Statistiques de dépendance entre guillemets (théorie de l'information, corrélation et autres méthodes de sélection de caractéristiques) - page 17
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
Comme méthode d'élimination, je suggère de simplement relier les incréments au profil de volatilité quotidien.
Je peux le dire à ma façon ?
Ainsi, l'approche choisie montre qu'il existe des dépendances. La plus évidente, raisonnable et visible à l'œil nu est la périodicité quotidienne de la volatilité.
Par conséquent, la prochaine étape logique de ma recherche serait d'essayer d'exclure cette dépendance évidente et très forte des données et de voir si notre (votre) méthode montre la présence d'autres dépendances.
Comme méthode d'élimination, je propose de relier simplement les incréments au profil de volatilité quotidien.
Je suis terriblement désolé.
mais quel est le rapport avec la volatilité "MAUVAISE" si nous avons adopté le modèle "correct".
:)
Je continue à soutenir de manière "destructive" que le test d'indépendance est équivalent au test d'une distribution uniforme.
Et pas de "statistiques non paramétriques" - juste l'hypothèse nulle, que les auteurs de manuels sont parfois trop paresseux pour expliquer...
Code approximatif pour MQL-- https://www.mql5.com/ru/forum/132692/page13
Cher expert !
Il y a une question à propos de cette machine. En raison de la dévolatilisation, l'autocorrélation sur la série de rendements résultante (prise modulo) est-elle proche de zéro ? Dans un processus normal sur les lags 1 et 24, l'autocorrélation est d'environ 0,11.
Je peux certainement le vérifier moi-même, c'est juste que j'ai essayé de faire une correction au profil de volatilité quotidienne moi-même, mais l'autocorrélation pour une raison quelconque est restée..... Et c'est la racine des fortes dépendances, comme cela est devenu clair.
Cher expert !
Ne m'appelle pas comme ça :) LeXpert est un surnom, rien de plus, l'expert est une caractéristique.
En raison de la dévolatilisation, l'autocorrélation sur les séries de rendements résultantes (prises modulo) est proche de zéro ?
Je n'en ai aucune idée, pour moi l'ATR lissé quotidiennement est un outil purement pratique, et je ne suis pas allé plus loin que l'obtention d'un graphique, des questions plus urgentes ont surgi.
Vous devez donc le faire :). Pas nécessairement proches, mais logiquement ils devraient l'être.
Je suis terriblement désolé.
Mais quel est le rapport avec la "MAUVAISE" volatilité si nous avons adopté le "bon" modèle.
:)
C'est moi qui ai décroché la lune ou c'est toi ? :) Pourquoi votre volatilité est-elle fausse et, en fait, qu'est-ce que votre volatilité fausse a à voir avec cela ? C'est votre droit d'accepter le modèle et de le considérer comme correct, mais par rapport à l'approche de l'auteur, tout modèle serait externe, dans son approche il n'y a pas de modèles et il ne peut y en avoir. Si je comprends bien, bien sûr :)
C'est moi qui ai décroché la lune ou c'est toi ? :) Pourquoi votre volatilité est-elle fausse et, en fait, qu'est-ce que votre volatilité fausse a à voir avec cela ? C'est votre droit d'accepter le modèle et de le considérer comme correct, mais par rapport à l'approche de l'auteur, tout modèle serait externe, il n'y a pas de modèle dans son approche et il ne peut y en avoir. Si je comprends bien, bien sûr :)
Puis-je demander ?
Comprenons-nous l'indépendance de la même manière ? C'est-à-dire que les deux processus appartiennent à la même distribution et sont supposés indépendants.
Mais que faire si elles ne sont pas les mêmes ?
Et alors ?
d'où "irrégularité" .
:)
puis-je demander ?
Comprenons-nous l'indépendance de la même manière ? c'est-à-dire que les deux processus appartiennent à la même distribution et sont supposés indépendants.
Et s'ils ne sont pas les mêmes ?
Et alors ?
d'où l'"irrégularité" .
:)
Je n'ai pas le temps de m'acclimater aussi rapidement :). Quels sont les deux processus ? Il pourrait y avoir un million de processus, leurs distributions pourraient être quelconques, nous ne voyons que le résultat global.
La volatilité et sa périodicité quotidienne sont juste un fait observable, qui n'a rien à voir avec un quelconque modèle. Il est donc toujours correct :).
Je n'ai pas le temps de m'acclimater aussi rapidement :). Quels sont les deux processus ? Il peut y avoir un million de processus, leurs distributions peuvent être ce qu'ils veulent, nous ne voyons que le résultat global.
La volatilité et sa périodicité quotidienne sont juste un fait observable, qui n'a rien à voir avec un quelconque modèle. Il est donc toujours correct :).
vous avez des retours (et Alexei affirme qu'ils sont presque laplaciens dans la distribution du temps).
Vous testez maintenant des hypothèses sur leur indépendance par rapport aux valeurs précédentes.
Si le modèle de distribution des retours est uniforme - il est correct d'appliquer le chi-carré comme discuté ici...
Sinon, ça ne l'est pas. C'est de ça que je parle. Vous devez prendre la fréquence par la distribution de Laplace pour le test du chi-deux. Et ne pensez à rien d'autre.
Et le fait que la volatilité soit sensible au volume des actions est un fait. mais la raison est différente.
Et essayer de normaliser - va brouiller la coupure évidente.
Plus on s'éloigne (au-delà du sigma) - plus l'indépendance est grande...
;)
vous avez des retours (et Alexei affirme qu'ils sont presque laplaciens dans la distribution du temps).
Vous testez maintenant des hypothèses sur leur indépendance par rapport aux valeurs précédentes.
Si le modèle de distribution des retours est uniforme, c'est correct. Sinon, ça ne l'est pas. C'est de ça que je parle.
Et le fait que la volatilité soit sensible à la volatilité des actions est un fait. mais la raison est différente.
Et essayer de le rationner - ne ferait que brouiller la coupe évidente.
Plus on s'éloigne (au-delà du sigma) - plus l'indépendance est grande...
;)
Les VS peuvent être distribuées différemment et peuvent être dépendantes ou indépendantes. Si 2 SV sont indépendantes, alors les distributions conditionnelles des variables aléatoires indépendantes sont égales à leurs distributions inconditionnelles. Dans le cas d'une SV, la distribution est indépendante des valeurs précédentes de la SV : la distribution conditionnelle de la SV (des valeurs précédentes de la même SV) est égale à la distribution inconditionnelle de la SV.