Discusión sobre el artículo "Análisis de los gráficos mediante métodos econométricos" - página 5
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
No, sólo los mismos. Los rendimientos son simplemente las primeras diferencias de la serie de precios Close[i]-Close[i+n] (en mi gráfico se toman con un desfase de 8, pero la curva es exactamente la misma para cualquier desfase). Just returns es un término común principalmente en la literatura occidental. En el foro MQL4, la gente a menudo lo utilizan en las discusiones matstat (que son tradicionalmente acalorada allí))) así que lo usé por costumbre. Si es mas conveniente, escribo "primera diferencia de una serie" o "incremento de una serie". Pero "derivada" es un término muy incorrecto para series temporales, aquí no hay derivadas ni puede haberlas. Si recuerda, incluso el aparato analítico para derivadas y diferencias es muy diferente (por ejemplo, compare la p. Fourier y la transformada z...).
En la literatura hay varias definiciones para los rendimientos, y hay diferentes tipos de ellos. Entiendo que su término "logaritmo del incremento relativo" se ajusta a la fórmula de mi artículo.
Los términos "derivados de series de precios" no son en absoluto derivados en el sentido matemático. Son derivados en el sentido de:
1. derivado de otro; derivado de otra cosa.
Pero la distribución del logaritmo del incremento relativo.....
Se parece bastante a una imagen especular de la distribución lognormal....
En general, podemos anunciar un concurso: el primero que encuentre un valor con distribución normal en Forex debería figurar en el cuadro de honor como el que ha demostrado la inoportunidad de los esfuerzos de los premios Nobel)))))
De acuerdo. Se puso como ejemplo, no como distribución empírica. Si no transmití eso al lector, es mi pecado.
Así que le aconsejo a usted y a todos los demás que intenten menos seguir el ritmo de las autoridades y más indagar por su cuenta.
Por ARCH. Y GARCH lo inventó Bollerslev. Todo cambia, incluidos los modelos. Elegí el más simple y universal para el ejemplo.
Gracias por el consejo.
Comentarios:
- Leo tiene razón el título del artículo no refleja de lo que trata.Para Roche, hizo una pregunta.Voy a cambiar una palabra en el título. " Econometric Approach to MQ Firm Analysis".Puedes ver como todo cambia inmediatamente, sobre todo el enfoque .....
- El artículo utiliza un enfoque conocido como análisis de series temporales (AVR) y a este enfoque le da igual lo que se analice, ya sea la serie de precios o la eficiencia de vender nieve a los esquimales :-), y usted, como autor, habla de ello, pero lo llama (al artículo) de otra manera por alguna razón.....
- Al realizar AVR, la base es exactamente el análisis de ACF (función de autocorrelación), su TIPO y parámetros. En primer lugar, el VID de la función de autocorrelación (usted no dice una palabra sobre él, pero es el VID que determina el modelo más .
- Simplemente has arrastrado aquí el modelo GARCH por decisión voluntaria. Aunque incluso por tu investigación (indicios indirectos) se puede entender que este modelo no es adecuado... y no es universal, los hay mejores... para los que van a operar con volatilidad, puede ser adecuado, pero para prever series de precios (nuestro objetivo), no lo es en absoluto. Puedo explicar con más detalle por qué, si te interesa, ahora sólo brevemente. Lo principal que me llamó la atención
En cuanto a la metodología
- has seguido el camino de obtener la ACF mediante la transformada de Fourier. Es posible y tal, pero que yo recuerde debe haber obligatoriamente toma de módulo y posiblemente (escribo de memoria) toma del cuadrado del módulo antes de la transformada inversa de Fourier, no lo vi en tu algoritmo (quizás no estuve atento).
- De la figura donde muestras la ACF se desprende que hay un error en los cálculos. ACF por definición es una función que se encuentra dentro de -1...+1, y usted tiene allí +-200 y un multiplicador 1e4 (algo con normalización en el término 0-th).
