Discussion de l'article "Approche Économétrique de l'Analyse des Graphiques" - page 5
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
Non, ce sont les mêmes. Les rendements sont simplement les premières différences de la série 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 dérivés et les différences est sérieusement différent (par exemple, comparez la transformée de Fourier et la transformée en z...).
Il existe plusieurs définitions des rendements dans la littérature, et il y a différents types de rendements. Je crois comprendre que votre expression "logarithme de l'accroissement relatif" correspond à la formule de mon article.
Les "dérivés de séries de prix" ne sont en aucun cas des dérivés au sens mathématique du terme. Ils sont dérivés au sens de :
1. dérivé d'un autre ; dérivé de quelque chose d'autre.
Mais la distribution du logarithme de l'incrément relatif.....
Plutôt une image miroir de la distribution lognormale....
D'une manière générale, nous pouvons lancer un concours : le premier à trouver une valeur normalement distribuée au Forex devrait être inscrit au tableau d'honneur comme celui qui a prouvé l'inutilité des efforts des lauréats du prix Nobel)))))
Je suis d'accord. Il s'agissait d'un exemple, et non d'une distribution empirique. Si je ne l'ai pas fait comprendre au lecteur, c'est ma faute.
Je vous conseille donc, à vous et à tous les autres, d'essayer moins de suivre les autorités et plus de creuser par vous-même.
Vers ARCH. Et GARCH a été inventé par Bollerslev. Tout change, y compris les modèles. J'ai choisi le plus simple et le plus universel pour l'exemple.
Merci pour vos conseils.
Commentaires :
- Leo a raison, le titre de l'article ne reflète pas ce dont il s'agit.Pour Roche, il a posé une question.Je vais changer un mot dans le titre: " Approche économétrique de l'analyse de la firme MQ".Vous pouvez voir comment tout change immédiatement, en particulier l'approche ......
- L'article utilise une approche connue sous le nom d'analyse des séries temporelles (TSA) et cette approche ne se soucie pas de ce qu'il faut analyser, qu'il s'agisse des séries de prix ou de l'efficacité de la vente de neige aux Esquimaux :-), et vous, en tant qu'auteur, en parlez, mais l'appelez (l'article) différemment pour une raison quelconque......
- L'analyse de l' ACF (fonction d'autocorrélation), de son TYPE et de ses paramètres constitue la base de l'AVR. Tout d'abord, la VID de la fonction d'autocorrélation (vous n'en dites pas un mot, mais c'est la VID qui détermine la suite du modèle.
- Vous avez simplement traîné le modèle GARCH ici par décision délibérée. Même si, d'après vos recherches (signes indirects), on peut comprendre que ce modèle n'est pas adapté... et il n'est pas universel, il en existe de meilleurs... pour ceux qui vont négocier la volatilité, il peut convenir, mais pour la prévision des séries de prix (notre objectif), il n'est en aucun cas adapté. Je peux expliquer plus en détail pourquoi, si cela vous intéresse, mais je me contenterai d'une brève explication. La principale chose qui a attiré mon attention
Maintenant, en termes de méthodologie.
- vous avez choisi d'obtenir l'ACF par la transformée de Fourier. C'est possible, mais si je me souviens bien, il faut obligatoirement prendre le module et éventuellement (j'écris de mémoire) prendre le carré du module avant la transformée de Fourier inverse, ce que je n'ai pas vu dans votre algorithme (peut-être n'ai-je pas été attentif).
- D'après la figure où vous montrez l'ACF, il est clair qu'il y a une erreur dans les calculs. L'ACF est par définition une fonction comprise entre -1...+1, et vous avez là +-200 et un multiplicateur 1e4 (quelque chose avec une normalisation sur le 0ème terme).
- vous soustrayez le MOG (valeur moyenne m=mean(res) ;). Pourquoi ? pourquoi supprimer les équations non tendancielles - les équations en ligne droite ? Justifiez votre réponse s'il vous plaît
- En tant que spécialiste du traitement spectral, vous devriez savoir que la suppression du MOG est similaire à la mise à zéro de la composante zéro du spectre, mais pour être tout à fait correct, cette composante du spectre est la plus puissante, et par les lobes secondaires de la fonction sin(x)/x , elle s'étend à l'ensemble du spectre. Il est nécessaire d' appliquer au moins une fenêtre d'ourlet (hening, butterworth,...) pour supprimer les lobes secondaires (cet effet).
