Olvídate de las citas al azar - página 63

 
C-4:

¿De dónde vienen los 903,50? ¿Es ese el archivo que estás viendo? El primer número es 325,25:

1 2 3 4 5 6 7

1992.11.01,00:00,355.75,364.00,352.75,359.25,1901

Por lo demás, sí, las horas y los minutos son columnas diferentes, todas las columnas están separadas por comas (exportación estándar de MT4).

En el segundo archivo, la columna 16 debe corresponder a la posición de los operadores de red: Operadores de red.

Un dato para el martes, y el otro para el domingo... ¿2012.07.15 corresponde a 2012.07.17 o corresponde a 2012.07.22?

 
faa1947:

Algunos datos del martes y otros del domingo... ¿Corresponde el 2012.07.15 al 2012.07.17 o al 2012.07.22?


Los datos se registran el martes, pero no se publican (se ponen a nuestra disposición) hasta el viernes por la noche. En consecuencia, para no caer en la trampa del autoengaño, es necesario hacer una compensación de una semana. Es decir, es mejor utilizar el precio de apertura de la semana siguiente:

1992.11.01,00:00,355.75,364.00,352.75,359.25,1901

Por qué 1992.11.01 es domingo, no tengo ni idea, debería ser 1992.11.02. Estas son las únicas citas que tengo. Pero no se trata de eso. Si el precio de apertura fue el domingo o como debería ser el lunes, entonces para ello utilizamos los datos COT del martes anterior, es decir, para 1992.11.01 deberíamos utilizar los datos COT de 1992.10.27

 

Sí, un par de comentarios más.

Es habitual considerar el precio, y por tanto los indicadores, en relación con el tiempo. Pero, ¿quién ha dicho que ésta sea la única metodología correcta?

Se sabe que las posiciones de los operadores dependen del precio (cuanto más alto sea el precio, mayor será su cobertura neta). Pero, ¿qué tiene que ver el tiempo con esto? Por lo tanto, no estaría mal dibujar un diagrama puntual de dependencia entre el precio y las posiciones de los operadores. Me parece que será más o menos similar al lineal, y es posible aplicar el test de Granger.

 
C-4:



Los resultados son los siguientes.

Sincronizado las fechas. En Zw tuve que insertar 6 naludes vacíos para alinear. A continuación, se interpolan linealmente los valores de NA obtenidos.

Tengo los siguientes datos.

Red

2000.01.04 -4479 2000.01.09 265,5

2000.01.11 -15963 2000.01.16 264,25

2000.01.18 -22316 2000.01.23 259,75

2000.01.25 -26656 2000.01.30 257

2000.02.01 -19041 2000.02.06 269,5

2000.02.08 -19564 2000.02.13 265

/

/

/ fin

648 2012.05.29 11227 2012.06.03 629.25

649 2012.06.05 34075 2012.06.10 612.25

650 2012.06.12 36996 2012.06.17 673

651 2012.06.19 34250 2012.06.24 741,75

652 2012.06.26 -4088 2012.07.01 790,25

653 2012.07.03 -13515 2012.07.08 834

654 2012.07.10 -23508 2012.07.15 944,75

655 2012.07.17 -38701 2012.07.22 903

Gráfico conjunto

Prueba causal en toda la muestra de 655 observaciones con un desplazamiento de 2 rezagos y 10 rezagos (el resultado es el mismo)

Pruebas de causalidad de Granger por parejas

Fecha: 08/03/12 Hora: 15:21

Muestra: 1 655

Retrasos: 10

Hipótesis nula: .............................................................................Obs Estadística F Prob.

NET_OPERATORS ninguna razón de Granger para SER06_INTERPOLATE 645 2.66043 0.0035

SER06_INTERPOLATE no es una razón Grangerpara NET_OPERATORS 20.9059 1.E-33

Se lee así: no se puede rechazar la hipótesis de que NET_OPERATORS no es una causa para SER06_INTERPOLATE, es decir, las dos cantidades son independientes.

.

la idea de probar la causalidad en toda la muestra no es correcta.

Toma las primeras 30 observaciones:

Pruebas de causalidad de Granger por parejas

Fecha: 08/03/12 Hora: 15:44

Muestra: 1 30

Retrasos: 2

Hipótesis nula: Obs Estadística F Prob.

