Discusión sobre el artículo "Investigando las características estacionales de las series temporales financieras con la ayuda de diagramas Boxplot" - página 27
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
He atornillado mi OLAP al análisis de barras a través del adaptador para MqlRates y algunas otras actualizaciones. Para EURUSD M15 para el periodo de 2010 a 2019, decidí calcular el agregador ProfitFactor por rangos de barras Close-Open, desglosado por horas y días de la semana. Dado que este agregador da la relación entre importes positivos y negativos, sus valores máximo (mayor que 1) y mínimo (menor que 1) pueden interpretarse como adecuados para comprar y vender respectivamente (para vender, a partir del PF menor que 1 mostrado, hay que tomar el inverso de 1/PF para obtener la rentabilidad de vender). Aquí está el registro (no hice un gráfico):
Cada línea tiene PF, hora y día de la semana. Marcadas las opciones más atractivas. Se ve que es recomendable vender a 23 y comprar de 0 a 4 casi todos los días.
T9
OK, aceptado.
sobre el tema, bueno, como si todo está listo con la teoría, entonces ¿qué esperar? ;)
De acuerdo, entendido.
sobre el tema, bueno, si todo está listo con la teoría, entonces ¿qué esperar? ;)
Es una idea bastante normal. Puedes dibujar y calcular) Dibujar - diagrama de dispersión, calcular - coeficiente de correlación y su significación.
Tengo algo de cretinismo econométrico con respecto a los incrementos de precios. He dibujado diagramas y hitmaps, hecho conclusiones. Pero no entendía las sutilezas de ser, por ejemplo, tener:
Correlación de incrementos únicos por hora - no hay regularidades, lo que es normal.
con un lag de 10 hay, bueno, y cuanto más lag, más correlación entre relojes individuales o grupos.
Pero nos damos cuenta de que el lag > 1 es un palo de doble sentido - por un lado crece, y por otro, por ejemplo, cae. Es decir, tenemos que mirar la historia y realizar una estadística aparte, o incluirla de alguna manera en la actual.
Por ejemplo, si tenemos un incremento positivo con un desfase de 10, predecimos, con alta probabilidad, el mismo valor de incremento en la siguiente barra. Por supuesto, esto no obliga a que el precio esté al mismo nivel. ¿Miramos hacia atrás 10 barras y restamos la barra -9 de la barra -10, luego sumamos la diferencia a la última barra cero y obtenemos una predicción correcta? ¿Cómo puedo incorporar esto en el stats\ analysis.... Estoy flotando. Es decir, calcular la salida real en algún equivalente estadístico, probabilístico o algo así. Para ser algo científico).
¿O es esta una forma equivocada de pensar?
Por ejemplo, es fácil obtener diagramas de este tipo en el intervalo de 5 años con un desfase de 25, durante algunas horas.
H.I. Creo que entiendo. Hay que restablecer la serie prevista de incrementos, por horas (será promediada) y compararla con la inicial. Las señales allí serán por delta. Podemos usar los mismos boxplots para mayor claridad.
Teóricamente, es una especie de grial. En la práctica, vamos a ver. El error de predicción se obtiene sólo por la dispersión de puntos en el diagrama de dispersión, es místico.
con un desfase de 10 existe, y cuanto mayor es el desfase, mayor es la correlación entre relojes individuales o grupos.
¿Qué es un desfase en este caso? Los incrementos de hace diez días de la barra de 7 horas tienen una correlación con los incrementos de la barra de 8 horas del día actual?
¿Qué es el desfase en este caso? Los incrementos de hace diez días de la barra de 7 horas tienen relación con los incrementos de la barra de 8 horas del día actual?
Lag = precio de cierre retardado, por ejemplo, la barra 0 dividida por la barra 10. 1-cierre[0]/cierre[10]
Resulta que el incremento de la hora actual está muy correlacionado con el incremento de la hora anterior. Cuanto mayor es el desfase, mayor es la correlación; para determinadas horas, 1-cierre[0]/cierre[10] está correlacionado con 1-cierre[1]/cierre[11].
lag = precio de cierre retardado, por ejemplo, la barra 0 dividida por la barra 10. 1-cierre[0]/cierre[10]
Resulta que el incremento de la hora actual está muy correlacionado con el incremento de la hora anterior. Cuanto mayor es el desfase, mayor es la correlación; para determinadas horas, 1-cierre[0]/cierre[10] está correlacionado con 1-cierre[1]/cierre[11].
Así que alta correlación puramente matemática se observará en cualquier serie con este tipo de desfase. Tome SB para comprobarlo.
No es bueno cuando un intervalo de una serie se solapa con otra. Por ejemplo, 0-10 se solapa con 1-11.
Ejecútalo no por incrementos, sino por signos desde principios de 2014. Mejor resultado
No hay conexión por signos en H1.
Así que se observará una alta correlación puramente matemática en cualquier serie con este tipo de desfase. Tome SB para comprobarlo.
Si quitas la agrupación de volatilidad, el PB a precios de cierre ya es SB, así que me lo creo.
pero no deja de ser interesante, y resulta que no todas las horas tienen los mismos aumentos/disminuciones de correlación al cambiar el lag. Supongo que hay que encontrar el lag mínimo robusto.
Si se elimina la agrupación de la volatilidad, la BP a precios de cierre ya es SB, por lo que creo que es
pero sigue siendo interesante, y resulta que la correlación no crece y cae por igual para todas las horas a medida que cambia el lag. Supongo que hay que encontrar el lag mínimo robusto.
Puedes medir la correlación en una ventana deslizante. Y luego mirar sus características estadísticas. Creo que flotará mucho.