- estás restando el MOG (valor medio m=mean(res);). ¿Por qué? ¿Por qué eliminar las ecuaciones no tendenciales ? Justifíquelo
- Usted como especialista en procesamiento espectral debería saber que la eliminación de la MOJ es similar a la reducción a cero del componente cero del espectro, pero para ser completamente correcto este componente en el espectro es el más potente, y por los lóbulos laterales de la función sen(x)/x se extiende a todo el espectro. Es necesario aplicar al menos una ventana hemming (hening, butterworth,...) para suprimir los lóbulos laterales (este efecto).
- en los comentarios escribes "transformada de Fourier inversa ponderada" ¿en qué se diferencia de una simple transformada inversa? ¿qué y por qué se pondera?
hay mas preguntas...o mejor dicho algunas cosas con las que no estoy de acuerdo. ..no se puede tomar H4 la naturaleza no se puede engañar, cuanto mas alejados esten los puntos del eje temporal entre si, menos correlacion habra entre ellos, respectivamente la exactitud de la prevision siempre sera peor que para un intervalo de tiempo corto.
No se puede tomar logaritmo ( o mejor dicho se puede, pero no hay que olvidarse de ello), de lo contrario se obtiene abracadabra, en pocas palabras esta transformación sobre los datos iniciales cambia el tipo de ACF (se puede comprobar con la ayuda de paquete estadístico), mucha gente pisa este rastrillo, y yo una vez lo pisé en mis tiempos... el tipo de otro es extremadamente importante.
H.Y. listo para unirse a la investigación, porque siempre estoy interesado e interesada en este tema, la capacidad de predecir, pero no todo lo que hay es simple, una gran cantidad de manchas blancas, los estudios que me encontré, muy a menudo tienen manchas blancas, se habla de ellos de pasada no revela la esencia, aunque es comprensible, porque más ya poner dinero y algoritmos comienzan a traer ingresos . https://www.mql5.com/es/code/8295
Sí, y sobre el Q-test, sí lo hicimos, pero ¿después qué?
¿Pudiste responder qué modelo corresponde ahora a lo que observas?
¿Cuáles son los parámetros de este modelo? ¿Qué te dio esta prueba? ¿A qué pregunta obtuviste respuesta? Quiero decir que tus hipótesis están un poco equivocadas....
puedes hacerlo de otra manera, lo principal es entender lo que busca esta prueba, lo que determina en la muestra...
Observaciones:
- al realizar AVR, la base es exactamente el análisis de ACF (función de autocorrelación), su VIDA y parámetros. En primer lugar, es el tipo de la función de autocorrelación (no dices una palabra sobre él, pero es el tipo que determina el modelo posterior .
- Usted simplemente ha arrastrado el modelo GARCH aquí por decisión voluntaria. Aunque incluso por tu investigación (indicios indirectos) se puede entender que este modelo no es adecuado... y no es universal, los hay mejores... para los que van a operar con volatilidad, puede ser adecuado, pero para previsión de series de precios (nuestro objetivo), no lo es en absoluto. Puedo explicar con más detalle por qué, si te interesa, ahora sólo brevemente. Lo principal que me llamó la atención
He decidido responder a lo más importante e interesante.
Estoy de acuerdo en que el tipo de ACF determina el modelo posterior . Pero hasta ahora no lo he tratado en el artículo. Es una tarea para más adelante. Hasta ahora he cubierto la etapa de pre-estimación, la llamada etapa de pre-estimación.
He traído GARCH aquí por su relativa sencillez, ¿y cómo has decidido que no es adecuado si ni siquiera lo hemos evaluado todavía? :-)
Lo especifiqué como una base matemática, que tiene en cuenta los cambios anteriores de los indicadores(ϵ2t -i) y las estimaciones anteriores de la varianza (las llamadas "noticias antiguas") (σ2t-i).
Elobjetivo principal -realizar una previsión del tipo de cambio (precio) utilizando algún modelo- no se resuelve en un solo documento...