SER06_INTERPOLATE no es la causa de NET_OPERATORS 28 10.8494 0.0005

NET_OPERATORS no es la causa de SER06_INTERPOLATE 0.39443 0.6785

La imagen es diferente. La segunda línea suena así

Rechazamos con un 67% de probabilidad la hipótesis de que NET_OPERATORS no es una causa de Granger para SER06_INTERPOLATE.

Por el contrario, no podemos rechazar la hipótesis de que NET_OPERATORS no es una causa.

 
C-4:

Sí, un par de comentarios más.

Es habitual considerar el precio, y por tanto los indicadores, en relación con el tiempo. Pero, ¿quién ha dicho que ésta sea la única metodología correcta?

Se sabe que las posiciones de los operadores dependen del precio (cuanto más alto sea el precio, mayor será su cobertura neta). Pero, ¿qué tiene que ver el tiempo con esto? Por lo tanto, no estaría mal dibujar un diagrama puntual de dependencia entre el precio y las posiciones de los operadores. Me parece que será más o menos similar al gráfico de líneas, y puede aplicar la prueba de Granger.

Las observaciones están ligadas al tiempo. Lo que ocurre entre las observaciones no lo sabemos. Tenemos que interpolar, lo que puede ser una tarea muy sencilla (hecha anteriormente) o muy complicada, como sugieres.

Creo que hay que buscar el tamaño de la ventana en la que determinar la causalidad y trabajar con eso, el tamaño de la ventana encontrada. Niego rotundamente la afirmación de que cuanto mayor sea la muestra, mejor. Esto lo afirman personas que no han ido más allá del teorema. Nos interesa la tendencia de algunos pasos adelante. Nos interesan las fluctuaciones del mercado en las que ganar o perder. Y la falta de causalidad media entre las variables durante 12 años no dice nada. 30 semanas son seis meses. Y la pregunta debería plantearse así: ¿son suficientes estas 30 semanas para predecir un par de semanas más?

 
faa1947:

Los resultados son los siguientes.

Rechazamos con un 67% de probabilidad la hipótesis de que NET_OPERATORS no es una causa de Granger para SER06_INTERPOLATE.

Por el contrario, ¡no podemos rechazar la hipótesis de que no sea una causa!

Entonces, ¿es un sí-causa o un sí-no-causa?

¡! (Net_Operators != Ser06_Interpolar) = true;

Es decir, ¿los Operadores de Red son la causa más probable de Ser06_Interpolate?

 

Oh, ya veo, para los primeros 30 retrasos, sí, los operadores son la causa. Para toda la muestra, no, los operadores no son la causa. No es un resultado importante en absoluto. Aún así, se necesita una confirmación para toda la historia, de lo contrario, lógicamente, es la causa o no. Y a veces, a veces no - es el mismo 50/50.

¿Se comparan los incrementos o los momentos?

 
Es necesario hacer pruebas con datos que se sabe que son dependientes. Los indicadores TA sin retardo, como el RSI, funcionarán muy bien. Sabemos con certeza, que no el precio depende del indicador, incorporado en nuestro terminal, sino que el indicador depende del precio. La prueba de Granger debe mostrar exactamente esta relación: con una probabilidad muy alta, el rsi depende del precio.
 
C-4:

Entonces, ¿es un sí o un no?

¡! (Net_Operators != Ser06_Interpolar) = true;

Es decir, ¿es más probable que los Operadores de Red sean la causa de Ser06_Interpolate?

Esa es la cuestión, no sólo hay muchos matices de gris, ¡también el mundo está coloreado por encima de todo!

Es una forma de abrir los ojos. Y qué hacer es otra cuestión.

 
C-4:

Oh, ya veo, para los primeros 30 retrasos, sí, los operadores son la causa. Para toda la muestra, no, los operadores no son la causa. No es un resultado importante en absoluto. Aún así, se necesita una confirmación para toda la historia, de lo contrario, lógicamente, es la causa o no. Y a veces, a veces no - es el mismo 50/50.

¿Se comparan los incrementos o momentos?

Se obtiene una imagen muy interesante si se pasa una ventana a lo largo de la muestra. Es bueno que el valor de causalidad calculado no cambie, pero lo más probable es que sí lo haga.

La primera vez que vi esto en los coeficientes de una media móvil ponderada, me quedé horrorizado. No se puede trabajar con nada en AT. Todo lo que obtuve del probador no es de fiar, etc.