Discusión sobre el artículo "Análisis regresivo de la influencia de datos macroeconómicos en el cambio de precio de las divisas" - página 2
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
Hasta ahora no se han encontrado otros enfoques....
De acuerdo. No voy a discutir, voy a reformularlo: De las muchas alternativas, sugiero que el método esbozado en el artículo también se considere prometedor
La herramienta que ha esbozado puede resultar indudablemente útil en las siguientes circunstancias.
1. En trabajos sobre la construcción de una CT con un gran número de variables independientes, varias decenas o centenares, el enfoque que usted ha esbozado será útil para marcar algunas direcciones de búsqueda. Si estas direcciones formales se emparejan con razonamientos sustantivos sobre la influencia de la variable independiente en la variable dependiente y sobre la influencia mutua de las variables independientes, está bien.
2. 2. La herramienta que propones como paso previo a un conjunto más amplio de herramientas. La cuestión es que STATISTICS, que yo recuerde, es un conjunto de herramientas muy limitado y no está actualizado. Una vez dado este primer paso hacia el análisis de la significación de las variables para la variable objetivo, será natural pasar a un conjunto más amplio de herramientas, como las que ofrece el shell caret en R.
El artículo es interesante. Gracias. Pero es más bien una guía para utilizar las estadísticas. Y hay muchos conceptos erróneos en él.
El artículo es interesante. Gracias. Pero es más bien una guía para utilizar las estadísticas. Y hay muchos conceptos erróneos en él.
No he expuesto completamente mi punto de vista e intentaré compensarlo brevemente a continuación, tal vez repitiéndome.
1. El problema de la selección de los datos iniciales - predictores - es fundamental, está mal formalizado y tiende más al arte que a la ciencia. No olvidemos uno de los postulados básicos de la estadística: "Basura dentro - basura fuera".
2. Como he escrito más arriba, más de la mitad del tiempo que se dedica a construir un modelo se emplea en seleccionar y justificar la lista y el tipo de datos iniciales. Además, lo más importante es la interpretación significativa de los datos iniciales, no sus características formales y estadísticas. Matapparatus es un medio auxiliar para la selección significativa de los datos iniciales.
3. De acuerdo con la literatura, distingo entre dos tipos de previsión: una previsión, la otra predicción.
4. Previsión: tomamos la historia y la extrapolamos al futuro unos pasos por delante. Clásico: tomamos el mach y lo extrapolamos hacia delante. El principal problema es que el error se acumula a medida que aumenta el número de pasos hacia adelante, ya que el siguiente valor se basa en el anterior
5. Predicción: obtenemos el conjunto actual de datos de entrada y predecimos el futuro sin ninguna prehistoria. No se utiliza el valor anterior, es decir, si predecimos +5, no necesitamos los 4 valores anteriores para ello, a diferencia de la predicción.
5. Además de los datos iniciales es muy importante QUÉ PREDECIMOS. Cuando hacemos trading, tenemos dos tipos de órdenes (con opciones) de compra y venta. Por alguna razón predecimos el valor del precio futuro mediante regresiones y concluimos "comprar y vender" a partir de este valor del precio. Y si tenemos en cuenta el error y construimos la decisión "compra-venta" teniendo en cuenta el intervalo de confianza, rápidamente queda claro que es imposible tomar una decisión. De ello se desprende: MODELOS REGRESIONALES PROGNÓSTICOS DE SIGNIFICANCIA - INREPRESENTABLES.
6. Hay que predecir la dirección de la tendencia, que coincide con las órdenes de los sistemas de negociación. Esto se hace mediante modelos de clasificación capaces de predecir valores: "largo-corto" o "largo-lado-corto", o algo más cualitativo, pero no cuantitativo, como por ejemplo: el valor futuro del par = 1,3500.
7. Para construir modelos de clasificación, este artículo puede ser muy útil.
El artículo es interesante. Gracias. Pero es más bien una guía para utilizar las estadísticas. Y contiene muchos conceptos erróneos.
He aquí un ejemplo de mi modelo de regresión para predecir el S&P500. La línea negra es el índice histórico, la línea azul horizontal continua es la media trimestral y la línea de puntos son las predicciones. Las predicciones están en trimestres. La precisión de las predicciones no es muy grande, pero es suficiente para predecir el carácter de los movimientos: a la baja, al alza, planos. El modelo predice que el mercado bajará en los 3,5 meses restantes de este año o, en el mejor de los casos, será plano. Utilizo estas predicciones sólo para salir del mercado a tiempo.
Pregunta o petición al autor - en el modelo obtenido, por favor vaya a la pestaña Avanzado en los resultados y haga clic en el botón Correlaciones Parciales.
Publique aquí, si no es difícil, el valor de los coeficientes PC para cada uno de los factores del modelo.
Pregunta o petición al autor - en el modelo obtenido, por favor, vaya a la pestaña Avanzado en los resultados y haga clic en el botón Correlaciones Parciales.
Publique aquí, si no es difícil, el valor de los coeficientes PC para cada uno de los factores del modelo.
todas las operaciones que puede hacer usted mismo, el archivo con los datos preparados se adjunta al artículo en el archivo calendar_2010-2011_usd_out. zip .