mal.
Frage an den Autor des Artikels.
Sie interpretieren den Lewing-Box-Test wie folgt (Zitat):
Die korrekte Interpretation gemäß der Kriteriendefinition sollte wie folgt lauten:
Sie werden vielleicht am häufigsten verwendet, aber die reale Verteilung ist nicht normal, nicht Cauchy oder Student, sondern kommt der Laplace-Verteilung am nächsten. Wie oben richtig festgestellt wurde, ist die Aufgabe, die Verteilung zu identifizieren, nicht trivial, aber das bedeutet nicht, dass sie unmöglich ist. Auf jeden Fall bin ich persönlich von den Tests zur Übereinstimmung mit der Doppelexponentialverteilung mit dem Ergebnis R^2 = 0,999 recht überzeugt.
Nun zu dieser Grafik...
Hier sind übrigens nur Laplace-Verteilungen eingezeichnet, was bedeutet, dass sie alle einen Überschussanteil von genau 3 haben. Es hat also wiederum nichts mit der "Dicke der Schwänze" zu tun - sie ist bei allen hier vorgestellten Graphen gleich.
alsu, ich stimme zu, dass die Laplace-Verteilung immer ein Überschussverhältnis von 3 hat. Ich war mit der Schätzung voreilig, weil ich sie schon lange nicht mehr gesehen habe... Aber ich wiederhole noch einmal, dass Ökonometriker in dem Forschungsbereich, über den ich geschrieben habe, diese Verteilungen verwenden. Wenn Nobelpreisträger für Sie keine Autoritäten sind (z.B. Robert Engel), dann verzichte ich.
Wenn Sie kein konkretes analytisches Beispiel nennen, halte ich das Argument für spekulativ.
denkir:
Was genau ist falsch?
1) Jeder Koeffizient wird mit einer anderen Datenmenge ermittelt, d. h. sie sind statistisch ungleich. Daher sollte jeder Koeffizient getrennt von den anderen auf Signifikanz getestet werden. Dies ist bei dem Ljung-Box-Test nicht der Fall.
2) Das Signifikanzniveau für den Test wird auf der Grundlage von was gewählt - einfach so?
-Alexey-, ehrlich gesagt, sind mir in der Zeitreihenforschung, insbesondere bei den Renditereihen, die ich in dem Artikel beschrieben habe, solche Verteilungen, wie Sie sie meinen (Dreiecks- und Gleichverteilungen), noch nie begegnet. Es ist sehr wahrscheinlich, dass sie einem ganz anderen Zweck dienen. Es ist also nicht nötig, auf irgendwelche Randbeispiele zu verweisen, ich kann kein anderes Wort finden, tut mir leid.
Sie haben also noch nicht geantwortet - woher kommt diese Reihe von Renditen, was ist die Begründung für die Wahl der Transformation? Zweifellos kann man mit Hilfe von Transformationen eine gerade Linie aus dem Kursdiagramm gewinnen, aber was nützt das? Ich habe gelesen, was Sie schreiben:
Die Reihe der Renditen wird auf der Grundlage verwendet, dass die Stationarität der Zeitreihe gewährleistet ist.
Ein solcher Ansatz ist nur eine schreckliche Unordnung mit einem großen Informationsverlust. Was gibt es dann noch zu prognostizieren? In der Sprache der Mathematik heißt das: Anpassung der Daten an die Prognosemethode. Aber das ist nicht der richtige Weg. Eine Methode kann nur angewandt werden, wenn die Ausgangsdaten für sie akzeptabel sind, und nicht, um sie so zu beschneiden, dass sie es werden. Dies ist ein bekanntes Problem der modernen Statistik.
Und wenn Sie etwas behaupten, seien Sie so freundlich, ein konkretes analytisches Beispiel zu nennen.
Hier ist ein konkretes, nicht analytisches, sondern ein praktisches Beispiel zur aktuellen Situation des Euro bei 4 Stunden. Verteilung über eine Anzahl von Residuen, die ich durch andere Transformationen erhalte, und ich weiß warum. Sie können sehen, dass die Verteilung nahezu dreieckig ist.
Und ihre Form kann sich auf die bizarrste Weise ändern, weil diese Reihe nicht stationär ist. Wie kommst du auf die Idee, dass die Preisreihe gemäß der
der Normalverteilung, der Student-Verteilung und der Cauchy-Verteilung.