Diskussion zum Artikel "Regressionsanalyse des Einflusses makroökonomischer Daten auf Fluktuationen des aktuellen Kurses"
Es ist nicht klar, auf welcher Grundlage Sie meinen, dass Sie den erzielten Ergebnissen vertrauen können?
Schließlich ist bekannt, dass die Regressionsanalyse so erhebliche Einschränkungen hat, dass ihre Verwendung auf den Finanzmärkten praktisch ausgeschlossen ist.
Daher muss nachgewiesen werden, dass den erzielten Ergebnissen vertraut werden kann.
Das Ergebnis einer jeden Analyse ist die Erstellung eines probabilistischen Bildes der Lageentwicklung. Natürlich ist das aus der Gleichung gewonnene Ergebnis keine 100%ige Vorhersage in einem solchen Bild, denn es fehlt z.B. ein Mechanismus, um den Einfluss von Politikerreden, höherer Gewalt, Ergebnissen von Sitzungen usw. zu berücksichtigen.
Zweitens ist die Regressionsgleichung derselbe technische Indikator, der dem Händler das Leben erleichtert, und es hängt vom Händler selbst ab, ob er seinen Messwerten Glauben schenkt oder nicht.
Drittens haben Sie Recht, wenn Sie in Frage stellen, dass die Ergebnisse vertrauenswürdig sind und einen Beweis erfordern, aber in meinem Artikel habe ich den Algorithmus der Aktionen in Bildern skizziert, ein Skript zur Erzeugung von Tabellen beigefügt , um den Newsfeed in Form einer Tabelle zur Verarbeitung zu exportieren, verwenden Sie den Artikel in der Praxis, überprüfen Sie ihn gemeinsam und entscheiden Sie, ob er auf den Finanzmärkten anwendbar ist oder einer Überarbeitung bedarf oder nicht anwendbar ist.
Das Ergebnis einer jeden Analyse ist die Erstellung eines probabilistischen Bildes der Situationsentwicklung. Natürlich ist das aus der Gleichung gewonnene Ergebnis keine 100%ige Vorhersage in einem solchen Bild, denn es fehlt zum Beispiel ein Mechanismus, um den Einfluss von Politikerreden, höherer Gewalt, den Ergebnissen von Sitzungen usw. zu berücksichtigen.
Zweitens ist die Regressionsgleichung derselbe technische Indikator, der dem Händler das Leben erleichtert, und es hängt vom Händler selbst ab, ob er seinen Messwerten Glauben schenkt oder nicht.
Drittens haben Sie Recht, wenn Sie in Frage stellen, dass die Ergebnisse vertrauenswürdig sind und einen Beweis erfordern, aber in meinem Artikel habe ich den Algorithmus der Aktionen in Bildern skizziert, ein Skript zur Erzeugung von Tabellen beigefügt , um den Newsfeed in Form einer Tabelle zur Verarbeitung zu exportieren, ihn zu verwenden, den Artikel in der Praxis zu überprüfen, gemeinsam zu entscheiden, ob er auf den Finanzmärkten anwendbar ist oder einer Überarbeitung bedarf oder nicht anwendbar ist.
Das von Ihnen aufgeworfene Problem ist ein Eckpfeiler des Data Mining. Dieses Problem wird am ausführlichsten im CORELearn-Paket behandelt. Hier ist ein Link zur Dokumentation. Der am weitesten verbreitete Index, der in vielen Paketen enthalten ist, ist der Gini-Index. Der vielversprechendste Index ist Relief mit seinen vielen Modifikationen.
Verlassen Sie Ihre Forschung nicht, denn Sie haben eine grundlegende Handelsfrage aufgeworfen.
Viel Glück!
...
Ich danke Ihnen.
Das ist schon komisch.
