Ecuación de regresión - página 14
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
Es una pregunta extraña, por supuesto en el porcentaje de beneficio por dólar invertido. ¿Hay alguna otra medida en el mercado?
Si a un chino le dan un tenedor en lugar de palos, tampoco notará ninguna ventaja del tenedor...
Ya te dije que los quantiles y los MNC son cosas completamente diferentes. Se toma el método de negociación de los TPM y se sustituye la regresión de los TPM en él por una regresión cuantílica. ¿Y el punto?
Así que puedes meter cualquier regresión en tu TS y hablar de falta de ventaja. No hay que sustituir bruscamente otras fórmulas, sino cambiar el propio método, partiendo de la naturaleza de la construcción de la herramienta principal: la regresión.
Ya te dije que los quantiles y los MNC son cosas completamente diferentes. Se toma el método de negociación de los TPM y se sustituye la regresión de los TPM en él por una regresión cuantílica. ¿Y el punto?
Supongo que sé cómo y qué uso en mis estrategias. El OLS y el cuantil son cosas diferentes, pero la regresión es la regresión de todos modos.
También es una agresión tonta, que es lo que está mostrando ahora.
También hay agresividad tonta, la estás mostrando ahora.
Estoy de acuerdo.
En eso estoy de acuerdo contigo. Ejerceré mi derecho a ser un pardillo y escribiré algo, y podéis corregirme si estoy divagando.
La idea que subyace a la utilización de una regresión es que una regresión de unas pocas muestras por delante (hacia atrás) de una muestra de su construcción mostrará resultados cercanos a BP. Una regresión construida con CNA sobre distribuciones normales es la mejor solución: muestra los resultados más cercanos. Este no es el caso de las BP de precios. Además, para que una regresión sobre una RV de precios muestre resultados cercanos fuera de la muestra de su construcción, no tiene por qué mostrar valores cercanos en la propia muestra de su construcción. Esta es una observación muy importante. Es decir, es posible construir una regresión tal que muestre malos resultados en la muestra de su construcción y grandes resultados fuera de la muestra.
Pero esto es más bien una teoría. Es muy importante entender el significado de la palabra "cerca". La cercanía fuera de la muestra puede evaluarse mediante diferentes métodos. Se puede utilizar la RMS, la mediana, el error medio absoluto, etc. Hay muchos métodos.
Entonces, ¿cómo se investiga la regresión? ¿Es bueno o no? Correcto, como escribí arriba, la bondad de la regresión se mide por la cercanía de sus valores (a BP) fuera de la muestra (para un cierto número de muestras) de su construcción.
Decidamos primero un método para determinar la cercanía. Que sea primero el RMS.
Tenemos un WRUSD de 100.000 muestras. Estamos construyendo la regresión sobre 100 muestras. Y consideraremos que la proximidad está 10 muestras por delante (hacia atrás) de la muestra de su edificio.
Así, hemos construido la regresión sobre el EURUSD utilizando los datos de BP de 1 a 100. Hemos comparado su lectura con la de BP en los datos del 101 al 110 - RMS calculado (que sea RMS1).
Ahora hemos construido una regresión sobre el EURUSD utilizando los datos de BP desde el día 2 hasta el 101. Hemos comparado sus lecturas con las de BP en los datos del 102 al 111 - RMS calculado (que sea RMS2).
Y así hasta el final del EURUSD BP - 100.000 lecturas.
Tengo un montón de resultados RMS: RMS1, RMS2, .... - esto es BP. Deberíamos investigarlo. Observa la expectativa matemática (mediana) y la varianza (varianza mediana). Construye la distribución. Este resultado nos indica la calidad de nuestra regresión. Permítame recordarle que medimos la cercanía a través de RMS, podríamos haberlo hecho de otra manera.
Ahora tomemos otra regresión, y obtengamos también, como se ha escrito anteriormente, su BP RMS.
Y cuando se comparan diferentes regresiones con su RMS de ORR, entonces podemos hablar de ventajas o desventajas de una regresión en comparación con la otra.
P.D. El EURUSD se tomó como ejemplo. Por supuesto, se pueden tomar BPs de cualquier naturaleza, no necesariamente de naturaleza de precios. Por ejemplo, BP de Equity TS u otra cosa.
Yo también estoy de acuerdo. Ejerceré mi derecho a ser un pardillo y escribiré algo, y podéis corregirme si estoy divagando.