- Dans les commentaires, vous écrivez "transformée de Fourier pondérée inverse" , en quoi diffère-t-elle d'une simple transformée inverse ? pourquoi et comment la pondérer ?
Ily a d'autres questions...ou plutôt certaines choses avec lesquelles je ne suis pas d'accord. ..vous ne pouvez pas prendre H4 la nature ne peut pas être trompée, plus les points sur l'axe du temps sont éloignés les uns des autres, moins il y a de corrélation entre eux, respectivement la précision de la prévision sera toujours moins bonne que pour un court intervalle de temps.
On ne peut pas prendre le logarithme ( ou plutôt on peut, mais il ne faut pas l'oublier), sinon on a l'abracadabra, en bref cette transformation sur les données initiales change le type d'ACF (on peut le vérifier à l'aide d'un logiciel de statistiques), beaucoup de gens marchent sur ce râteau, et j'ai marché dessus une fois en mon temps... le type d'un autre est extrêmement important.
H.Y. prêt à se joindre à la recherche, parce que je suis toujours intéressé et intéressé par cette question, la capacité de prédire, mais tout n'est pas simple, beaucoup de points blancs, ces études que je suis tombé sur, très souvent ont des points blancs, ils sont parlés en passant ne révèle pas l'essence, bien qu'il soit clair, parce que plus loin est déjà couché l'argent et les algorithmes commencent à apporter des revenus . https://www.mql5.com/fr/code/8295
Oui, et en ce qui concerne le test Q, nous l'avons fait, mais ensuite ?
Avez-vous pu répondre à la question de savoir quel modèle correspond maintenant à ce que vous observez ?
Quels sont les paramètres de ce modèle ? Qu'est-ce que ce test vous a apporté ? Quelle est la question à laquelle vous avez obtenu une réponse ? Je veux dire que vos hypothèses sont un peu fausses....
vous pouvez procéder différemment, l'essentiel est de comprendre ce que ce test recherche, ce qu'il détermine dans l'échantillon...
Remarques :
- lors de l' exécution de l' AVR, la base est précisément l'analyse de l' ACF (fonction d'autocorrélation), de son VIDA et de ses paramètres. Tout d'abord, c'est le type de la fonction d'autocorrélation (vous n'en dites pas un mot, mais c'est le type qui détermine le modèle ultérieur .
- Vous avez simplement fait glisser le modèle GARCH ici par décision délibérée. Même si, d'après vos recherches (signes indirects), on peut comprendre que ce modèle n'est pas adapté... et il n'est pas universel, il en existe de meilleurs... pour ceux qui vont négocier la volatilité, il peut convenir, mais pour la prévision des séries de prix (notre objectif), il n'est en aucun cas adapté. Je peux expliquer plus en détail pourquoi, si cela vous intéresse, mais je me contenterai d'une brève explication. La principale chose qui a attiré mon attention
J'ai décidé de répondre à la question la plus importante et la plus intéressante.
Je suis d'accord pour dire que le type d'ACF détermine le modèle ultérieur . Mais je n'ai pas abordé ce point dans l'article jusqu'à présent. C'est une tâche à réaliser ultérieurement. Jusqu'à présent, j'ai couvert la phase de pré-estimation, ce que l'on appelle la phase de pré-estimation.
J'ai introduit le GARCH ici en raison de sa relative simplicité, et comment avez-vous décidé qu'il n'était pas approprié si nous ne l'avons même pas encore évalué ? :-)
Je l'ai défini comme une base mathématique qui prend en compte les changements antérieurs des indicateurs(ϵ2t -i) et les estimations antérieures de la variance (ce que l'on appelle les "anciennes nouvelles") (σ2t-i).
L'objectif principal - établir une prévision du taux de change (prix) à l'aide d'un modèle - n'est pas résolu en un seul article...
- vous avez choisi d'obtenir l'ACF par la transformée de Fourier. Vous pouvez le faire de cette manière, mais autant que je me souvienne, il devrait y avoir une prise de module obligatoire et éventuellement (j'écris de mémoire) une mise au carré du module avant la transformée de Fourier inverse. Je ne l'ai pas vu dans votre algorithme (peut-être que je n'ai pas fait attention).
