Discussion de l'article "Approche Économétrique de l'Analyse des Graphiques" - page 4
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Veuillez préciser, je ne suis pas certain de la nature exacte du coefficient. Les spécificités du test Q sont décrites dans l'article, tel que révisé.
Si vous voulez en utiliser un autre, c'est à vous de remplacer la valeur de la variable dans le script.
Et vous vouliez tout recevoir sur un plateau ? Cela ne marche pas comme ça. Il faut sacrifier quelque chose.
Les rendements sont également prévus. Une fois les prévisions établies, elles sont converties en valeurs de prix absolues. J'en parlerai dans le prochain article.
Il ne s'agit pas d'un exemple, mais d'un extrait du contexte.
Sans les données sources et les formules, sur la base desquelles vous avez obtenu les résidus et votre distribution, je n'ai pas le droit de l'évaluer.
Alexey-, je vous recommande de relire l'article. Vous y verrez que ce n'est pas la série elle-même qui est estimée, mais la série des rendements. Il s'agit de la stationnarité.
L'article sur les distributions a été écrit à des fins d'introduction comme exemple des caractéristiques d'une série financière, ou plutôt d'une série de rendements. Vous pouvez également écrire un article sur ce sujet.
Denis, j'aimerais toujours avoir une réponse à ma question concernant l'interprétation du critère - l'article ne me permet pas de comprendre si les conclusions tirées des tests sont correctes.
// Je m'interroge sur la validité de l'application de la boîte de Ljung elle-même. Bien sûr, la plupart des livres que j'ai vus disent qu'il reste valable même pour les distributions non normales, mais je n'en ai jamais vu la preuve. Je suppose que la source primaire la contient, mais je n'ai jamais rencontré les travaux de Ljung et Box, et j'ai donc toujours gardé cette question à l'esprit. L'essentiel de mes doutes réside dans le fait que LB utilise la distribution du chi-deux, qui, comme nous le savons, est liée à la normalité et à l'indépendance. Dans le cas de la série de citations, aucun de ces deux éléments n'est observé, ce qui signifie que l'application de ce critère semble très compliquée.
Par conséquent, je voudrais vous demander si vous disposez de calculs prouvant que le critère de Ljung-Box est applicable aux séries pour lesquelles les conditions d'indépendance des rendements voisins et de normalité de leur distribution ne sont pas essentiellement remplies. Personnellement, tant que je n'ai pas vu les calculs, je serais prudent quant à l'utilisation de ce critère. Par ailleurs, je suis extrêmement surpris que M. Engle ne soit pas encore milliardaire.
Je ne dispose pas de tels calculs. C'est une question intéressante. J'essaierai d'y travailler. La seule chose que je peux dire, c'est que j'ai vu ce test dans plusieurs sources sur des lignes qui ne remplissent pas non plus les conditions énoncées. Par exemple ici : Analysis of Financial Time Series, Ruey S. Tsay. N'êtes-vous pas surpris que G. Perelman ne soit même pas millionnaire ? :-))
Я имею в виду, коэффициент корреляции по каждому лагу. Что значит - желаете, алгоритм должен обоснованно задаваться уровнем значимости, иначе - неопределенность в определении уровня, а соответственно - непонятно, зачем он нужен...
Je voulais parler du niveau de signification statistique alpha, par rapport auquel l'hypothèse nulle de la valeur p calculée pour chaque statistique Q est évaluée. Peut-être parlons-nous de termes différents ?
Tant que je n'aurai pas vu les formules et les résidus eux-mêmes, je m'abstiendrai de toute évaluation. Si vous ne voulez pas me montrer, alors n'en parlons pas....
Je me souviens de quelque chose comme ça, je ne sais pas si c'est exact, que la méthode que vous décrivez est utilisée pour la prévision de la volatilité, et précisément parce que sa série est déjà beaucoup plus stationnaire (l'effet que vous écrivez au début) et n'a pas besoin d'être transformée. Par conséquent, vous pouvez utiliser la méthode, puisque les données sources s'y prêtent. Mais pas le dérivé de la série de prix que vous avez mentionné. Comprenez que si vous avez supprimé, par exemple, l'asymétrie (ou d'autres moments) de la distribution initiale à l'aide de votre transformation, vous prévoirez alors une série dans laquelle elle n'est pas présente, et vous ne la récupérerez pas.
Je voulais parler du niveau de signification statistique alpha, par rapport auquel l'hypothèse nulle de la valeur p calculée pour chaque statistique Q est évaluée. Peut-être parlons-nous de termes différents ?
Tant que je n'aurai pas vu les formules, les résidus eux-mêmes, je m'abstiendrai de toute évaluation. Si vous ne voulez pas le montrer, alors n'en parlons pas....
C'est exactement cela - la prévision de la volatilité. Il y aura une suite à mon article, puis nous en discuterons :-))).Maintenant, tout est clair. Il convient toutefois de préciser dans l'article que vous allez prévoir la volatilité, et non les séries de prix, et qu'après la prévision, vous allez transformer les valeurs de la série des "rendements" non pas en séries de prix, mais en un dérivé de celles-ci. Mes considérations ne sont pas essentielles pour cette tâche, mais j'espère qu'elles vous aideront si vous décidez un jour d'essayer de prévoir les séries de prix.
C'est très bien.
Merci pour vos réflexions. Les critiques constructives sont toujours les bienvenues !
Encore une fois, l'objectif final est d'obtenir une prévision de la série de prix, en tenant compte des paramètres présents dans le modèle non linéaire.
