Diskussion zum Artikel "Regressionsanalyse des Einflusses makroökonomischer Daten auf Fluktuationen des aktuellen Kurses" - 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
Bislang wurden keine anderen Ansätze gefunden....
Na gut. Ich will nicht streiten, ich formuliere um: Von den vielen Alternativenschlage ich vor, dass die in dem Artikel beschriebene Methode ebenfalls als vielversprechend betrachtet werden sollte
Das von Ihnen skizzierte Instrument kann sich unter folgenden Umständen zweifelsohne als nützlich erweisen
1. In Arbeiten zur Konstruktion einer TK mit einer großen Anzahl von unabhängigen Variablen, mehreren Dutzend oder Hunderten, wird der von Ihnen skizzierte Ansatz nützlich sein, um einige Suchrichtungen zu markieren. Wenn diese formalen Richtungen mit inhaltlichen Überlegungen über den Einfluss der unabhängigen Variablen auf die abhängige Variable und über die gegenseitige Beeinflussung der unabhängigen Variablen gepaart werden, ist das gut.
2. Das von Ihnen vorgeschlagene Instrument als Übergangsschritt zu einer größeren Reihe von Instrumenten. Soweit ich mich erinnere, ist STATISTIK ein sehr begrenztes Instrumentarium und nicht auf dem neuesten Stand. Wenn man diesen ersten Schritt zur Analyse der Signifikanz von Variablen für die Zielvariable gemacht hat, ist es nur natürlich, zu einem größeren Satz von Werkzeugen überzugehen, wie z. B. denjenigen, die die Caret-Shell in R bietet.
Der Artikel ist interessant. Ich danke Ihnen. Aber er ist eher ein Leitfaden für die Verwendung von Statistiken. Und er enthält eine Reihe von Missverständnissen.
Der Artikel ist interessant. Ich danke Ihnen. Aber er ist eher ein Leitfaden für die Verwendung von Statistiken. Und er enthält eine Reihe von Missverständnissen.
Ich habe meinen Standpunkt nicht vollständig dargelegt und werde versuchen, dies im Folgenden kurz nachzuholen, wobei ich mich vielleicht wiederhole.
1. Das Problem der Auswahl der Ausgangsdaten - der Prädiktoren - ist grundlegend, schlecht formalisiert und tendiert eher zur Kunst als zur Wissenschaft. Vergessen wir nicht eines der Grundpostulate der Statistik: "Garbage in - rubbish out".
2. Wie ich oben schrieb, wird mehr als die Hälfte der Zeit bei der Erstellung eines Modells auf die Auswahl und Begründung der Liste und der Art der Ausgangsdaten verwendet. Darüber hinaus ist die sinnvolle Interpretation der Ausgangsdaten, nicht ihre formalen, statistischen Eigenschaften, von entscheidender Bedeutung. Der Matapparatus ist ein Hilfsmittel für die sinnvolle Auswahl der Ausgangsdaten.
3. In Anlehnung an die Literatur unterscheide ich zwischen zwei Arten von Prognosen: die eine ist die Vorhersage, die andere die Prognose.
4. Vorhersage: Wir nehmen die Vergangenheit und extrapolieren sie ein paar Schritte in die Zukunft. Klassisch: Wir nehmen die Mach und extrapolieren sie in die Zukunft. Das Hauptproblem ist, dass der Fehler mit zunehmender Anzahl von Schritten in die Zukunft zunimmt, da der nächste Wert auf dem vorherigen basiert.
5. Vorhersage: Wir nehmen den aktuellen Satz von Eingabedaten und sagen die Zukunft ohne Vorgeschichte voraus. Der vorherige Wert wird nicht verwendet, d.h. wenn wir +5 vorhersagen, brauchen wir dafür nicht die vorherigen 4 Werte, im Gegensatz zur Vorhersage.
5. Zusätzlich zu den Ausgangsdaten ist es sehr wichtig, WAS wir voraussagen. Beim Handel haben wir zwei Arten von Aufträgen (mit Optionen) zum Kauf und Verkauf. Aus irgendeinem Grund sagen wir den zukünftigen Kurswert durch Regressionen voraus und schließen von diesem Kurswert auf "Kauf und Verkauf". Und wenn wir den Fehler berücksichtigen und die Entscheidung "Kauf-Verkauf" unter Berücksichtigung des Konfidenzintervalls bilden, wird schnell klar, dass es unmöglich ist, eine Entscheidung zu treffen. Daraus folgt: REGRESSIONALE MODELLE PROGNOSIERENDE SIGNIFIKANZ - UNERWARTBAR.
6. Man sollte die Richtung des Trends vorhersagen, die mit den Aufträgen der Handelssysteme übereinstimmt. Dies geschieht durch Klassifizierungsmodelle, die in der Lage sind, Werte vorherzusagen: "long-short" oder "long-side-short", oder etwas anderes Qualitatives, aber nicht Quantitatives, wie z.B.: der zukünftige Wert des Paares = 1,3500.
7. Für die Erstellung von Klassifikationsmodellen kann dieser Artikel sehr nützlich sein.
Der Artikel ist interessant. Ich danke Ihnen. Aber er ist eher ein Leitfaden für die Verwendung von Statistiken. Und er enthält eine Reihe von Missverständnissen.
Hier ist ein Beispiel für mein Regressionsmodell zur Vorhersage des S&P500. Die schwarze Linie ist der historische Index, die durchgezogene horizontale blaue Linie ist der vierteljährliche Durchschnitt, und die gepunktete Linie ist die Vorhersage. Die Vorhersagen sind in Quartalen angegeben. Die Genauigkeit der Vorhersagen ist nicht so groß, aber sie reicht aus, um den Charakter der Bewegungen vorherzusagen: abwärts, aufwärts, flach. Das Modell sagt voraus, dass der Markt in den verbleibenden 3,5 Monaten dieses Jahres nach unten gehen oder im besten Fall stagnieren wird. Ich nutze diese Vorhersagen nur, um rechtzeitig aus dem Markt auszusteigen.
Frage oder Anfrage an den Autor - in der erhaltenen Modell, gehen Sie bitte auf die Registerkarte "Advanced" in den Ergebnissen und klicken Sie auf die Schaltfläche "Partial Correlations".
Posten Sie hier, wenn nicht schwierig, den Wert der PC-Koeffizienten für jeden der Modellfaktoren.
Frage oder Anfrage an den Autor - in der erhaltenen Modell, gehen Sie bitte auf die Registerkarte "Advanced" in den Ergebnissen und klicken Sie auf die Schaltfläche "Partial Correlations".
Posten Sie hier, wenn nicht schwierig, den Wert der PC-Koeffizienten für jeden der Modellfaktoren.
Alle Operationen können Sie selbst durchführen, die Datei mit vorbereiteten Daten ist dem Artikel im Archiv calendar_2010-2011_usd_out. zip beigefügt .