Estás pensando con estrechez de miras. Todo lo que dices es autoregresión de un PA, pero eso es sólo un caso especial muy estrecho de uso del análisis de regresión. En consecuencia, todo depende de sobre qué se haga la regresión y de cuál sea la distribución del parámetro o parámetros resultantes. Si la distribución es normal, entonces el CNA es estupendo. Y si no es normal... Y si no es simétrico... Y si de repente uno está interesado en los límites de estos parámetros... Ahí es donde entran las opciones. La pregunta era sobre el ISC al vertedero. No, no se ha desechado, porque sigue habiendo problemas comerciales reales en los que funciona mejor que otros con un coste computacional mucho menor.
Estás pensando con estrechez de miras. Todo lo que dices es autoregresión de un solo BP, pero esto es sólo un caso especial muy estrecho de utilizar el análisis de regresión. Así que depende de sobre qué se haga la regresión y de cuál sea la distribución del parámetro o parámetros resultantes. Si la distribución es normal, entonces el CNA es estupendo. Y si no es normal... Y si no es simétrico... Y si de repente uno está interesado en los límites de estos parámetros... Ahí es donde entran las opciones. La pregunta era sobre el ISC al vertedero. No, no lo tires, porque todavía hay problemas reales de comercio en los que funciona mejor que otros con un coste computacional mucho menor.
Ya ves lo mucho que has escrito, mencionando varios matices de pasada. No podría haberlos descubierto todos aquí. Te dan un ejemplo y sacas conclusiones sobre la estrechez.
Sólo he sacado el tema de la autorregresión porque alsu ha aportado imágenes de su uso.
Mi post no trataba de las peculiaridades del análisis de regresión, sino de la estimación de varios modelos de regresión. Hay que comparar las estimaciones de regresión. Y no se puede decir definitivamente que algo es malo y algo no lo es. El resultado de la aplicación de la regresión muestra, en particular, el BP del RMS, como escribí anteriormente.
Es posible aplicar la regresión a cualquier PA, como he escrito más arriba. A los residuos de autocorrelación, a las colas, etc. En general a cualquiera. Pero los métodos de estimación de la regresión no cambian con respecto a la naturaleza del PA inicial.
Pero los métodos de estimación de la regresión no cambian respecto a la naturaleza del PA original.
El método de estimación de la regresión - sí, pero el método en sí mismo sólo puede ser de interés para los profundos estetas de las matemáticas puras. Personalmente, como profesional, me interesa la estimación combinada, que incluye la estimación de la regresión y al mismo tiempo la adecuación de su aplicación. Así que esta estimación combinada se mide en dólares. Y en mi caso mostró la ventaja de la regresión de MNC sobre la regresión de quintiles, incluso bajo distribuciones de cola gruesa. Para alguien, una regresión de quintiles puede ser más adecuada, si puede convertirla en dinero.
- ¿Te gustan los gatos?
- No.
- Simplemente no sabes cómo cocinarlos.
Así que no se trata de la adecuación de los métodos de estimación de la regresión. Se trataba de la adecuación de la aplicación del propio modelo de regresión a los BP originales.
La aplicabilidad de la regresión cuantílica y de la regresión MNA directamente a los BP de precios puede evaluarse mediante los métodos, uno de los cuales he citado. Evidentemente, cuanto mejor sea la proximidad que da la regresión, más se gana en términos monetarios, porque una mejor proximidad indica una estimación más precisa (adecuada) de las lecturas futuras.
Has comparado las regresiones de forma bastante subjetiva, simplemente sustituyéndolas en tu TS. Yo, por el contrario, sugerí una forma objetiva de comparar la adecuación de su aplicabilidad a las BP originales.
Y si no es normal... Y si además no es simétrico...
Me interesa su opinión. Si conseguimos transformar la RV de los precios hasta tal punto que su distribución es simétrica y muy parecida a la normal (no puedo asegurarlo, ya que la muestra es siempre finita), ¿qué podemos hacer con ella? Es decir, podemos decir que el problema de cointegración está resuelto. ¿Cómo ve las acciones posteriores en este caso?
No hay suficiente información disponible. El paseo aleatorio tiene una distribución normal. Pero no se puede ganar dinero con ello.
¿Qué quiere decir con "problema de cointegración resuelto"? El objetivo de utilizar la cointegración es obtener una BP estacionaria. Si tiene éxito, puede empezar a cortar la col. Y no importa si esta tensión es normal o no.