Analysis : Forecasting and Control. 3e édition. Upper Saddle River, NJ : Prentice-Hall, 1994.
Il est également implémenté dans Matlab.
J'ai décidé de répondre à la question la plus importante et la plus intéressante.
...
Qu'en est-il du fait que l'ACF doit se situer entre -1 et +1 ? ce n'est pas intéressant ? car avant de tirer des conclusions, il faut d'abord s'assurer que tout est correctement calculé.
H.Y. Et le fait que dans un seul article tout ne peut pas être exposé, c'est clair, un wagon modèle mat et un petit chariot ))
Pour ce qui est de la référence à la littérature étrangère, voici ce que l'on peut trouver sur http://www.statsoft.ru/home/textbook/modules/sttimser.html#1general.
Dans le package statistiques, il y a un calcul de l'ACF dans matlab qui coïncide, je l'ai vérifié à un moment donné. Comparez vos résultats de calcul dans MQL et avec ces packages, sur les mêmes données. Vous avez une erreur quelque part
- Sur la figure où vous montrez l'ACF, il est clair qu'il y a une erreur dans les calculs. Par définition, l'ACF est une fonction comprise entre -1...+1, et vous avez +-200 et un multiplicateur 1e4 (quelque chose avec une normalisation au 0e terme).
Veuillez lire plus attentivement la description de l'axe des y dans l'article. Je l'ai fait en raison de l'impossibilité de refléter les petites valeurs inférieures à l'unité avec l'aide de Google Chart API.
En outre, comme vous pouvez le voir dans l'algorithme, j'ai supprimé le décalage de zéro du tableau ACF, qui est toujours égal à 1. Cela rend le graphique plus lisible.
- vous soustrayez le MOG (mean m=mean(res) ;). Pourquoi ? pourquoi supprimer les équations non tendancielles - en ligne droite ? Veuillez le justifier.
C'est une question pour les théoriciens. Si cela vous intéresse, j'ai déjà indiqué la source de l'algorithme.
- En tant que spécialiste du traitement spectral, vous devriez savoir que la suppression du MOG est similaire à la mise à zéro de la composante zéro du spectre, mais pour être tout à fait exact, cette composante du spectre est la plus puissante et, d'après les lobes secondaires de la fonction sin(x)/x , elle s'étend à l'ensemble du spectre. Il est nécessaire d' appliquer au moins une fenêtre d'ourlet (hening, butterworth,...) pour supprimer les lobes latéraux (cet effet).
Je ne suis pas du tout un expert. Pouvez-vous développer ? :-)
- Dans les commentaires, vous écrivez "transformée de Fourier pondérée inverse" , en quoi diffère-t-elle d'une simple transformée inverse ? comment et pourquoi la pondérer ?
Elle est décriteici, je crois ....
... vous ne pouvez pas prendre H4 la nature ne peut pas être trompée, plus les points sur l'axe du temps sont éloignés les uns des autres, moins il y a de corrélation entre eux, donc la précision de la prévision sera toujours moins bonne que pour un court intervalle de temps.
On ne peut pas prendre le logarithme ( ou plutôt on peut, mais il ne faut pas l'oublier), sinon c'est l'abracadabra, en gros, cette transformation sur les données initiales change la forme de l'ACF, c'estextrêmement important (on peut le vérifier à l'aide d'un logiciel de statistiques), beaucoup de gens se prennent les pieds dans ce râteau, et je m'y suis pris une fois en mon temps... la forme est différente.
Ils prennent à la fois des jours et des semaines :-)
Logarithme de quoi ? Excusez-moi !
Trolls:
...paquet statistique il y a un calcul de ACF et matlab il coïncide, à une époque je l'ai vérifié. Comparez vos résultats de calcul dans MQL et avec ces packages, sur les mêmes données. Vous avez une erreur quelque part
J'ai déjà comparé. Tout est correct, il n'y a pas d'erreur. C'est juste que la visualisation des données souffre encore à cause de Google.
Dans les commentaires de cet article , 21 Jan 2011 à 14:19, j'ai montré le graphique ACF tel qu'il se présente habituellement, mais sans le décalage de zéro, qui est toujours égal à 1.