Erst haben Sie ein Modell erstellt, das auf der Analyse eines bestimmten Zeitraums basiert, und dann haben Sie bewiesen, dass die Reaktion des Marktes auf ein Ereignis aus demselben Zeitraum das erwartete Verhalten zeigt. Nun, das ist verständlich, denn das Modell berücksichtigt dieses Ereignis bereits. Das ist eine klassische Anpassung. Noch amüsanter ist, dass die Reaktion auf Nachrichtenmeldungen selten in Stunden, geschweige denn in Tagen gemessen wird.
Wenn man das Gleiche für kurzfristige Intervalle macht, ist das Ergebnis vielleicht lebensnäher und hat eine Chance, den Forward-Test erfolgreich zu bestehen.
Das ist schon komisch.
Erst haben Sie ein Modell erstellt, das auf der Analyse eines bestimmten Zeitraums basiert, und dann haben Sie bewiesen, dass die Reaktion des Marktes auf ein Ereignis aus demselben Zeitraum das erwartete Verhalten zeigt. Nun, das ist verständlich, denn das Modell berücksichtigt dieses Ereignis bereits. Das ist eine klassische Anpassung. Noch amüsanter ist, dass die Reaktion auf Nachrichtenmeldungen selten in Stunden, geschweige denn in Tagen gemessen wird.
Wenn man das Gleiche für kurzfristige Intervalle macht, ist das Ergebnis vielleicht lebensechter und hat eine Chance, in Zukunft Tests zu bestehen.
Der Artikel trägt den Titel "Analyse" und spricht nicht von Prognosen, daher der Vorwärtstest.
Wenn wir über Ihre Bemerkung sprechen, dann ist die Durchführung von Forward-Tests, ohne die Anwendbarkeit zu belegen, eine leere Beschäftigung und sehr gefährlich, denn Sie können versehentlich ein zufriedenstellendes Ergebnis eines Forward-Tests erhalten und Ihrem Modell glauben, und es wird im realen Handel sicher verlieren.
Der Artikel trägt den Titel "Analyse" und spricht nicht von Prognosen, also von Forward Tests.
Wenn wir über Ihre Bemerkung sprechen, dann ist die Durchführung von Vorwärtstests, ohne deren Anwendbarkeit zu belegen, eine leere Beschäftigung und sehr gefährlich, denn Sie könnten versehentlich ein zufriedenstellendes Ergebnis eines Vorwärtstests erhalten und Ihrem Modell glauben, und es wird im realen Handel sicher verlieren.
Ich kann den Artikel nicht allein nach dem Titel beurteilen. Das Thema ist für mich interessant, und ich habe ihn vollständig gelesen. Und hier ist, was der Autor in der Schlussfolgerung schreibt:
Ich möchte Sie jedoch darauf aufmerksam machen, dass die Vorhersage keine 100%ige Garantie dafür ist, dass sich die Währung genau in die vorhergesagte Richtung entwickeln wird. Das Ergebnis der Prognose ist ein probabilistisches Ereignis, dessen Eintreten von vielen Faktoren abhängt. Außerdem wird empfohlen, die Regressionsgleichung regelmäßig zu überprüfen, wenn neue Daten eintreffen.
Viel Glück mit Ihren Vorhersagen.
Nur mit Daten zu jonglieren macht keinen Spaß. Der Autor erstellt ein Modell des Marktes, das durch Regressionsgleichungen beschrieben wird, und beweist dann, dass das Modell irgendwie funktioniert, indem er die zur Erstellung des Modells verwendeten Daten validiert. Das ist genau das, was ich als eine Art von Fudging bezeichnet habe.
Zu meiner Zeit hatte ich viel Mühe mit der Fundamentalanalyse und habe lange Zeit versucht, sie zu automatisieren. Die vorgeschlagene FA-Methode erleichtert sie sehr. Die Analyse makroökonomischer Variablen hilft dabei, diejenigen zu identifizieren, die Preisänderungen beeinflussen könnten. Eine solche Analyse bietet jedoch keine 100-prozentige Garantie dafür, dass sie auch in der Zukunft relevant sein werden. Denken Sie daran: Handelsergebnisse der Vergangenheit sind keine Garantie dafür, dass dies auch in der Zukunft der Fall sein wird.