- te fuiste por el camino de obtener la ACF mediante la transformada de Fourier. Puedes hacerlo así, pero que yo recuerde debe haber obligatoriamente una toma de módulo y posiblemente (escribo de memoria) una elevación al cuadrado del módulo antes de la transformada inversa de Fourier. No lo he visto en tu algoritmo (quizás no estaba prestando atención).
Analysis: Forecasting and Control. 3rd edition. Upper Saddle River, NJ: Prentice-Hall, 1994.
Y también está implementado en Matlab.
Decidido a responder a la más importante e interesante.
...
¿qué pasa con el hecho de que el ACF debe estar dentro del rango de -1 a +1 ? no es interesante ? porque antes de hacer cualquier conclusión, primero tiene que estar seguro de que todo está calculado correctamente.
H.Y. Y el hecho de que en un articulo no se pueda exponer todo, esta claro, un modelo de vagoneta y un carrito pequeño ))
y sobre la referencia a la literatura extranjera aquí está esta mirada a http://www.statsoft.ru/home/textbook/modules/sttimser.html#1general.
paquete de estadísticas hay un cálculo de ACF es matlab coincide, en un momento lo comprobé. Compara tus resultados de cálculo en MQL y con estos paquetes, sobre los mismos datos. Tienes un error en alguna parte
- de la figura donde muestras la ACF, está claro que hay un error en los cálculos. ACF por definición es una función que se encuentra dentro de -1...+1, y usted tiene +-200 y un multiplicador 1e4 (algo con normalización al término 0).
Por favor, lee con más atención la descripción del eje y en el artículo. Lo hice por imposibilidad reflejar valores pequeños inferiores a la unidad con la ayuda de Google Chart API.
Además, como se puede ver en el algoritmo, he eliminado el desfase cero de la matriz ACF, que siempre es igual a 1. Esto hace que el gráfico sea más legible. Esto hace que el gráfico sea más legible.
- está restando la MOG (media m=media(res);). ¿Por qué? ¿Por qué eliminar ecuaciones no tendenciales - rectas? Por favor, justifíquelo.
Esta es una pregunta para teóricos. Si le interesa, ya he indicado la fuente del algoritmo.
- Usted, como especialista en procesamiento espectral, debería saber que la eliminación del MOG es similar a la puesta a cero del componente cero del espectro, pero para ser completamente correcto, este componente en el espectro es el más potente, y de acuerdo con los lóbulos laterales de la función sen(x)/x se extiende a todo el espectro. Es necesario aplicar al menos una ventana hemming (hening, butterworth,...) para suprimir los lóbulos laterales (este efecto).
No soy un experto en absoluto. ¿Me lo puedes explicar mejor? :-)
- en los comentarios escribes "transformada de Fourier inversa ponderada" ¿en qué se diferencia de una simple transformada inversa? ¿cómo y por qué se pondera?
Se describeaquí, creo ....
... no se puede engañar a la naturaleza H4, cuanto más alejados estén los puntos del eje temporal entre sí, menor será la correlación entre ellos, por lo que la precisión de la previsión siempre será peor que para un intervalo de tiempo corto.
No se puede tomar logaritmo ( o mejor dicho se puede, pero no hay que olvidarse de ello), de lo contrario se obtiene abracadabra, en pocas palabras, esta transformación sobre los datos iniciales cambia la forma de ACF, esextremadamente importante (se puede comprobar con la ayuda de paquete estadístico), mucha gente pisa este rastrillo, y yo una vez lo pisé en mi época... la forma es diferente.
Tardan tanto días como semanas :-)
¿Logaritmo de qué? ¡Excusez-moi!
Trolls:
...paquete estadístico hay un cálculo de ACF y matlab coincide, en su día lo comprobé. Compara los resultados de tus cálculos en MQL y con estos paquetes, sobre los mismos datos. Tienes un error en alguna parte
Ya lo he comparado. Todo es correcto, no hay ningún error. Es sólo que la visualización de datos sigue sufriendo por culpa de Google.
En los comentarios a este artículo , 21 ene 2011 a las 14:19, he mostrado el gráfico ACF tal y como se ve habitualmente, pero sin el desfase cero, que siempre es igual a 1.