Discusión sobre el artículo "El criterio de homogeneidad de Smirnov como indicador de la no estacionariedad de las series temporales" - 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
Es interesante comparar iSmirnovDistance con la dimensión fractal (como este https://www.mql5.com/en/code/20586).
En general, el artículo es bueno.
Para mí, la ventana de observaciones es demasiado pequeña.
Sin embargo, aunque tomemos esta pequeña ventana, ¿quizá tenga sentido compararla no con una ventana vecina, sino con las ventanas del último año o de los últimos cinco años? Será como un tablero de ajedrez a partir del cual podremos ver cuántas ventanas eran similares, agruparlas y quizá clasificarlas. Y luego evaluar en busca de patrones y sus resultados probabilísticos.
Eugene Chernysh, ¿has hecho algo así?
Евгений Черныш #:
Tengo entendido que pettit se basa en rangos, no he encontrado casi información al respecto.
Suelo utilizar su implementación del paquete trend en R. Hay referencias a fuentes en la descripción.
La ventana de observación es demasiado pequeña para mí.
Sin embargo, aunque tomemos esta pequeña ventana, ¿quizá tenga sentido compararla no con una ventana vecina, sino con las ventanas del último año o de los últimos cinco años? Será como un tablero de ajedrez a partir del cual podremos ver cuántas ventanas eran similares, agruparlas y quizá clasificarlas. Y luego evaluar en busca de patrones y sus resultados probabilísticos.
En mi opinión, esto sería el típico p-hacking.
La ventana de observación es demasiado pequeña para mí.
Sin embargo, aunque tomemos esta pequeña ventana, ¿quizá tenga sentido compararla no con una ventana vecina, sino con las ventanas del último año o de los últimos cinco años? Será como un tablero de ajedrez a partir del cual podremos ver cuántas ventanas eran similares, agruparlas y quizá clasificarlas. Y luego evaluar en busca de patrones y sus resultados probabilísticos.
Eugene Chernysh, ¿has hecho algo así?
En mi opinión, resultaría ser el típico p-hacking.
¿Cómo lo ve? Estoy hablando de un estudio sobre la similitud de los días, y la similitud del comportamiento de los predictores en esos días.
No conozco el resultado, así que no tiene sentido ajustar el estudio al resultado deseado.
Si podemos clasificar esos grupos, incluso dentro de un mismo día, podemos utilizar modelos separados para ellos en los predictores con mayor probabilidad.
distribución de las distancias de Smirnov será la misma que en el cálculo de dos días consecutivos.
¿Cómo es esto posible? ¿Entiendo correctamente que el último día y el de hace 100 días tendrán métricas estimadas similares, como si el último día y el anteúltimo no fueran similares? Es decir, ¿la diferencia varía dentro de un estrecho margen?
Pero recopilar estadísticas del número medio de días entre dos rechazos de la hipótesis nula de homogeneidad es algo que se puede hacer. Hacerse una idea de cuánto tiempo de media tenemos hasta que se establece una nueva distribución en el mercado.
También es interesante observar el histograma de frecuencias de cambio de distribución.
¿Cómo lo ve?
Como siempre, múltiples repeticiones de la misma prueba con los mismos datos. Si hay N días, el número de repeticiones de la prueba es N*(N-1)/2 (el número de pares de días). Tiene que ser N/2.
No es que intente prohibir a nadie que haga esto) Sólo que, en mi opinión, éste es el primer paso hacia el autoengaño.