Die Überprüfung der Gleichung auf zukünftige Daten kann mit Hilfe des Programms erfolgen. Sie können dies auch selbst tun. Schränken Sie bei der Datenaufbereitung das Extremdatum über die Schaltfläche "Fälle auswählen" ein (siehe Abb. 13 des Artikels), aktivieren Sie im sich öffnenden Fenster das Kontrollkästchen "Auswahlbedingungen aktivieren", wählen Sie darunter "Spezifisch, ausgewählt durch:" und tragen Sie in das Kästchen das Intervall der zu berücksichtigenden Zeilen "v0>0 und v0<999" ein. Zeilen, die weiter als 999 sind, werden nicht berücksichtigt. Nach der Analyse und der Auswahl der signifikanten Variablen kehren Sie zu diesem Fenster zurück und ändern, verschieben das Intervall ab Zeile 1000 nach vorne und überprüfen die Ergebnisse erneut. Die prozentuale Genauigkeit wird in der Matrix im Programm angezeigt.
Dieser Gleichungsalgorithmus sollte Teil eines Handelsroboters, eines Expert Advisors, sein. Leider ist nicht alles vollständig automatisiert, es ist schwierig, Daten von den Websites zu sammeln, die Kalender veröffentlichen, ein und derselbe Indikator kann unterschiedlich geschrieben sein, ein Wort kann einen Fehler enthalten, usw. weil die Zeiträume nicht kurzfristig sind.
Ich behaupte nicht, dass diese Methode Manna vom Himmel ist, ich biete Ihnen nur ein zusätzliches Werkzeug an, das Ihre Arbeit erleichtern und Ihnen Zeit sparen kann.
Zu meiner Zeit hatte ich viel Mühe mit der Fundamentalanalyse und habe lange Zeit versucht, sie zu automatisieren. Die vorgeschlagene FA-Methode erleichtert sie sehr. Die Analyse makroökonomischer Variablen hilft dabei, diejenigen zu identifizieren, die Preisänderungen beeinflussen könnten. Eine solche Analyse bietet jedoch keine 100-prozentige Garantie dafür, dass sie auch in der Zukunft relevant sein werden. Denken Sie daran: Handelsergebnisse der Vergangenheit sind keine Garantie dafür, dass dies auch in der Zukunft der Fall sein wird.
Die Überprüfung der Gleichung auf zukünftige Daten kann mit Hilfe des Programms erfolgen. Sie können dies auch selbst tun. Schränken Sie bei der Datenaufbereitung das Extremdatum über die Schaltfläche "Fälle auswählen" ein (siehe Abb. 13 des Artikels), aktivieren Sie im sich öffnenden Fenster das Kontrollkästchen "Auswahlbedingungen aktivieren", wählen Sie darunter "Spezifisch, ausgewählt durch:" und tragen Sie in das Kästchen das Intervall der zu berücksichtigenden Zeilen "v0>0 und v0<999" ein. Zeilen, die weiter als 999 sind, werden nicht berücksichtigt. Nach der Analyse und der Auswahl der signifikanten Variablen kehren Sie zu diesem Fenster zurück und ändern, verschieben das Intervall ab Zeile 1000 nach vorne und überprüfen die Ergebnisse erneut. Die prozentuale Genauigkeit wird in der Matrix im Programm angezeigt.
Dieser Gleichungsalgorithmus sollte Teil eines Handelsroboters, eines Expert Advisors, sein. Leider ist nicht alles vollständig automatisiert, es ist schwierig, Daten von den Websites zu sammeln, die Kalender veröffentlichen, ein und derselbe Indikator kann unterschiedlich geschrieben sein, ein Wort kann einen Fehler enthalten, usw. weil die Zeiträume nicht kurzfristig sind.
