Discusión sobre el artículo "Investigando las características estacionales de las series temporales financieras con la ayuda de diagramas Boxplot" - página 21
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
Quería escribir el siguiente, con doble carga, pero ahora lo dudo ) Las consecuencias son demasiado imprevisibles.
Te invito a contribuir.
Te ofrecí demostrar la metodología de buscar un patrón en otros CRs, toma cruces, también es un CR, pero no contiene información sobre USD, ahí no podrás ajustar la metodología a lo que ya es visible en gráficos ;)
EURJPY.
No analizo los boxplots por horas en detalle, es necesario detallarlos por las emisiones medianas, muestro la imagen general, yo mismo los he detallado.
El gráfico muestra que las horas no son las mismas que para el EURUSD.
En base a un análisis puramente exploratorio (0 optimización) he seleccionado el reloj, he dejado solo comprar, aunque hay opciones de vender:
Repito, 0 optimización, es decir, puede mejorar los parámetros en las inmediaciones.
No quiero entrar en otra polémica.
Quería escribir el siguiente, con doble carga, pero ya lo dudo ) Las consecuencias son demasiado imprevisibles
Te invito a contribuir.
El SB es algo bastante insidioso. Es muy probable que sus trayectorias formen algo parecido a ciclos (he leído sobre ello y yo mismo me he enfrentado a ello al modelar). Por lo tanto, intento no sólo dibujar, sino también, si es posible, calcular. Pero no estoy dispuesto a exigir lo mismo a los demás: las pruebas y la optimización resuelven aproximadamente los mismos problemas y son mucho más comprensibles para la mayoría de la gente.
La SB es algo bastante insidioso. Es muy probable que sus trayectorias formen algo parecido a ciclos (he leído sobre ello y me lo he encontrado yo mismo en modelizaciones). Por lo tanto, intento no sólo dibujar, sino también, si es posible, calcular. Pero no estoy dispuesto a exigir lo mismo a los demás: las pruebas y la optimización resuelven aproximadamente los mismos problemas y son mucho más comprensibles para la mayoría de la gente.
Me pregunto cómo se realizarían las pruebas (¿los cálculos?) en el ejemplo con los ciclos encontrados, ¿quizás sea posible automatizar la enumeración/búsqueda por algún criterio?
Me pregunto cómo se harían las pruebas en el ejemplo con los ciclos encontrados, ¿quizás podamos automatizar la enumeración/búsqueda por algún criterio?
Yo diría que son dos tareas
1) para un grupo de muestras (muestra = caja) aplicaría al menos una prueba de mediana
2) se puede intentar ajustar ciclos optimizando los estadísticos del primer punto. Pero creo que es más apropiado usar un matstat como el que se usa en reconocimiento de voz.
Yo diría que son dos tareas
1) para un grupo de muestras (muestra = caja) aplicaría al menos la prueba de la mediana
2) se puede intentar seleccionar ciclos optimizando los estadísticos del primer punto. Pero creo que es más apropiado utilizar un matstat como el que se utiliza en el reconocimiento de voz.
sí, estoy leyendo sobre la prueba, gracias
Me interesan otros tests para... cómo llamarlo, para el intercambio entre 2 distribuciones, es decir, la dependencia de los puntos de la segunda o varias distribuciones posteriores con respecto a la primera. Quizás el test de Mood también trate de eso, aún no me he puesto a ello.
O algún tipo de test de lag para intercambios.Me pregunto cómo se harían las pruebas (¿los cálculos?) en el ejemplo con los ciclos encontrados, ¿quizás sea posible automatizar la enumeración/búsqueda por algún criterio?
hay un "método antorcha" muy chulo :-)
Se proyecta una serie de XY con sus scatterplots sobre el eje X en diferentes ángulos, se hacen circunvoluciones de diferentes módulos por la densidad de "sombras".
El método de dividir por la mitad revela la periodicidad aproximada y la tasa de subida/bajada que le corresponde.
Un poco como parte de la transformada de Fourier o el método de componentes principales. La complejidad computacional es N^2(casi sobredimensionada) pero eso es lo de menos.
existe este genial "método de la antorcha" :-)
se proyecta una serie de XY con sus extensiones sobre el eje X en diferentes ángulos, se hacen circunvoluciones de diferentes módulos según la densidad de las "sombras".
El método de dividir por la mitad revela la periodicidad aproximada y la tasa de crecimiento/declive correspondiente.
Un poco como parte de la transformada de Fourier o el método de componentes principales. La complejidad computacional es N^2(casi sobredimensionada) pero eso es lo de menos.
¿Tienes los nombres de los módulos en python o R? Python es mejor.
Sí, estoy leyendo sobre la prueba, gracias.
Estoy interesado en cualquier otra prueba para... cómo llamarlo, para el intercambio entre 2 distribuciones, es decir, la dependencia de los puntos de la segunda o varias subsiguientes de la primera. Quizá el test de Mood también se refiera a eso, aún no me he puesto a ello
Si he entendido bien, se trata de pruebas de bondad de ajuste, hay dos tipos principales
1) una muestra: comprueba la conformidad con una distribución conocida
2) 2 o más muestras: comprueba si la distribución de las muestras es la misma. La prueba de dos muestras de Kolmogorov-Smirnov, Mood también, realiza pruebas
Si lo he entendido bien, se trata de pruebas de bondad de ajuste, hay dos tipos principales
1) una muestra: se comprueba la conformidad con una distribución conocida
2) 2 o más muestras: se comprueba si la distribución de las muestras es la misma. Prueba de dos muestras de Kolmogorov-Smirnov, Mood también, realiza pruebas
Bueno, algo así, sí. La idea en mi cabeza era simplemente encontrar una regresión de un conjunto de puntos en otro y ver las correlaciones. Eso es lo más fácil que se me ocurrió. Entonces usted podría obtener señales adicionales. No sé lo estadísticamente correcto que sería.
Es decir, se negociarán dependencias causadas por cambios en la hora anterior, no sólo en la hora actual. A partir del comportamiento en la hora anterior, las señales en la hora actual variarán, si se puede encontrar una correlación. Esto se aproxima más al ajuste o la optimización.