Econometría: por qué es necesaria la cointegración - página 15
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
"creer - descreer" -- este es el campo de la religión, el tema de investigación de la teología (del griego theologia, de theos - dios y logos - palabra, doctrina) -- es decir, la ciencia de dios :)))))
Ÿ ¡¡¡Qué torcido camino econométrico cointegrado has tomado!!!
Ya veo lo que quieres decir.
Pero no creo en el arbitraje estático .
Se ha demostrado que el delta es demasiado pequeño. Por lo tanto, no es una cuestión de fe, sino un cálculo específico. En general, hay un defecto en la idea: se busca el desajuste entre los que van en la misma dirección. Deberíamos buscar el desajuste cuando van en direcciones diferentes.
Me inclino por la opinión del anónimo que escribió sobre las carteras. Allí, como parte de la idea más amplia de una cartera eficiente, la cointegración es probablemente útil.
Para los especuladores, la utilidad de la cointegración no está clara para mí. Bueno, excepto para justificar las pruebas. Algo nuevo, pero hasta ahora con muy pocas pruebas de utilidad.
Pero, ¿dónde está lo constructivo?
Buena pregunta, pero en aras de la objetividad deberías hacértela de vez en cuando.
Aun así, estoy seguro de que su modelo esbozado en la primera página no es muy viable y:
... dice que se puede utilizar esta regresión para la predicción sin preocuparse: tiene un residuo estacionario.
Si yo fuera tú, estaría un poco preocupado. Por varios indicios, acabas de "machacarlo" y aún no hay mucho valor predictivo en él.
No has respondido a la pregunta: ¿cuál es tu estacionalidad?
y todavía no hay mucho valor predictivo en ella.
No tiene valor pronóstico.
No has respondido a la pregunta: ¿cuál es tu estacionalidad?
Una serie es estacionaria si la media y la autocovarianza no dependen del tiempo.
Hasta ahora, colectivamente, he descubierto que la cointegración se utiliza en el arbitraje, pero he calculado que el delta es demasiado pequeño, por lo que es dudoso utilizarlo en el arbitraje.
Más interesante me parece la suposición de que podemos confiar en la prueba si el cociente está cointegrado con el saldo de TC y no se puede confiar si no está cointegrado. Pedí al colectivo que diera los datos iniciales para el análisis para la comprobación de la hipótesis - sólo tara dio esa información. He publicado el resultado. Hay mucha información en el campeonato, pero no fue capaz de copiar, nadie ayudó a hacerlo.
y todavía no hay mucho valor predictivo en ella.
El objetivo de la previsión no se ha fijado
Si se trata de una previsión, está claro que el objetivo como tal, en la interpretación de la previsión, se ha fijado. Otra cosa es que aún no entiendas qué hacer con la curva resultante, pero eso es otra parte del sistema y de la configuración.
Una serie es estacionaria si la media y la autocovarianza son independientes del tiempo.
No es exactamente así, si se toma la teoría, aunque no estrictamente. La estacionariedad se interpreta en un sentido amplio y estrecho. No "promedio", sino si la distribución y el ACF son estacionarios. En sentido estricto hay que demostrar que se tiene tal distribución y que los parámetros de esta distribución (no sólo la media, puede no existir) permanecen iguales durante todo el proceso. Es más que seguro que su ACF no es estacionario en absoluto, lo que significa que todo su atrolabio está garantizado que no funciona, es decir, que ni siquiera puede predecir correctamente, y mucho menos utilizarlo.
Hasta ahora colectivamente hemos averiguado que la cointegración se utiliza en el arbitraje, pero calculo que el delta es demasiado bajo, por lo que es cuestionable su uso en el arbitraje.
Oh, es la elección de cada uno de las creencias :o)
Más interesante para mí la suposición de que se puede confiar enlas pruebas de si el cociente está cointegrado con el saldo de TC, y no se puede confiar si no está cointegrado. Pedí al colectivo que diera los datos iniciales para el análisis para probar la hipótesis - sólo tara dio esa información. He publicado el resultado. Hay mucha información en el campeonato, pero no se pudo copiar, nadie ayudó a hacerlo.