Ich behaupte nicht, dass diese Methode ein Geschenk des Himmels ist, ich biete Ihnen lediglich ein zusätzliches Instrument an, das Ihre Arbeit erleichtern und Ihre Zeit sparen kann.
Ich kann Ihnen im Prinzip nicht zustimmen.
Ihr Modell liefert überhaupt keine Informationen - es führt die Menschen in die Irre. Und hier ist der Grund dafür.
1. Regressionsmodelle sind auf stationäre Zeitreihen anwendbar. Deshalb gibt es ARIMA, ARCH und viele andere Modelle, die vor der Erstellung eines Modells versuchen, die ursprüngliche Zeitreihe in eine andere umzuwandeln, die aber irgendwie einer stationären Reihe ähnelt (mo und Varianz sind gleich einer Konstanten).
2. Nach der Umwandlung der ursprünglichen Zeitreihe in eine stationäre Zeitreihe wird ein Regressionsmodell erstellt, dessen einziger Zweck es ist, die Differenz zwischen der Anpassung des Modells und den realen Daten zu ermitteln. Wenn diese Differenz (Residuum - Erträge) stationär ist, kann der nächste Schritt durchgeführt werden.
3. Wenn die Ergebnisse der ersten beiden Schritte positiv sind, wird das durchgeführt, worüber Vladix geschrieben hat - Vorwärtstests. Wenn die Ergebnisse, die mit dem Trainingsdatensatz des Modells erzielt wurden, nahe an den Ergebnissen der Test- und Validierungsdatensätze liegen (das sind drei verschiedene Teile der Zeitreihe), dann erst können wir anfangen, über das Vertrauen in die erzielten Ergebnisse zu sprechen. Im gegenteiligen Fall - auf keinen Fall - handelt es sich um eine sehr gefährliche Selbsttäuschung, um blindes Vertrauen in Zahlen.
Das ganze Problem der ersten beiden Schritte ist, dass sie nicht erfüllt werden können. Das größte und unangenehmste Hindernis ist die Korrelation zwischen den abhängigen Variablen - die Multikollinearität. Es gibt aber auch noch andere Probleme. Dies erklärt, dass das von Ihnen angesprochene Problem - die Bestimmung des Einflusses der abhängigen Variablen auf die unabhängige Variable - mit speziellen Indikatoren zu lösen versucht wird, z. B. Gini, Relief.
Mit Ihrem Artikel haben Sie das Grundproblem beim Aufbau von Handelssystemen berührt - die Auswahl der Ausgangsdaten für die Modelle. Was die Arbeitsintensität anbelangt, so ist dies mindestens die Hälfte der Zeit, wenn nicht sogar 75% der Zeit. Selbst in der Art und Weise, wie Sie es getan haben, ist es sehr wichtig für das Verständnis der grundlegenden Probleme des Handels.
...kann ich Ihnen aus Prinzip nicht zustimmen. ...
In Ordnung, stimme nicht zu. Bis andere Ansätze gefunden sind, schlage ich vor, diesen zu verwenden ))))
- 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 Regressionsanalyse des Einflusses makroökonomischer Daten auf Fluktuationen des aktuellen Kurses :
Dieser Artikel widmet sich der Anwendung einer multiplen Regressionsanalyse auf makroökonomische Statistiken. Sie werden außerdem einige Dinge über die Bewertung des Einflusses von Statistiken auf die Wechselkursveränderungen erfahren, indem wir uns beispielhaft das Währungspaar EURUSD anschauen werden. Eine derartige Evaluation erlaubt eine automatisierte Fundamentalanalyse, die selbst unerfahrenen Tradern möglich wird.
Die multiple Regressionsanalyse als auch das Programm STATISTICA können uns dabei helfen, diese und ähnliche Fragen zu lösen. Transferieren oder importieren Sie die Tabelle mit den Daten in das Programm und wählen Sie „Multiple Regression“ im Menü aus.
Abb. 1 Import der Beispieldaten in das Programm STATISTICA
Autor: Salavat Bulyakarov