La seule chose qui change dans mes plans est la nécessité de créer une bibliothèque de distributions statistiques. Cela vaut la peine d'écrire un article à ce sujet. Cette idée m'est venue à l'esprit après la discussion.
C'est très bien.
Merci pour vos réflexions. J'apprécie toujours les critiques constructives !
Encore une fois, l'objectif ultime est d'obtenir des prévisions de séries de prix.
Vous avez donc l'intention de faire des prévisions sur les fourchettes de prix ? C'est une tâche intéressante et digne d'intérêt. J'aimerais voir des articles sur ce sujet :)
Oui, c'est prévu. Parce que c'est intéressant. Et je prévois également de faire des prévisions à court terme. Mais pour l'instant, nous devons nous y préparer. Tout d'abord, nous devons résoudre le problème des distributions.... Nous avons également besoin de l'accord de MetaQuotes :-))))
Et l'essentiel est que les utilisateurs de MQL5 s'y intéressent.
alsu, je vois que vous avez travaillé avec Statistica. Mais vous avez besoin des données brutes. Quels rendements et quelle formule avez-vous utilisés pour les obtenir ?
Je suppose que nous parlons de différents dérivés de séries de prix. Je ne m'empresserais donc pas de jeter une pierre dans le jardin des lauréats du prix Nobel :-))).
Non, nous parlons des mêmes. Les rendements sont simplement les différences premières des séries de prix Close[i]-Close[i+n] (sur mon graphique, ils sont pris avec un retard de 8, mais la courbe est exactement la même pour n'importe quel retard). Just returns est un terme utilisé principalement dans la littérature occidentale. Dans le forum MQL4, les gens l'utilisent souvent dans les discussions sur matstat (elles y sont traditionnellement animées))) Je l'ai donc utilisé par habitude. Si c'est plus pratique, j'écrirai "différence première d'une série" ou "incrément d'une série". Mais "dérivé" est un terme très incorrect pour les séries temporelles, il n'y a pas de dérivé ici et il ne peut pas y en avoir. Si vous vous souvenez, même l'appareil analytique pour les dérivées et les différences est sérieusement différent (par exemple, comparez la transformée de Fourier et la transformée en z).
Néanmoins, il est possible d'analyser l'augmentation relative de la valeur d'un produit.
Vous pouvez analyser l'augmentation relative du prix - le résultat est le même. Si vous prenez le logarithme de l'augmentation relative - eh bien, essayez, ce sera une courbe intéressante) Pour convaincre, j'apporte des images de Statistica (j'ai vraiment l'habitude de l'utiliser, mais, en règle générale, uniquement pour alimenter la réflexion et les tests d'hypothèses. En fait, pour faire des statistiques, et tout autre domaine des mathématiques, il faut, comme le disent les professionnels, de la craie, un tableau noir et un crâne chauve. J'ai suffisamment de la première et de la deuxième, je gagne progressivement la troisième)))).
Voici l'augmentation relative avec un décalage de 8.
et voici la distribution du logarithme de l'incrément relatif.
Ne commencez pas à me convaincre que c'est normal. Ici, la queue gauche est de toute façon beaucoup plus épaisse et longue que la queue droite. Elle ressemble davantage à un gamma, mais étendu le long de l'axe des x, ou à quelque chose d'assez exotique. Les pics de l'aile gauche sont une conséquence de la quantification des cotations (la partie gauche correspond à de très petites variations de Close, et celles-ci, comme on le sait, ne peuvent différer de plus d'un point, d'où le bruit observé), ils peuvent donc être étalés sur toute la pente, ce qui rendra la queue gauche encore plus épaisse.
D'une manière générale, nous pouvons annoncer un concours - le premier qui trouve une valeur normalement distribuée à Forex devrait être inscrit au tableau d'honneur comme celui qui a prouvé l'inefficacité des efforts des lauréats du prix Nobel))).
PS : ne me considérez pas comme un snob, je traite les lauréats avec respect. C'est juste qu'on m'a appris dès l'enfance à ne pas avoir peur des autorités et à douter plus souvent, et cela m'a toujours aidé dans la vie. Si une personne a reçu le prix Nobel, cela ne signifie pas qu'elle a raison tout le temps et en tout. Par exemple, Einstein a reçu un prix Nobel pour le photoeffet (même si, à bien y réfléchir, la formule était en surface et qu'il a été le premier à y parvenir, mais cela vaut beaucoup), mais il n'a cru à la mécanique quantique qu'à la fin de sa vie - et il s'est avéré qu'il avait tort. Même si Engle a obtenu un prix Nobel pour le GARCH (je dois noter que la méthode n'est pas trop compliquée non plus, tout est identique ici - pour la vitesse :), cela ne signifie pas que depuis les années 80, lorsque ce modèle a été créé, le marché n'a pas changé. Au contraire, je suis prêt à croire qu'à l'époque, ce modèle fonctionnait vraiment et que les distributions des cours étaient proches de la normale (bien que j'en doute :)). Le fait est que MAINTENANT, après 30 ans, cela ne fonctionne pas. De plus, si Engle avait été ingénieur plutôt qu'économètre, il aurait su que les processus stationnaires peuvent aussi être hétéroscédastiques - ce qu'il n'a pas pris en compte dans ses recherches, et c'est sur de telles données que le GARCH s'égare momentanément.
Je vous conseille donc, ainsi qu'à tout le monde, d'essayer moins de suivre les autorités et plus de creuser par vous-même.
Cela vous surprend-il que G. Perelman ne soit même pas millionnaire ? :-))
Théoriquement, il est millionnaire, avec une possibilité directe de réalisation pratique.)