En este foro hay un colega HideYourRichess Discuto con él de vez en cuando, pero hay lugares de "acuerdo", respectivamente, diferentes maneras de esta comprensión vino (he utilizado el análisis fractal). Así que la prueba de cualquier curva de equilibrio para la corrección es muy simple, el menos "difusión" y más "linealidad" (entre comillas que escribí, es necesario descifrar) de esta curva - el resultado más fiable y se puede confiar. Y tengo que los parámetros fractales de esta curva deben estar en ciertos rangos. Se puede hacer una analogía, también sólo a partir del análisis fractal. Los sonidos o la música se suelen clasificar simplemente, en "me gusta" y "no me gusta" y no es tan importante el blues o el jazz. Así, el "like" resulta tener sus propios "límites fractales", y un sonido que se adentra en este rango comienza a "gustar". Puede que lo haya explicado vagamente, pero esa no es la cuestión.
Y en esencia, la tarea de su CT es convertir un cociente perfectamente curvo en una línea preferentemente recta con coeficiente positivo (y parece que es lo que avtomat intenta transmitir en sus "bocetos"). Y aquí es donde no tengo muy claro de qué cointegración de TC y kotir hablas. Bien, digamos que quieres cointegrar la curva de equilibrio y kotir obteniendo una tercera curva. ¿Qué conseguirías con eso?
Si se trata de una previsión, está claro que el objetivo como tal, en la interpretación de la previsión, está fijado. Otra cosa es que aún no entiendas qué hacer con la curva resultante, pero eso es otra parte del sistema y de la configuración.
En realidad no, si se sigue tomando la teoría aunque no de forma estricta. La estacionariedad se interpreta en un sentido amplio y estrecho. No "promedio", sino si la distribución y el ACF son estacionarios. En sentido estricto hay que demostrar que se tiene tal distribución y que los parámetros de esta distribución (no sólo la media, puede no existir) permanecen iguales durante todo el proceso. Es más que seguro que su ACF no es estacionario en absoluto, lo que significa que todo su atrolabio está garantizado que no funciona, es decir, que ni siquiera puede predecir correctamente, y mucho menos utilizarlo.
Oh, es la elección de fe de cada uno :o)
Tengo un colega HideYourRichess en este foro, aunque discuto con él de vez en cuando, pero hay lugares de "acuerdo", respectivamente, diferentes maneras de esta comprensión (he utilizado el análisis fractal). Así que la prueba de cualquier curva de equilibrio para la corrección es muy simple, el menos "difusión" y más "linealidad" (entre comillas escribí, requiere descifrar) de esta curva - el resultado más fiable y se puede confiar. Y tengo que los parámetros fractales de esta curva deben estar en ciertos rangos. Se puede hacer una analogía, también sólo a partir del análisis fractal. Los sonidos o la música se suelen clasificar simplemente, en "me gusta" y "no me gusta" y no es tan importante el blues o el jazz. Así, el "like" resulta tener sus propios "límites fractales", y un sonido que se adentra en este rango comienza a "gustar". Puede que lo haya explicado vagamente, pero esa no es la cuestión.
Y en esencia, la tarea de su CT es convertir un cociente perfectamente curvo en una línea preferentemente recta con coeficiente positivo (y parece que es lo que avtomat intenta transmitir en sus "bocetos"). Y aquí es donde no tengo muy claro de qué cointegración de TC y kotir hablas. Bien, digamos que quieres cointegrar la curva de equilibrio y kotir obteniendo una tercera curva. ¿Qué se consigue con eso?
Me siento dentro de EViews y confío en la herramienta más que en mi propia comprensión de los términos. Esto me permite utilizar un producto ya hecho en lugar de leer un número insano de libros, a menudo con un contenido cuestionable. Además, al final, todo encaja y siempre tengo suficientes herramientas que han demostrado funcionar muchas veces.
