Discusión sobre el artículo "Análisis causal de series temporales mediante entropía de transferencia"
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
Artículo publicado Análisis causal de series temporales mediante entropía de transferencia:
En este artículo, analizamos cómo se puede aplicar la causalidad estadística para identificar variables predictivas. Exploraremos el vínculo entre causalidad y entropía de transferencia, además de presentar código MQL5 para detectar transferencias direccionales de información entre dos variables.
Los datos empíricos pueden ser engañosos. El hecho de que dos variables parezcan moverse en tándem no significa que una cause la otra, por eso suena cierto el dicho "la correlación no es causalidad". La correlación simplemente mide qué tan conectadas están dos variables, no por qué están conectadas. Por ejemplo, imaginemos una fuerte correlación entre las ventas de helado y el precio de una acción durante el verano. ¡Esto no significa que comprar helado haga subir las acciones! Un culpable más probable es un factor oculto, como la temporada misma, que afecta a ambas variables independientemente. De manera similar, podría existir un vínculo entre las acciones de una empresa y los precios del oro, pero la causa real podría ser algo completamente distinto, como el sentimiento general del mercado o la inflación que influyen en ambos precios. Estos ejemplos resaltan que los datos correlacionados pueden ser engañosos. Muestran una conexión, pero no la razón detrás de ella. Para comprender verdaderamente si una cosa causa otra, necesitamos herramientas más avanzadas.
El concepto de causalidad, la noción de que un acontecimiento provoca otro, es fundamental para la exploración científica. Sin embargo, definir con precisión la causalidad presenta un desafío multifacético con profundas consideraciones filosóficas, físicas y estadísticas. Lo ideal sería que una causa produjera invariablemente un efecto singular. Sin embargo, aislar un único factor causal de la red a menudo compleja de influencias que inciden en un resultado puede resultar difícil. Por ejemplo, un aumento en el volumen de operaciones podría correlacionarse con un aumento en el precio de las acciones, pero otros factores, como el sentimiento del mercado y la publicación de datos económicos, también podrían desempeñar un papel importante. En tales escenarios, los investigadores emplean técnicas estadísticas para inferir relaciones causales.
Autor: Francis Dube