La cointegración que estoy probando :
Pruebo la raíz unitaria de las cotizaciones originales
Selecciono un vector que, al restar un cociente de otro, da un cociente estacionario en el residuo (prueba de raíz unitaria).
Bien, supongamos que se quiere cointegrar la curva de equilibrio y el cociente obteniendo una tercera curva. ¿Qué te da eso?
Y esta es la hipótesis. Si las dos series están cointegradas, es decir, la diferencia entre ellas es estacionaria, la prueba es fiable y no importa si es positiva, negativa, recta de equilibrio o curva.
Si no hay cointegración, la prueba no es fiable. Hay que probarlo. Quería hacerlo de forma experimental. En los datos de la tara esto se confirmó. El resultado está arriba.
a la faa
Я сижу внутри EViews м доверяю этому инструменту, а не собственному пониманию терминов. Это дает мне возможность использовать готовый продукт вместо чтения безумного кол-ва книг, зачастую сомнительного содержания. Причем в конечном итоге у меня все стыкуется и всегда хватает инструментов много кратно проверенной работоспособности.
Sí, es sólo una herramienta y la falsedad de la interpretación de las estadísticas y los datos estimados no estará garantizada "automáticamente". Depende totalmente del analista.
Y esta es la hipótesis. Si las dos series están cointegradas, es decir, la diferencia entre ellas es estacionaria, la prueba es fiable y no importa si es positiva, negativa, recta de equilibrio o curva. Si no hay cointegración, la prueba no es fiable. Hay que probarlo. Quería hacerlo de forma experimental. Para los datos de Tara resultó ser cierto. El resultado está arriba.
Creo que es más bien una ilusión. ¿Cómo se va a co-integrar? Déjame adivinar - asignarlo a EW, y lo que hará es tirarlo por las orejas dentro de casi cualquier modelo y obtendrás una falsa estacionalidad. Aquí no hay criterios, cualquier curva de beneficios se puede cointegrar con una cotización (cualquiera) eligiendo un modelo. ¿Qué te aporta? ¿Dónde vas a entender que cuando "optimices" (que es lo que vas a hacer) tendrás que parar y cómo vas a separar los parámetros en malos/buenos?
PD: sigue intentando complicar el modelo, hacerlo más sensible o algo así. Su modelo "exprime" el proceso, de hecho, cambia mucho la escala. Como resultado, el proceso "da pasos" en incrementos tan pequeños que no puede llegar muy lejos.
SOLICITUD: Especialmente destacada.
Genere su nuevo proceso con una longitud de digamos 3000 cuentas. Toma los primeros 1000 recuentos y los últimos 1000 recuentos. Habrá otros 1000 en el medio. Y publícalo aquí para los segmentos del primer y del último ACF. Y todos miraremos juntos su "estacionariedad" a simple vista
a la faa
...
SIN EMBARGO: Especialmente destacado.
Genere su nuevo proceso con una longitud de digamos 3000 cuentas. Toma los primeros 1000 recuentos y los últimos 1000 recuentos. Habrá otros 1000 en el medio. Y publícalo aquí para los segmentos del primer y el último ACF. Y todos miraremos juntos su "estacionariedad" a simple vista
Sí, casi se me olvida - Estoy interesado en los incrementos, pero para la empresa también puede mostrar ACF de la fuente (en el mismo gráfico para cada especie, sería más conveniente)
Un pequeño añadido: el ACF es posible para las primeras 100-300 muestras, probablemente no se necesiten más.
Sí, casi me olvido - incrementos, estoy interesado en ellos, pero para la empresa también puede ACF la fuente (en un gráfico para cada especie, por lo que sería más conveniente)
Un pequeño añadido: el ACF es posible para las primeras 100-300 muestras, probablemente no se necesiten más.